近年来，国家对于人工智能和数据安全的重视程度不断加强。国务院《新一代人工智能发展规划》中明确提出了加强人工智能领域的基础研究、培养高素质人才、促进产业融合等方面的要求。联邦学习是人工智能和隐私计算核心技术之一，以“数据不动模型动，数据可用不可见”的核心特征，在保护数据隐私，促进数据要素安全流通等方面发挥关键性作用。7月5日，清华大学智能产业研究院（AIR）与FATE开源社区学术专委会共同举办的“联邦学习夏令营”正式开营。为期三个月的夏令营中，学员们将在领域专家的指导下，围绕“可信联邦学习的多目标优化框架”这一前沿研究方向展开研究实践，形成论文，在10月评选出优秀研究成果。此次活动得到了联通数科、VMware、北京大学、数字福建城市交通大数据研究所、微众银行等机构的大力支持，吸引了来自清华大学、北京大学、北京邮电大学、厦门大学、香港科技大学等十余所高校的30余位联邦学习领域研究的硕士和博士生积极参与。活动日合影1灯塔之辉，行业专家领衔在为期三天的开营培训阶段，香港科技大学讲席教授杨强、微众银行人工智能首席科学家范力欣、清华大学智能产业研究院副教授刘洋等领域专家为学员们带来集中培训，传授自身多年研究经验与实践方法。此外，还有来自香港科技大学、北京大学、厦门大学、中国科学院计算所等知名高校与科研机构的教授担当导师，为学员进行全程研究指导。香港科技大学讲席教授杨强以《可信联邦学习研究方向概述》为主题，分享了联邦学习领域的多个关键问题和研究方向，包括联邦学习中的隐私保护、模型性能和效率的平衡、大模型和小模型之间的知识迁移等问题，并探讨了联邦学习在医疗、系统等领域的应用。香港科技大学讲席教授

Flow调用其他厂商的算法镜像;(2)其他厂商调度平台使用FATE算法镜像。无论哪一种场景，参与联邦训练各方运行的算法需相同，即使用相同的算法容器。下面将从这两方面介绍如何接入。3.2.1

scPrivacy论文全文链接：https://www.biorxiv.org/content/10.1101/2022.05.23.493074v1.full详细解读文章链接：论文解读

个性化阶段算法框架4结果分析——特征偏移我们首先在一个特征偏移的数据集VLCS上验证我们方法的有效性。该数据集有4个联邦端，5种类别，共计10729张图片样本。实验结果如表1所示。表1

人类正在步入一个以核心算法为重要生产要素的智能时代，人工智能技术的进步和创新已经成为社会经济发展的重要动力，它将进一步释放历次科技革命和产业变革积蓄的巨大能量，创造新的强大引擎。在人工智能赋能金融的浪潮中乘风破浪，当代青年争做领域“弄潮儿”。为此，“2022

FATE（https://www.fedai.org），利用纵向联邦学习

本期很荣幸为大家带来一篇工商银行的精彩投稿。文章从背景、建模过程、落地场景、实施方案及产业价值各方面，详细介绍了隐私计算技术在金融行业反欺诈场景的应用案例。该案例对金融行业跨企业联防联控的生态体系建设、以及隐私计算在金融场景的加速落地起到了良好的示范和推动作用。工商银行是FATE开源社区TSC

金融科技（FinTech）是金融与科技的融合产物，目前已成为全球金融行业创新和竞争的制高点与主战场。业界一致认为，金融科技将在未来数年迎来战略发展机遇期，行业可能出现颠覆级的科技创新改变金融生态。为此，深圳市地方金融监督管理局在今年发布的《深圳市扶持金融科技发展若干措施》中明确表示，"从

Models论文全文链接：https://arxiv.org/abs/2109.13236v3详细解读文章链接：FedIPR:

FATE开源社区讲师招募~【github直达】：阅读原文或复制链接https://github.com/FederatedAI/FATE即可，点击star，方便下次使用。

Enabler）开源社区作为全球首个隐私计算联邦学习开源社区，基于“开源开放、共力创新”愿景，发起线上主题公开课FATE

Gg。然后，服务器下发公共分类器和公共生成器给每个客户端。图3：FedCG服务器端训练示意图2FedCG实验结果如表1所示，总体来说，FedCG

(IPR)，以防模型被非法复制、重新分发或滥用。图1微众银行AI团队提出黑盒与白盒两阶段验证联邦学习模型所属权的框架（图2）

FATE开源项目作为全球首个工业级联邦学习开源框架，从发布至今，历经多个版本迭代，每一次的优化和升级，都让FATE更加健全和成熟。正是对技术的不懈追求和探索，让FATE成为了国内领先的联邦学习开源社区。9月14日，由FATE开源社区发起的系列线上公开课——FATE

