隐私计算正在成为银行业开展大数据融合应用和客户个人信息保护工作的刚需。

隐私计算中的“隐私”指“隐藏的状态”或者“不愿披露的特征、属性”。比较理想的隐私计算过程是在数据隐藏的状态下，不需要数据出域就能够进行模型训练。

数字化金融时代，归属不同组织的数据像汪洋大海上的一座座孤岛，如何打破“数据孤岛”，充分利用各方数据来安全、快速、准确解决各种应用场景中的业务问题，成为跨组织跨行业合作急需解决的痛点。联邦学习产品便是基于上述需求而诞生。

2022年3月，浦发银行“波塞冬联邦学习产品”通过了中国金融认证中心（CFCA）联邦学习技术应用产品测评并获得了产品测评报告，成为首家通过CFCA此项产品测评的银行。

上海浦东发展银行的“波塞冬联邦学习产品”集成了多种多方安全计算协议、多个联邦学习建模工具，并提供统一的资源及权限管理，支持多种数据源和计算引擎的接入。通过上海浦东发展银行“波塞冬联邦学习产品”建立金融生态圈，可以为重点合作伙伴提供安全可信的联邦学习服务。

在完成联邦学习技术应用产品自评后，浦发银行邀请中国金融认证中心（CFCA）进行全方位联邦学习技术应用产品测评。结果显示,“波塞冬联邦学习产品”43个测评项目均通过检测，彰显了“波塞冬联邦学习产品”过硬的基本功能和可靠的安全性，以及浦发银行在隐私计算战略当中领先行业的前瞻性。

CFCA“联邦学习技术应用产品测评”从功能要求、非功能要求、数据安全要求三个方面对产品进行测评，测评内容包括计算安全、模型安全、数据安全等安全要求，以及节点、算法、数据、模型、存证、可靠性、性能等非安全要求。

CFCA在完成首批多方安全计算产品检测的基础上，归纳总结市场产品的架构和应用场景，结合自身在金融和密码行业检测评估的丰富经验，推出金融级联邦学习技术应用产品测评服务，为促进数据有序共享、深化数据综合应用、做好数据安全保护添薪助力。

责任编辑：韩希宇