吉利数科通过中国信通院第六批“可信隐私计算评测”

中国信通院可信隐私计算评估体系从2018年开始逐步构建是国内隐私计算领域最早，最全面，最被广泛认可的评测体系据中国信通院相关负责人介绍，经过四年的发展，可信隐私计算测评已成为隐私计算领域的权威第三方测评品牌，为隐私计算产业发展做出了重要贡献，成为供给侧产品研发和需求侧采购选择的风向标

伴随着数据成为新的生产要素，数据交易和协作模式不断更新，对数据安全提出了更高的要求隐私计算是由两方或多方共同计算的技术体系参与者可以在不泄露各自数据的前提下，通过协作共同学习，共同分析数据，并保证计算结果可以被验证隐私兼顾数据应用和安全，逐渐广泛应用于企业，政府等主体的丰富场景

与此同时，基于联邦学习的隐私计算平台逐渐成为主流联邦学习的本质是一个分布式的机器学习框架，可以在保证数据隐私和合法合规的基础上实现数据共享和共同建模，使数据可用不可见，打破数据孤岛的瓶颈

吉利学院自主研发的联邦学习平台，基于机器学习，深度学习算法和加密协议数据不需要离开本地将模型发送到本地服务器进行训练，通过少量的数据交换对模型进行迭代和更新最后输出联合训练后的算法模型，可以高效地实现和完成多方联合建模和分析

联邦学习可以分为横向和纵向交叉学习主要针对具有相同特征的样本参与者进行联合建模，适用于业务相似的场景纵向学习主要针对样本用户重合度高，特征互补的数据，适用于跨机构数据联合的场景

以汽车行业为例，大型汽车集团往往拥有多个汽车品牌，品牌间数据维度相近，但用户重合度不高利用横向联合学习可以在保证数据隐私和安全的前提下有效交换品牌数据，帮助管理层高效决策，优化资源分配和投放根据吉利丰富的数字资源和应用场景，数字科学正在积极开发和构建汽车行业联邦学习的场景

吉利数字隐私计算团队负责人表示，顺利通过可信隐私计算测评，证明吉利数字在隐私计算领域的技术水平已经位居行业前列吉利分公司将继续迭代和完善包括联邦学习平台在内的隐私计算产品和解决方案，推动其在更多应用场景中的应用，支持更多企业激活数据元素，加速数字化转型