共享学习：蚂蚁金服提出全新数据孤岛解决方案(14)_：共享学习：蚂蚁金服提出全新数据孤岛

联邦学习只解决数据不出域的情况，这就限制了其可以使用的技术（只有严格的 MPC 算法才符合这个要求），而共享学习目前基于 TEE 的集中式共享学习技术，是联邦学习没有涉及的；

联邦学习讲究的是参与各方的「身份和地位」的相同，所以叫联邦；而共享学习则不强调各共享方的地位对等，在很多场景下，不同的参与方是拥有不同的角色的。

因此无论从技术范围还是应用场景上，联邦学习都比共享学习的范围要小。

未来展望

让数据孤岛在安全环境下进行连接、合作、共创、赋能，是蚂蚁金服共享机器学习的核心使命。

共享机器学习作为一个安全与 AI 的交叉学科，正在越来越受到关注，尤其是在金融行业，有着广阔的应用空间。但是，这个领域的各项技术，也远未到成熟的阶段。我们团队经过两年的摸索，也只是取得了阶段性的一些成果，在算法的计算性能以及支持算法的多样性等各个方面，还有一段路要走。

9 月 27 日杭州云栖大会，蚂蚁金服将向外界首次分享共享学习的理念和实践，欢迎届时关注。后续我们也会分享更多共享学习方面的研究进展及实践经验，欢迎业界同仁交流探讨，共同探索更多更强的数据孤岛解决方案，推进数据共享下的机器学习在更多场景下落地。

共享学习：蚂蚁金服提出全新数据孤岛解决方案(14)