Flow系统高可用的设计方案及实现相关内容。文章由微众银行人工智能部研发工程师万志辉撰写，感谢微众银行及文章作者对社区的支持。以下是文章详细内容~✦✦一、背景介绍FATE

Islands）开源社区委员会法律合规组副组长。研究领域聚焦于知识产权以及数据、开源、智能科技、数字经济等法律问题研究。点击下方获取直播课完整视频【关于FATE「LIGHT

2022年8月19日至20日，VMware将联合多位ACE智能云边共创生态（ACE

联邦学习作为一种安全的分布式机器学习技术，为AI应用打通数据不足与数据安全的“最后一公里”而备受关注，连续两年进入Gartner技术成熟度曲线，成为隐私计算关键技术和人工智能领域最值得关注的前沿技术。而随着技术研究与产业应用的深化，联邦学习技术也在发展迭代中进入“可信联邦学习”新阶段。近期，首届可信联邦学习国际研讨会（FL-IJCAI'22）在第

随着我国数字经济的发展，数据已成为关键生产要素，而数据和模型的权属问题已成为数据价值与数据模型流通面临的最大障碍。为完善数字经济新基建的建设，夯实数字经济底座。可信联邦学习提出了模型知识产权保护的问题和技术要求，力求在数字安全与效能之间寻找最佳平衡点。基于此背景，我们将在由FATE开源社区发起的系列线上公开课——FATE

随着隐私计算技术商业化和技术迭代双提速，联邦学习研究也在发展迭代中进入“可信联邦学习”新阶段。在这背景下，首届可信联邦学习国际研讨会（FL-IJCAI'22）应时而开。研讨会在第

23:00举办）。研讨会上，加拿大皇家科学院及工程院两院院士、FATE开源社区技术指导委员会主席、开放群岛（Open

FATE开源社区讲师招募~【github直达】：阅读原文或复制链接https://github.com/FederatedAI/FATE即可，点击star，方便下次使用。

Europaea）院士、比勒费尔德应用技术大学洪堡教授金耀初，英伟达医疗保健生态系统中国区经理冀永楠，IEEE

明日（7月20日）下午2点，由FATE开源社区发起的系列线上公开课——FATE

FATE开源项目作为全球首个工业级联邦学习开源框架，从发布至今，历经多个版本迭代，每一次的优化和升级，都让FATE更加健全和成熟。正是对技术的不懈追求和探索，让FATE成为了国内领先的联邦学习开源社区。7月20日下午2点，由FATE开源社区发起的系列线上公开课——FATE

伴随数字经济发展提速，透过开源协作，将群体智慧转化为科创源动力，降低企业创新门槛，正在成为多产业数字化降本增效的必选项。为了帮助更多开发者进一步了解开源生态，洞察数字经济、数据要素市场发展趋势，掌握隐私计算联邦学习技术前沿进展，FATE开源社区于2022年发起线上主题公开课——FATE

本期很荣幸为大家带来一篇星云Clustar的精彩投稿。投稿文章将介绍一种基于随机掩码（Mask)的联邦线性回归新思路，该方案和基于同态加密方案相比会有更高效率。星云Clustar是FATE开源社区TSC

pool的大小选取可以理解为算法的超参数，这个参数与对齐样本的数量是相关的。如果抛开场景本身要求的安全性，对齐样本的数量越多，random

FATE开源项目作为全球首个工业级联邦学习开源框架，从发布至今，历经多个版本迭代，每一次的优化和升级，都让FATE更加健全和成熟。正是对技术的不懈追求和探索，让FATE成为了国内领先的联邦学习开源社区。6月24日下午2点，由FATE开源社区发起的系列线上公开课——FATE

FATE开源项目作为全球首个工业级联邦学习开源框架，从发布至今，历经多个版本迭代，每一次的优化和升级，都让FATE更加健全和成熟。正是对技术的不懈追求和探索，让FATE成为了国内领先的联邦学习开源社区。6月24日下午2点，由FATE开源社区发起的系列线上公开课——FATE

伴随数字经济发展提速，透过开源协作，将群体智慧转化为科创源动力，降低企业创新门槛，正在成为多产业数字化降本增效的必选项。为了帮助更多开发者进一步了解开源生态，洞察数字经济、数据要素市场发展趋势，掌握隐私计算联邦学习技术前沿进展，FATE开源社区于2022年发起线上主题公开课——FATE

Controller。在KubeFATE的教程中，我们用Minikube作为演示，这里Minikube把Ingress作为内置插件安装，其实等于封装了软件LoadBalancer暴露Nginx

