中国移动：2021年联邦学习技术发展与应用白皮书（19页）.pdf

1、联邦学习技术主要用于企业运营和发展用户。美莱网联合微众银行，将联邦学习引入到生鲜零售中，建立联邦学习预测模型，优化整体品类规划，从而降低运营成本，提升用户履约率，还推出了“商机洞察系统”，助力更高效更精准的数字化经营决策。另外，字节跳动将联邦学习应用到广告投放业务中，可以保护合作伙伴广告主拥有的用户购买历史等敏感信息，同时提高用户的转化率。某车企与通信运营商合作的用户精准分类应用案例。车企拥有用户数据，基于用户授权，录入用户到店/接触信息，并以此为依据建立用户层级分类模型，并安排销售人员跟进。在现有的用户模型主要依靠自身有限的历史数据，导致客户分层模型精度不高，优先级判断效率低。车企通过结合自

2、身用户历史数据和运营商相关用户的数据，通过联邦学习技术建立联合用户分层模型，以提高模型的预测精度。该体系在不交换用户原始数据和标签的前提下，建立高质量的机器学习模型，数据维度的丰富提高了分层模型的预测精度，为车企提供基于运营商用户数据的精准用户分层及获客能力，并实现对用户核心数据和运营商数据的双向隐私保护。业务上线 4 个月已为车企多个区域经销商体系基于隐私数据挖掘和成功触达购车用户 3000 余组，平均线索有效率较传统方案提升 17.7%，通过筛选高价值用户线索，提高企业运营效率。联邦学习技术主要用于医疗成像和疾病预测模型。例如英伟达联合伦敦国王学院推出联邦学习系统，建立医疗成像 AI 神经

3、网络，开发了对脑瘤进行分割的技术，在保护病人隐私的前提下使数据在医院和研究者间共享;英特尔联手宾夕法尼亚大学采用基于联邦学习技术的 AI 识别脑肿瘤;此外，腾讯天衍实验室联合微众银行联合研发了医疗联邦学习框架，成功实现了在保护不同医院数据隐私下的疾病预测模型。物联网是基于互联网、传统电信网等信息传输渠道，让所有具备通信功能的独立物体实现互联互通的网络。基于联邦学习的物联网应用，可以在保护物联网节点数据隐私安全的前提下提升数据模型服务的敏捷性、实时性、准确性和智能化水平。例如智慧城市中的智慧路灯，通过联邦学习技术可以实现每个路灯的单独监控和单独控制，实现实时获取路灯状态、远程配置及控制路灯等场景。除此之外，海油共享设备、智能物流、智能农业、可穿戴设备等场景均可利用联邦学习技术。目前通信网络系统中，尤其是第五代移动通信系统，移动网络产生的数据量巨大，希望能够通过海量数据与联邦学习技术结合来优化网络系统，例如对网络站点的规划，识别高流量高价值的热点区域，指导网络部署与网络覆盖;网络智能化设计，5G 核心网络优化，网络资源的动态分配等;识别网络中存在的问题，快速精准的预测或解决网络故障。此外，可将联邦学习与边缘计算相结合，将数据留在终端边缘侧实体，搭载终端实时、动态、智能的边缘计算平台，实现多节点协同计算，比如在无人驾驶、增强现实、AI 智能监控等场景中。