2-3 联邦学习在电信运营商行业中的应用与实践 - 杨爱东

电信行业的联邦学习应用和实践

联邦学习在电信行业中的应用需求

• 政策与市场驱动：数据隐私保护政策法规逐步深入，如《数据安全法》、《个人信息保护法》等，推动数据要素市场化改革，为联邦学习提供市场机遇。电信行业面临数据孤岛效应，数据碎片化问题严重。
• 电信行业数据价值：电信行业数据具备全面性、多维性、连续性、完整性等特点，可通过交叉关联创造新数据和新价值，在公共管理、交通旅游、安全监控等领域提供数据共享服务。
• 数据应用安全手段：电信行业利用“四法二原则”保障数据应用安全，包括基于API或集成租户环境的引入联邦学习与建模，数据采集、存储、使用的安全管控流程，以及数据不出库、合作建模等原则。
• 联邦学习关键技术：
  • 横向联邦学习：按样本分割，数据维度相同，本地训练，上传加密模型，服务器端整合，下载模型更新。
  • 纵向联邦学习：按特征分割，数据特征不同，本地训练，上传加密模型，服务器端整合，下载模型更新。
  • 联邦迁移学习：样本零重叠，解决数据持有者特征不重合问题，提升模型性能。
  • 安全求交：保护双方数据不泄漏，仅获取交集部分用户的计算结果，用于判断用户购买意愿和风险承受能力。
  • 隐私信息检索：基于不经意传输技术，保证查询用户隐私信息不被泄漏，完成查询。

电信行业的联邦学习应用案例

• 应用场景：主要集中在内部业务改善、外部数据应用、网络数据分析三个方面。
• 亚信科技联邦学习平台：提供一站式可视化开发流程，降低联邦学习模型开发门槛，易部署、简运维，保障隐私和数据安全，深耕电信+业务场景。
• 案例：
  • 某通信运营商集团隐私计算平台：实现多方计算、隐匿查询、安全求交、联邦学习等功能，支持多厂家异构算法集成，数据可信上链。
  • “运营商+银行”精准营销：通过联邦学习建立模型，平衡放贷风险，精准匹配金融产品，提升居民贷款业务体验。
  • “运营商+医疗”智能推荐：打造联邦学习模型，实现运营商和医疗本地化部署联调，应用于医疗预约挂号推荐场景。
  • 基于NWDAF网元的客户体验管理：量化评估用户上网体验评分，客户满意度显著提升。
  • “运营商+公安”电信反欺诈：建立电信欺诈的联邦学习识别模型，提高诈骗识别准确率，保护人们财产安全。

电信行业联邦学习标准化进展

• 国际标准：亚信科技和中国移动建议的5G核心网元NWDAF的新型联邦学习技术标准，已被3GPP采纳。
• 标准化组织和工作：亚信科技参与多个标准化组织和工作，包括3GPP、IEEE、ITU-T等，推动联邦学习标准化进程。
• 信通院可信隐私计算评测：亚信科技联邦学习平台通过中国信通院可信隐私计算评测，在资源调度管理能力、数据处理能力、算法实现、应用效果和效能、平台安全性等方面全面达到标准和要求。