数据要素实现安全、高效价值流通，隐私计算作为关键技术解，平衡安全、效率及可用性是当务之急，可信联邦学习应时而来。5月25日，由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导，FATE开源社区、开放群岛（Open

隐私计算行业规范、白皮书、研究报告等资料汇总（建议收藏！！）扫码关注FATE开源社区点击

5月27日14点，“2021-2022年度深圳数据交易产业生态发展论坛”将于深圳举办，论坛以“开源开放

5月25日，“联邦学习安全效率与开源生态”论坛将在线上开幕，本次论坛以“安全效率，开源开放”为主题，由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导，FATE开源社区、开放群岛（Open

：https://www.55xueshuo.com/?#/viewLive?planCode=1526422140306460672示说

金融事业部任金融行业认知与解决方案总监，专注于为国内外众多的银行提供大数据分析、认知计算、人工智能等方面的分析与决策优化服务，其带领的知识图谱和图计算方向曾获得IBM

Inc.公司从事研究工作。她拥有联邦学习和隐私计算领域相关的30余件国际国内授权专利，超过130件专利申请，并在《Nature》，AAAI，IJCAI，USENIX，ACM

5月25日14:30，由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导，FATE开源社区、开放群岛（Open

5月25日14:30，由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导，FATE开源社区、开放群岛（Open

数字经济时代，数据成为关键生产要素，经济价值与战略价值凸显。但是数据只有安全共享，才能发挥数据要素的价值。根据Gartner预测，到2025年60%的大型组织将在分析、商业智能或云计算中使用一种或多种隐私计算技术。有分析认为，隐私计算技术发展和规模化应用的关键是构建生态，开源项目天然具备技术开放性和迭代能力，有助于生态各方互联互通与高效协作。4月27日，由PCview隐私计算研究院主办的「数据隐领未来·隐私计算应用与发展论坛」在线上举行，FATE开源社区开发专委会成员范涛受邀出席，并作了《FATE助力隐私计算落地与应用》的主题演讲，详细介绍全球首个工业级联邦学习开源框架FATE的技术方案及前沿进展。演讲中，范涛回顾了隐私计算技术发展的历程，其中重点介绍了FATE开源后的版本迭代进程。自2019年初开源至今，FATE已迭代30余个版本，联邦算法组件已发展至30余个，实现工业界主流场景算法全覆盖和工业界主流多方安全计算协议全覆盖，性能方面也得到显著提升。同时还积极参与制定国内外多项标准，助力加快隐私计算联邦学习的标准化进程。FATE

Host以此类推，根据多项式系数和j计算出每个子秘密对应的校验值。参与方j利用生成元g对收到的子秘密进行验证（在正常情况下，以guest方生成为例，其它接收方可以验证

maintainers之一、FATE开源社区核心算法研发、微众银行人工智能算法工程师马国强和FATE开源项目贡献者和KubeFATE开源项目维护者、VMware

年以上大规模机器学习系统和大数据相关应用实践经验。在微众银行负责联邦学习FATE开源项目研发和FATE商业化解决方案研发，推动联邦学习技术在风控、营销、个性化推荐等领域应用。申请联邦学习相关技术专利

FATE开源项目作为全球首个工业级联邦学习开源框架，从发布至今，历经多个版本迭代，每一次的优化和升级，都让FATE更加健全和成熟。正是对技术的不懈追求和探索，让FATE成为了国内领先的联邦学习开源社区。明日（4月15日，周五）14点，由FATE开源社区发起的系列线上公开课——FATE

FATE开源项目作为全球首个工业级联邦学习开源框架，从发布至今，历经多个版本迭代，每一次的优化和升级，都让FATE更加健全和成熟。正是对技术的不懈追求和探索，让FATE成为了国内领先的联邦学习开源社区。4月15日（本周五），由FATE开源社区发起的系列线上公开课——FATE

FATE开源项目作为全球首个工业级联邦学习开源框架，从发布至今，历经多个版本迭代，每一次的优化和升级，都让FATE更加健全和成熟。正是对技术的不懈追求和探索，让FATE成为了国内领先的联邦学习开源社区。4月15日，由FATE开源社区发起的系列线上公开课——FATE

集中数据进行计算以解决性能问题，通过加密数据或者加密程序运行时来防止数据泄露。第四阶段（可信）联邦学习:针对近似计算任务（建模/预测）进行任务级安全机制设计，在保证安全性的前提下，

数据作为数字经济时代关键的生产要素，近年来在科技、生产领域均受到广泛关注。2022年政府工作报告中强调，要完善数字经济治理，释放数据要素潜力，更好赋能经济发展。因而，无论是学术研讨、技术开发还是产业应用领域，构建起数据合规认知体系都十分必要。