创略科技|创略科技胡世杰：营销场景下，联邦学习如何挖掘数据的“跨域”价值( 二 ) 春秋航空

但胡世杰表示，创略科技目前没有在整个客户体系内去推联邦学习，中国营销科技领域也没有一个类似数据联邦的组织存在。
原因在于联邦学习的落地需要企业之间1对1协作。也就是双方都恰好需要对方的数据洞察，创略科技就可以这个过程中扮演撮合者的角色。
在他看来，联邦学习当前没有大规模在商业化上推广有几个方面的原因。一来，有一定数据化基础，且对异域数据有需求的企业一般都是中大型企业，从需求上看，这些企业都是带有目的地选择联邦学习的合作方，比如，他们可能需要针对性地补齐在车联网或者咖啡店客户的数据洞察，所以联邦学习在尝试层面就带有一定门槛。
二来，整体来看联邦学习的商业价值还处在探索阶段，联邦学习更多落地场景和价值有待验证。“联邦学习是需要长期投资的领域，快速提升体量不是现在的首要任务，价值验证与技术磨练在现阶段更重要。”
比如，产业界和学界都在探索区块链技术在联邦学习中的应用。此二者之间一个比较核心的关联是：在区块链技术介入后，“多个企业或参与者之间执行联邦学习时，是否一个主导方（管理方）”是可选的——也就是说，联邦学习可以是个完全去中心化的过程。不管有没有主导方，参与者之间的信任度，透明度，以及参与机制都是重要且能得以保证的要素。其目标都为去中心化网络中增强节点之间的互信，区块链在确保交易记录不被篡改，通过技术上的共识实现多方合作，助力联邦学习实现数据隐私保护技术。
胡世杰坦言，在创略的客户中，真正对联邦学习，或者对异域数据洞察有需求、感兴趣、愿意尝试的的企业比例仅为25%。
他观察，在某一种情况下，联邦学习非常有用。“一些客户只是进入了A企业的私域，但是没有转化成客户，从一些个性化、智能营销的角度很难判断怎么去把这些人转化成客户。但相反，这些客户反而在B企业已经变成了客户。这是非常好的联邦学习的应用场景，对于企业新客导入和拉新有明显帮助。”
除了应用场景有待更多探索，一些巨头型企业也开始探索联邦学习在数据安全性上的问题。钛媒体在《一文读懂机密计算SGX：区块链、AI技术的一把安全锁》中，曾介绍过清华大学李琦教授带领团队用机密计算（SGX）解决联邦学习中的“数据投毒”问题。
由于联邦学习难以控制参与者的本地训练过程，所以训练模型/数据洞察很容易受到模型污染攻击和后门攻击等等。例如，参与者可能会在不训练或者少训练的情况下骗取奖励，从而导致模型训练方的经济损失。
而SGX作为基于硬件的保护工具，可以有效且高效的保证联邦学习训练的正确执行。因此，通过应用SGX技术可以为联邦机器学习提供有效的安全防护。
联邦学习落地过程中的更多问题还有待被解决。不过，这些问题的存在并不能阻止产业界、学界对联邦学习未来的看好。“我对这个技术的未来走向是非常乐观的。但联邦学习商业化跟应用场景落地的问题可能是一个难点。结合这样一个技术，怎么样真正把它做成一个有意义、有价值、能规模化的一个模式？是一个问题。”胡世杰说。
【创略科技|创略科技胡世杰：营销场景下，联邦学习如何挖掘数据的“跨域”价值】（本文首发钛媒体App，作者 | 秦聪慧）