《联邦学习场景应用研究报告（2022年）》

联邦学习场景应用研究报告 （2022 年）中国信息通信研究院泰尔终端实验室 2022 年 2 月版权声明本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。编制说明本报告编写参与单位：中国信息通信研究院、卓信大数据计划、开放星云计划、铸基计划、杭州锘崴信息科技有限公司、北京百度网讯科技有限公司、北京明略软件系统有限公司、第四范式(北京)技术有限公司、北京智慧易科技有限公司、深圳市洞见智慧科技有限公司、同盾科技有限公司、光之树（北京）科技有限公司、上海富数科技有限公司、零氪科技 (北京)有限公司、OASES 智能终端安全生态工作委员会。前 言数据作为数字经济和信息社会的核心资源，被认为是继土地、劳动力、资本、技术之后的又一个重要生产要素，其在企业数字化转型中发挥重要作用，并对国家治理能力、经济运行机制、社会生活方式等产生深刻影响。与此同时，数据安全的重要性愈发凸显。依法采取严密的监管措施，保障数据安全无虞，有利于为数字经济发展夯实安全基础，为国家安全和公共利益保驾护航。2021年以来，《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》相继实施，个人隐私和产业机密数据保护日趋完善，在着重强调数据安全和个人信息保护的同时，完善了数据相关合规监管框架，为数据流通和使用进一步拓展了空间。与此同时，以联邦学习技术为代表的隐私计算赛道产业生态逐渐丰富，互联网厂商、初创专精型厂商、人工智能厂商等各领域企业纷纷加入，在进一步加深技术研究的同时，相关垂直领域的行业应用也逐渐丰富，形成百花齐放的行业发展态势。本报告在中国信息通信研究院前期对于联邦学习技术、产业的研究基础上，联合联邦学习产业链上下游企业，深入探讨联邦学习在政务、医疗、金融、广告、物流的应用价值，以期为数据应用价值的释放带来解读和参考。目 录一、 联邦学习简介 ................................................... 1 (一) 数据隐私安全及孤岛问题 ..................................... 1 (二) 联邦学习定义 ............................................... 1 (三) 联邦学习主要作用 ........................................... 2 (四) 联邦学习技术优势 ........................................... 2 二、 联邦学习发展历程 ............................................... 3 (一) 传统隐私保护 ............................................... 3 (二) 联邦学习 ................................................... 4 (三) 安全联邦学习 ............................................... 5 三、 联邦学习进阶 ................................................... 6 (一) 主要技术原理 ............................................... 6 (二) 联邦学习的分类 ............................................. 8 (三) 联邦学习模型 .............................................. 15 (四) 联邦学习能力 .............................................. 17 (五) 联邦学习流程 .............................................. 18 四、 安全联邦学习 .................................................. 19 (一) 可信计算环境 .............................................. 20 (二) 多方安全计算 .............................................. 21 (三) 同态加密 .................................................. 21 (四) 差分隐私 .................................................. 22 (五) 安全性 .................................................... 23 (六) 性能 ...................................................... 25 五、 应用场景 ...................................................... 27 (一) 政务开放 .................................................. 27 (二) 医疗应用 .................................................. 28 (三) 金融应用 .................................................. 38 (四) 数字广告 .................................................. 56 (五) 物流行业 .................................................. 62 六、 展望 .......................................................... 63 (一) 政策引导、持续释放行业红利 ................................ 63 (二) 凝聚共识、加速应用场景探索 ................................ 64 (三) 标准建设、加强平台互联互通 ................................ 64 图 目 录图 1 传统机器学习和联邦学习的对比 ...................................................................... 3 图 2 联邦学习的两种架构模式 .................................................................................. 7 图 3 横向联邦学