360借条科学家：引入联邦学习技术 断绝隐私泄露风险

　　伴随着移动互联技术的飞速发展，公民的隐私安全也成为社会共同关注的焦点问题。在过去一段时间，不时会出现公民隐私泄露的事情出现。如何保障公民隐私安全，已经成为全社会都在积极努力的课题。对此，360借条用自己的技术优势和丰富的黑产斗争经验，摸索出了一条自己的发展之路。

　　2019年10月，360金融宣布成立隐私保护与安全计算研究院，引入联邦学习技术发力大数据隐私保护研究。未来，360金融将投入大量资金和研发力量，并联合行业合作伙伴，营造健康数据生态，共同制定解决数据安全问题的金融科技方案。这是继谷歌、苹果、腾讯、阿里之后，隐私保护机器学习进入金融科技领域的重要尝试。

　　作为360金融旗下的核心产品，360借条自然也成为了对抗黑产的主战场。云计算、大数据、人工智能技术的广泛应用，抵制热力图、反诈星球计划等防骗反诈防火墙的构建，让360借条的风控水准一直处在行业前列。

　　作为360金融首席数据科学家沈赟，在受邀参加“上海证券交易所国际投资者会议”时表示，数据裸奔问题需要AI协同大数据安全共同解决。在沈赟看来，金融与科技的融合，极大程度上取决于对数据价值的深挖程度，而如何兼顾隐私性与可用性的关系，既是企业必须面对的道德底线，也是考验企业技术是否过硬的先决条件。

　　为实现打通数据孤岛，实现数据的共享和价值的传递，360金融在安全多方计算、 同态加密、差分隐私、联邦学习等技术领域都进行了部署，并通过实际业务数据，训练更安全的模型，同时链接多方孤岛数据提升模型性能。

　　具体来看，利用同态加密，对加密后的数据直接进行运算，相比较有高风险泄露数据的明文计算，这种方式在保证计算正确性的情况下，从根源上确保了用户隐私不被盗用、窃取，同时在处理过程中也实现了全程“封闭”。

　　另外，利用差分隐私技术降低暴露训练数据中敏感信息的可能性。差分隐私是建立在对随机算法的约束之上的，限制攻击者在得到带噪中间件后，对原数据的推导能力。再结合安全多方计算，联邦学习等技术，实现联合多方分布式训练并更新模型。这种方法不需要上传数据，在保持模型预测性能的情况下，比传统方法更加有效地保护了用户信息。

　　正是凭借着先进技术的支持，360借条才能够为广大用户带去安全、优质、高效的互联网金融服务，也正是这样的服务体验为360借条带来了良好的口碑和庞大的用户基数。根据相关数据统计显示，360借条目前已经拥有日活用户近百万。这种“科技保障用户体验、用户反哺平台口碑”的发展模式，让360借条走出了一条属于自己的特色发展之路。