作为国内首批采用联邦学习技术的银行之一，联邦学习开源框架的应用展现了浦发银行对金融信息技术创新的建设，提升了行业影响力，增强科技竞争力◆◆◆★，引领数据经济新发展。同时★◆★◆，基于开源框架积极带动金融行业业务和技术合作，打造创新技术互促发展的良好环境■■■★★◆，充分发挥联邦学习技术价值，促进金融科技高质量发展，充分展现出浦发银行作为科技自主自强先行者的责任担当。

　　开源框架使得联邦学习技术快速融入和应用到广泛的业务领域，针对营销、风控、客户管理和运营决策等提供全生命周期的解决方案◆■◆★，打破数据合作壁垒，助力与各领域合作方业务场景创新突破，实现业务规模快速增长以及营销风控技术成本的稳定下降■◆★◆★■。

　　在此背景下，联邦学习开源框架应用了微众银行自主研发的全球首个工业级联邦学习开源框架FATE，具有安全、稳定、高性能◆◆■、可拓展等优势，提供基于数据隐私保护的分布式安全计算框架和高性能的安全计算支持★■■◆。通过在FATE开源技术框架上进行二次开发★■◆◆★，针对行内环境■◆■、业务及技术需求进行定制化改造◆■，为联邦学习生态系统提供能力补充，加快行内技术创新速度■★★◆★■，大大缩短隐私计算平台研发周期，全面促进自主研发能力提升，助力浦发银行数字化转型■■★。

　　随着数据要素市场改革加速，国际及国家已颁布多项隐私保护及数据安全相关政策和指导意见，但是在满足数据合规性要求的同时，也进一步加剧了数据孤岛效应，而联邦学习技术便成为数据价值安全释放的关键突破口◆■■◆◆。此技术当前在国内虽仍处于起步阶段■■，近一年以来已经在智慧营销、智能风控等金融领域加速落地应用，证明了数据生态互联互通的业务急迫性。

　　浦发银行秉承自主研发★◆◆■、开放融合的建设理念◆★，引入FATE开源框架保障数据合作生态体系化建设自主掌控的能力，联合高校及科研院力量■■★★，树立“产学研一体化”建设理念，联合实现共进机制的完善和创新，打通隐私计算研究■◆■、开发、生产服务链路■★★◆，促进金融科技领域隐私计算技术发展，加快迈向数据密态时代◆◆◆■■。

　　在全球数字经济的浪潮下◆★◆■★◆，开源技术已成为新一代信息技术发展的基础和动力★■■◆★，尤其是在金融科技创新和数字化转型方面发挥着积极的作用，帮助金融机构实现IT系统的敏捷高效、精细化管理、可扩展以及可管可控，有利于加速技术升级和商业化项目落地，通过对开源技术的引用研究，满足日益增长、不断变动的业务需求。

　　2021年10月，中国人民银行等联合发布了《关于规范金融业开源技术应用与发展的意见》（银办发〔2021〕146 号），规范金融机构合理应用开源技术★★◆，提高应用水平和自主可控能力，促进开源技术健康可持续发展。前期，为助力成员单位做好开源技术应用与发展工作，北京金融科技产业联盟开源专委会组织了金融业开源技术应用、创新等方面的案例征集，现对部分优秀案例进行宣传★■■◆■■，发挥先进典型示范引领作用。

　　浦发银行隐私计算平台是融合联邦学习、MPC及TEE多种隐私计算技术的联合建模及数据分析工具。联邦学习作为其中重要的一环，平台选择集成受外界公认且符合银行高可用及安全和性能要求FATE开源框架，并根据浦发银行要求进行定制化的二次开发:将FATE开源框架与平台的项目管理组件、数据接入管理组件、数据授权组件及对外通讯组件进行对接，从而实现FATE开源组件在浦发银行隐私计算平台上的集成。

　　隐私计算平台通过使用FATE的eggroll计算引擎组件实现亿级数据的加密分布式计算，保证了计算引擎的高可用与高性能，相比单机计算效率提升10倍；通过使用FATE的kubefate组件实现了FATE在Kubernetes集群上的部署与管理，从而使联邦学习系统满足横向扩展需求■◆◆■，适应业务创新拓展；通过使用FATE的federatedml组件中联邦学习算法库，能够在双方数据不出本地的情况下◆■■★■，通过同态加密技术计算得到由两方数据联合训练得到的分析模型，相比传统的单边数据建模■■，模型预测准确性提高30%◆★■★。