隐私性跟可用性难以兼顾，让人工智能落入了鱼与熊掌不可兼得的尴尬境地。

当前，业界解决隐私泄露和数据滥用的数据共享技术路线主要有两条一条是基于硬件可信执行环境（TEE：Trusted Execution Environment）技术的可信计算，另一条是基于密码学的多方安全计算（MPC：Multi-party Computation）。

针对数据共享场景，包括联邦学习、隐私保护机器学习PPML在内的多个技术解决方案纷纷出炉。在这些方案中，蚂蚁金服提出了共享智能（又称：共享机器学习），结合TEE与MPC两条路线，同时结合蚂蚁自身业务场景特性，聚焦于金融行业的应用。

究竟共享智能与我们熟知的联邦学习有何不同？在共享智能落地金融、医疗等多个重要领域的过程中，蚂蚁金服又遇到过哪些挑战，留下了怎样的宝贵经验？

为此，雷锋网《AI金融评论》邀请到了蚂蚁金服集团共享智能部总经理周俊做客线上讲堂，详解蚂蚁金服共享智能的技术进展和落地实践。

这也是AI金融评论推出的《BATJ前沿技术公开课》第一期，后续将会有来自腾讯CSIG、京东数科和百度的三位顶尖技术专家陆续加盟。

嘉宾介绍

周俊，蚂蚁金服集团共享智能部总经理

先后参与过飞天（云操作系统）、MaxCompute（大数据处理平台）、Parameter Server（大规模机器学习平台）以及 PAI（通用机器学习平台）等几大分布式系统与算法平台的开发。在 NeurIPS、KDD等顶级人工智能会议（期刊）上发表论文数十篇，提交人工智能专利100余项，获浙江省科技进步一等奖1项。