第六批“可信隱私計算評測”結果發佈，吉利數科位列其中

7月13日，工信部中國信通院、隱私計算聯盟主辦的2022隱私計算大會在京舉行。大會正式發佈了信通院第六批“可信隱私計算評測”結果，吉利數科、螞蟻鏈、銀聯、京東科技等34家頭部企業的相關隱私計算平台共同獲頒“可信隱私計算”評測證書。

中國信通院第六批“可信隱私計算評測”評審會於7月1日舉行，吉利數科聯邦學習平台參與了“聯邦學習 基礎能力專項評測”，接受對平台的調度管理能力，數據處理能力，算法實現，效果及性能以及安全性、穩定性、可擴展性的嚴格測試。經過線上測評、產品資料審核、測試報告審核、答辯、質詢與答疑、

集中評議等多個環節後，吉利數科聯邦學習平台順利通過評測。

中國信通院“可信隱私計算評測”體系自 2018 年起逐步構建，是目前國內隱私計算領域最早、最全、廣受行業認可的評測體系。中國信通院有關負責人介紹，經過4年的發展，“可信隱私計算評測”已成為隱私計算領域權威的第三方評測品牌，為隱私計算行業的發展做出了重要貢獻，成為供給側產品研發和需求側採購選型的風向標。

隨着數據成為新型生產要素，數據交易、協同模式不斷更新，對數據安全提出了更高要求。隱私計算是由兩方或者多方聯合計算的技術系統，參與方在不泄露各自數據的前提下，通過協作，對數據進行聯合學習和聯合分析，並保證計算結果可被驗證。隱私計算兼顧數據應用和安全，逐漸廣泛應用在企業、政府等主體的豐富場景中。

與此同時，基於聯邦學習的隱私計算平台逐漸成為主流。聯邦學習（Federated Learning）本質是一種分佈式機器學習框架，可以在保障數據隱私安全及合法合規的基礎上，實現數據共享、共同建模，讓數據“可用不可見”，破解數據孤島瓶頸。

吉利數科自主研發的聯邦學習平台基於機器學習、深度學習算法和加密協議開發，數據無需離開本地，將模型下發到本地服務器進行訓練，以很小的數據交換量對模型進行迭代和更新，最終輸出聯合訓練後的算法模型，高效實現和完成多方的聯合建模與分析。

聯邦學習可分為橫向和縱向兩種。橫向聯邦學習主要針對相同特徵的樣本參與方實現聯合建模，適用於業務相似的場景；縱向聯邦學習主要針對於樣本用户重合度高、特徵互補的數據，適用於跨機構數據聯合的場景。

以汽車行業為例，大型汽車集團往往擁有多個汽車品牌，品牌間掌握的數據維度類似，但用户重疊度不高，利用橫向聯邦學習，可以在確保數據隱私安全的前提下有效互通品牌數據，幫助管理層高效決策，優化資源配置及投放。吉利數科正根據吉利豐富的數字資源和應用場景，積極開發和打造聯邦學習在汽車行業場景落地。

吉利數科隱私計算團隊負責人表示，順利通過可信隱私計算評測，證明吉利數科在隱私計算領域的技術水平已躋身行業前列。吉利數科將持續迭代和完善包含聯邦學習平台在內的隱私計算產品及解決方案，推動在更多應用場景落地，支持更多企業激活數據要素，加速數字化轉型。