针对当前越来越突出的“数据孤岛”问题，百融云创在业内号召并率先探索“联邦学习”模式。联邦学习的本质是一种分布式机器学习技术，在不交换数据样本的情况下，在多个分散的边缘设备或服务器上训练算法，以达到在数据“可用不可见”的基础上进行安全联合建模的作用。
以合规为基石，百融云创顺应行业发展趋势积极投入联邦学习这一新式算法的研发，可实现各个企业自有数据不出本地，通过加密机制下的参数交换方式，在不违反数据法规隐私的情况下，建立一个虚拟的共有模型，最终通过联合建模提升模型的效果。据悉，从2019年9月开始投入研发，百融云创人工智能金融实验室已经完成联邦学习系统的基本开发。
百融云创从隐私集合求交集、联邦学习等方向入手，以密码学领域的重要理论和技术为基础，结合大数据具体应用场景，搭建了安全多方计算平台Indra，促进安全多方计算、机器学习等理论研究的落地。通过不断地创新发展，百融云创将联邦学习作为破解智能时代和隐私保护的利器，驱动人工智能产业升级，不断赋能金融行业。
百融云创在探索之中发现，作为打开数据岛的桥梁，联邦学习在满足数据隐私、安全和监管要求的前提下，能够让人工智能系统能够更加高效、准确的共同使用各自的数据。百融云创积极利用联邦学习模式开创多种数据保护方式，如建立百融模型自训练平台、百融联邦机器学习平台、百融谛听设备反欺诈等等，这些都成为助力金融机构提升业务能力的利器。
通过合理利用联邦学习技术，百融云创帮助金融机构解决金融数据共享与数据隐私保护之间的痛点，更好地发挥金融数据潜力。在未来的研发优化过程中，百融云创仍将立足行业需求，扎根技术创新，共筑数字金融安全“生命线”。