联邦学习首次被纳入Gartner隐私计算技术成熟度曲线

据外媒报道，美国亚马逊公司近期被卢森堡数据保护委员会处以7.46亿欧元（约合57.2亿元人民币）的罚款，原因是亚马逊违反了欧盟的《通用数据保护条例》。这也将成为亚马逊在欧盟面临的最大一笔数据隐私罚款。就在去年，Facebook和谷歌也先后因为违反相关数据隐私保护规定而被处以巨额罚款。

因为隐私数据保护不力而吃到“天价罚单”在全球大科技公司中正成为一个巨大的内控难题。如何从制度、技术以及公司自律等层面保护隐私数据安全再次成为舆论热点，隐私计算也成为全球新兴的一大产业。

7月，2021年度Gartner技术成熟度曲线（以下简称Gartner曲线）发布。因其前瞻性和连续多年对全球科技趋势的跟踪研究，每年一度发布的Gartner曲线被视为了解全球科技新动向最具参考价值的报告之一。

在“隐私计算的技术成熟度曲线-2021”中，联邦学习被首次纳入。另外，本年度曲线中，主权云也同时被纳入。

隐私计算大致经历了三个阶段，第一代主要是安全多方计算，第二代主要是集中加密计算，而最新的第三代技术代表，就是联邦学习。联邦学习自2016年由谷歌首次提出，主要是针对C端，以横向联邦学习为主。2018年，以杨强教授领衔的微众银行AI团队提出纵向联邦学习的方向，以面向B端为特征，国内联邦学习正式拉开产业化大幕。

2016年以来，隐私计算在全球范围内的蓬勃发展和越来越密集的应用场景落地，也正是其第三代技术——联邦学习被纳入“隐私计算的技术成熟度曲线-2021”的大背景。值得注意的是，这不是联邦学习第一次进入Gartner曲线，在2020年度“数据科学和机器学习”技术成熟度曲线中，“联邦机器学习”就已被纳入其中，联邦学习作为近年来兴起的新技术方向正在越来越多地受到关注。

Gartner最新预测，隐私计算行业未来3年内在全球将突破150亿美元

根据“隐私计算的技术成熟度曲线-2021”预测，2023年底之前，全球80%以上的公司将面临至少一项以隐私为重点的数据保护法规；到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元（千亿级人民币）以上。到2025年，60%的大型组织将在分析、商业智能或云计算中使用一种或多种隐私增强的计算技术。

多种隐私增强技术，或者说多方精确隐私计算，是目前各国正在发力突破的下一代技术要点。根据杨强在公开采访中的介绍，这一研究目前尚无完备的安全理论证明，在大规模应用中，联邦学习依然占据主导地位且已进入相对成熟和完备的阶段。事实上，截至2021年，在国内，联邦学习已经在金融、医疗、精准营销等多个场景中得以应用和普及。

根据本次Gartner预测内容，在2021-2025年这一周期中，“联邦学习”将发挥主流作用，引导该领域的商业化大潮。

隐私计算的“安全内核”——联邦学习完成从技术到产业的“转身”

数据安全和隐私保护日益受到重视是隐私计算能够实现快速落地，形成规模化产业的先决条件。联邦学习对于保护隐私安全和防范隐私风险起到了强有力作用。“隐私计算的技术成熟度曲线-2021”中提示，隐私风险主要集中在事件发生后的财务风险、消费者信任度下降和品牌损害。

纳入本次曲线的联邦学习，恰好契合了新数字时代规避隐私风险的需求，至少起到了如下几个关键的技术支撑：实现或加强对个人数据使用的控制；减轻数据滥用的风险；为业务流程中的决策点提供选项，从而减少风险；改善客户体验等。

作为评估全球新兴技术成熟度发展态势的权威评价体系，Gartner曲线有着深远影响。通过年度曲线报告，可以对全球某一科技领域的动态进行全面、直观的了解。在国内，微众银行的开源联邦学习框架FATE，从最初让企业和机构在保护数据隐私的前提下实现协作，到稳步迭代之后，可以实现公有云和私有云的全生态应用，已经形成较为成熟的理论和产业成果。此外还有平安科技“蜂巢”、百度开源联邦学习框架PaddleFL、京东数科联邦学习平台Fedlearn等，这些平台既有开源式又有自研式，展现出联邦学习多元化的研究优势和生命力；从应用范围来看，涵盖了金融、医疗、智慧城市等领域，并逐步向更广范围延展。