这一年，数据隐私保护的监管进程，像被按下了快进键。
多项法案陆续出台，要求企业在数据应用过程中使用脱敏、加密等技术提高安全级。
在此环境下，隐私计算与联邦学习作为新一代人工智能技术，正在从数据问题的根源出发，构造AI金融的新基建。
数据，是人工智能时代的油田。只见其储藏丰富，人人欲采，却不见其步步生险。
冲不破的信息孤岛，无法保证的数据安全，像一颗颗暗藏的地雷，即将被引爆。
若不提前部署、着手改变，企业必然难以适应新的技术趋势与法律规范，错失新基建浪潮。
监管重压和急迫业务需求之下，隐私计算与联邦学习应运而生。
这两大新兴技术已然成为当前工业界和学术界最受关注的AI研究方向之一，各大金融机构和AI公司也已经着手布局，但被业内热议的疑问仍然存在：
透过技术表象，隐私计算与联邦学习的本质是什么？
它们能解决哪些主流AI方法不能解决的问题？
如何实现从学术研究到工程应用的过渡？
在哪些金融场景中的落地效果显著？
如何为金融机构快速部署全流程解决方案？
如何打造一支优秀的隐私计算与联邦学习团队？
年轻学者和工程师，是否应投身至该方向的研究中？
为解开这些疑问，香港人工智能与机器人学会（HKSAIR）于 5 -6月正式启动《AI金融公开课——隐私计算和联邦学习在金融领域的应用与机遇》，由HKSAIR理事长、微众银行首席人工智能官杨强教授领衔，共六位顶尖专家做客线上讲堂，围绕隐私计算和联邦学习的研究热点与商业应用展开最前沿的分享和讨论。
雷锋网作为独家合作媒体，也将对此次系列公开课进行全程报道。
课程观看地址：https://mooc.yanxishe.com/open/course/828
雷锋网
雷锋网
相关文章：
正在生成分享图...
周蕾