随着大数据、边缘计算、大型云计算平台和各种开源框架的发展，机器学习等人工智能技术以前所未有的速度应用到各个行业。然而，人工智能技术在为我们带来机遇的同时，也带来了新的挑战。因此数据的隐私和安全引起了全世界的重视。
百融云创作为国内领先的人工智能与大数据应用平台，利用“联邦学习”创新性地设计了一种新的人工智能实现模式，承接了传统人工智能解决问题的能力。更为重要的是，“联邦学习”为我们开创了一种面向数据隐私保护的机器学习新范式，且在这种新的框架下，“联邦学习”各参与方通过“联邦学习”机制实现了多赢的局面，也为金融行业人工智能技术的应用提供了一种新的应用前景。
百融云创将保护隐私的原则、理念和方法融入到企业管理中，始终将保护客户和个人隐私信息放在首位。为了解决存在的数据隐私保护这一难题，打破数据孤岛的现实困难，满足数据联合融合使用的迫切需要，百融云创也在业内号召并率先探索“联邦学习”模式。这是一种加密的分布式机器学习技术，能够使各个企业的自由数据在不出本地的情况下，通过加密机制交换数据，即在不违反数据隐私法规的前提下，建立虚拟共有模型，仅为本地目标服务。
百融云创探索的“联邦学习”模式，不仅可以增加行业内可用数据的总量，解决现存数据孤岛的问题；而且对金融机构而言，使用联邦学习能简单、合法且低成本的获取外部有效的数据信息，快速解决某些因数据量或数据维度不足而导致的困扰，并且不会造成合作机构间数据或商业机密的泄露。
联邦学习模式有如下几点优势：数据隔离，数据不会泄露到外部，满足用户隐私保护和数据安全的需求；能够保证模型质量无损，不会出现负迁移，保证联邦模型比割裂的独立模型效果好；参与者地位对等，能够实现公平合作；能够保证参与各方在保持独立性的情况下，进行信息与模型参数的加密交换，并同时获得成长。
百融云创利用联邦学习设计完善的AI系统解决方案，既能保护用户的数据隐私，同时又能更高效、准确地使用孤立的数据，构建更为高效的金融反欺诈模型。同时，百融云创有效帮助多个金融机构在满足用户隐私保护、数据安全和政府法规的要求下，利用双方或多方数据实现定制化的模型优化。随着金融行业不断利用AI技术来驱动业务的转型升级，加快智能化升级进程，百融云创加速行业AI技术落地，打造金融行业的坚实后盾。
