“联邦学习”标准发布 百度安全参与制定

【导读】：2020年7月9日，关于联邦学习的团体标准—《基于联邦学习的数据流通产品技术要求与测试方法》首次发布，百度作为主要参与拟订单位参与了标准的制定及发布。

2020年7月9日，关于联邦学习的团体标准——《基于联邦学习的数据流通产品技术要求与测试方法》首次发布，百度作为主要参与拟定单位参与了标准的制定及发布。

此次标准由中国通信标准化协会提出并归口，中国信息通信研究院、北京百度网讯科技有限公司等十余家单位及企业参与了标准的拟订工作。标准规定了基于联邦学习的数据流通产品必要的技术要求及相应的测试方法，适用于基于联邦学习的数据流通产品的研发、测试、评估和验收等场景。

中国通信标准化协会于2002年在北京成立，负责组织信息通信领域或国家标准、行业标准及团体标准的制修订工作，承担国家标准化管理委员会、工业及信息化部信息通信领域标准归口管理工作。此次标准的发布，标志着联邦学习这一技术将向着更加成熟化、标准化、产业化的方向发展，为今后各界共建联邦生态打下坚实基础。

至目前，百度安全联邦计算已参与了多项国内、国际标准的定制工作，包括 TC260国家标准——《信息安全技术数据脱敏产品安全技术要求和测试评价方法》（在研）；TC601行业标准——《基于多方安全计算的数据流通产品技术要求与测试方法》、《数据脱敏工具技术要求与测试方法》（在研）；相关国际标准——IEEE P2842 《Recommended Practice for Secure Multi-party Computation》（在研），在数据安全和隐私保护技术方面建立了多维度行业影响力。

百度安全联邦计算 联邦学习领域新探索
在大数据市场发展迅猛，国家法律法规逐步健全，监管从严的大潮下，通过数据安全技术实现跨机构数据安全合作已成为行业普遍共识，与此同时，促进数据安全流通共享，进一步释放数据价值，加速数据合作共赢也成为行业刚需。
在此基础上，百度安全推出联邦计算平台，致力打造更安全的数据合作体验，为跨机构数据合作提供联合分析、联合建模等隐私安全能力，为联邦学习的大规模工业化落地提供产品技术解决方案。

什么是百度安全联邦计算？

百度安全联邦计算（Baidu Federated Computing, BFC），高效融合多方安全计算（Secure Multi-Party Computation，MPC或SMC ）、可信执行环境（ Trusted Execution Environment，TEE）、差分隐私（Differential Privacy，DP）和数据脱敏（Data Masking）等多种领先数据安全和隐私保护技术，可在各方数据不出域的基础上进行联合计算，获取各方所需的计算结果，全力打造跨组织数据合作“可用不可见，相逢不相识”的极致安全服务体验。

目前，百度安全联邦计算已在联合营销等多个场景实现最佳实践，未来，亦将继续打磨安全可控、分布式计算的产品能力，深耕广告、政务、金融、医疗、工业等重点垂直领域，深化与ABC、边缘计算、区块链在资源、产品、解决方案方面的协同，更好的满足业务需求。