作为数据隐私和数据安全应用的重要技术，在近年来已形成持续发展的完善的开源生态体系。百融云创紧跟信息化社会的发展浪潮，积极探索联邦机器学习(FML)技术，通过去中心化协作的方式，为金融机构转型升级提供全新的发展思路。通过运用AI行业当下最前沿的AutoML技术，百融云创有效突破“模型优化瓶颈”，实时计算超体量数据，完美支持特征⼯程与机器学习模型的线上服务。
　　在应用场景层面，联邦学习主要有横向联邦学习、纵向联邦学习、联邦迁移学习三种。以纵向联邦学习来说，其特点是样本ID重叠较多、样本特征重叠较少，通过联邦学习可以实现双方获利，即无标签一方可以使用联邦模型预测，有标签一方提升模型准确度。比如银行和互联网公司的合作，银行有用户银行卡的收支行为与贷款信息，而电商企业掌握用户的商品浏览与购买历史信息，通过联邦学习双方可以在风控管理、信用评估、精准营销等领域实现合作。百融云创通过全面合理地运用多种形式的联邦学习，考虑金融场景的习惯和数据特点，积极探索与实践机器学习范式，综合用户特征，提升运算效率，保障数据安全。