最近，我和隐私计算干上了。-技术圈

△Hollis, 一个对Coding有着独特追求的人△

这是Hollis的第 381 篇原创分享

作者 l Hollis

来源 l Hollis（ID：hollischuang）

最近一段时间，我除了写业务代码之外，还整了个新鲜玩意，那就是参与搞了一下隐私计算相关的事情。

现在有空了，刚好总结一下。因为隐私计算可能对于很多工程开发朋友来说很陌生，所以，我这篇文章主要是给大家科普一下，让大家知道有这么个技术以及现在的主要方向。这里面不会有太多的算法内容和底层原理，相信大家应该都能看得懂。

随着移动互联网、云计算、物联网等信息技术的蓬勃发展，世界进入了数据爆炸的"大数据时代"。在各行各业，数据都发挥着至关重要的作用，越来越多的场景需要多方数据的流通和共享。如我们所在的金融部门，则需要借助外部金融数据，结合我们的场景业务数据进行联合建模，实现联合风控、数字营销、智能反诈、精准获客等。

所以，站在这个历史节点上，在数据合作、共享方面，横亘在我们面前的有几个重要的问题需要解决：

1、“数据孤岛“现象普遍存在；数据流通安全性风险高；

2、数据合规监管日趋严格；隐私泄露导致信任鸿沟；

其中，随着个人信息保护法在2021年11月的推出，监管问题更是我们亟待解决的。

但是近几年，随着电子商务法、数据安全法、《个人信息保护法》等一些列法律法规的推出，使得我们不得不重视个人隐私的问题。

虽然个人信息的保护越来越严格，但是，从很多的法规中我们可以解读出来，其实，大的形式上，官方还是比较支持我们合规的进行数据的利用和开发的。

那么，如何解决这些问题呢？

其实，从《个保法》中我们可以找到一些切入口，根据中对个人信息的定义是这样的：

以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息，不包括匿名化处理后的信息。

可见，如果我们能够对个人信息进行去标识化和匿名化处理，那么，就可以利用这些信息了。

所以，很多相关的技术也就诞生了，这些技术主要解决的就是通过数据可用不可见的方式帮助我们进行跨机构间的数据协同。这类技术，统称为隐私计算技术。

隐私保护计算经过很多年的发展，在具体的落地实现的技术上，主要有三个主流的方向：

1、基于密码学的多方安全计算（MPC）

2、基于可信硬件的可信执行环境（TEE）

3、基于混合技术方案的联邦学习（FL）

想要实现去标识化和匿名化，主要的方式就是让原始的用户数据无法被识别。

其中多方安全计算主要是基于密码学的方式，把数据进行加密处理，这样我们就可以使用加密后的数据进行算法建模了。

另外，可信执行环境是一种基于硬件的数据，大概就是把数据放到一个硬件中，只在这个硬件内部使用，外部无法直接读取。

还有一种技术那就是混合了多种方案的技术，那就是联邦学习。

其中联邦学习因为其不依赖硬件、可以解决复杂的算法建模问题等优势，虽然相比其他方案存在着一定的效率问题，但是随着技术的发展，如何突破性能瓶颈，达到实用性、安全性的平衡，并进一步提升安全性，这些问题终将被解决。所以，这项技术被认为是"人工智能的最后一公里"、"下一代人工智能协同算法和协作网络的基础"。

联邦学习

联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。

我们把每个参与共同建模的企业称为参与方，根据多参与方之间数据分布的不同，把联邦学习分为三类：横向联邦学习、纵向联邦学习和联邦迁移学习。

横向联邦学习的本质是样本的联合，适用于参与者间业态相同但触达客户不同，即特征重叠多，用户重叠少时的场景，比如不同地区的银行间，他们的业务相似（特征相似），但用户不同（样本不同）。主要解决样本不足的问题。

纵向联邦学习的本质是特征的联合，适用于用户重叠多，特征重叠少的场景，比如同一地区的商超和银行，他们触达的用户都为该地区的居民（样本相同），但业务不同（特征不同）。主要解决特征不足的问题。

因为我们这面主要是金融业务，隐私计算的应用场景是基于联邦学习和外部银行、机构等做联合风控，多头借贷等金融业务。所以我们基本上是想用我们具有的用户的电商数据、和外部机构具有的信贷数据、征信数据等进行纵向连邦学习。

纵向联邦学习的主要流程如下：

第一步：加密样本对齐。是在系统级做这件事，因此在企业感知层面不会暴露非交叉用户。第二步：对齐样本进行模型加密训练：step1：由第三方C向A和B发送公钥，用来加密需要传输的数据；step2：A和B分别计算和自己相关的特征中间结果，并加密交互，用来求得各自梯度和损失；step3：A和B分别计算各自加密后的梯度并添加掩码发送给C，同时B计算加密后的损失发送给C；step4：C解密梯度和损失后回传给A和B，A、B去除掩码并更新模型。

FATE 框架

因为目前关于联邦学习的技术，很多大厂都有在投入，其中阿里、蚂蚁、字节、腾讯等都很多成功的案例。

我们此次在进行联邦学习相关调研的时候，有不同的同事分别调研不同的框架。我这面主要负责基于开源的框架进行调研。

因为关于联邦学习，最重要的还是解决数据的安全性问题，目前看来，很多外部机构，对于开源的框架接受度更高一些。市面上也有很多联邦学习框架，如微众银行开源的FATE、字节开源的FedLearner、百度开源的PaddleFL等。其中 FATE 被使用的最广泛，被认为是联邦学习的样板项目。

FATE (Federated AI Technology Enabler) 是微众银行AI部门发起的开源项目，为联邦学习生态系统提供了可靠的安全计算框架。FATE项目使用多方安全计算 (MPC) 以及同态加密 (HE) 技术构建底层安全计算协议，以此支持不同种类的机器学习的安全计算，包括逻辑回归、基于树的算法、深度学习和迁移学习等。

FATE 有4种部署方式，分别是基于Docker-Compose的部署、Standalone部署、Native的集群部署、基于KubeFATE的部署。

基于Docker-Compose：快速体验一下FATE，跑的模型和数据在单台机器就够了，部署起来比较简单。
Standalone单机部署：只是想开发算法，而开发机器性能又不高。
基于KubeFATE：对FATE的使用需求因数据集和模型变大，需要扩容，并且里面有数据需要维护一个FATE集群，则考虑使用基于KubeFATE在Kubernetes集群的部署方案。
Native的集群部署：一般是在特殊原因下才会用，如内部无法部署Kubernetes，或者需要对FATE的部署进行自己的二次开发等。为了快速验证，我们此次部署主要是采用了基于Docker-Compose和基于KubeFATE两种部署方式。部署过程中还是遇到了很多的问题的。

关于这两种部署方式的部署过程以及一些问题的解决，不是本文的重点，我把他们单独放到我的博客中了，大家如果感兴趣可以去我的博客中阅读。

下面这张就是 FATE 的一个部署架构图：