隱私性跟可用性難以兼顧，讓人工智能落入了魚與熊掌不可兼得的尷尬境地。
當前，業(yè)界解決隱私泄露和數(shù)據(jù)濫用的數(shù)據(jù)共享技術(shù)路線主要有兩條一條是基于硬件可信執(zhí)行環(huán)境（TEE：Trusted Execution Environment）技術(shù)的可信計算，另一條是基于密碼學的多方安全計算（MPC：Multi-party Computation）。
針對數(shù)據(jù)共享場景，包括聯(lián)邦學習、隱私保護機器學習PPML在內(nèi)的多個技術(shù)解決方案紛紛出爐。在這些方案中，螞蟻金服提出了共享智能（又稱：共享機器學習），結(jié)合TEE與MPC兩條路線，同時結(jié)合螞蟻自身業(yè)務場景特性，聚焦于金融行業(yè)的應用。
究竟共享智能與我們熟知的聯(lián)邦學習有何不同？在共享智能落地金融、醫(yī)療等多個重要領(lǐng)域的過程中，螞蟻金服又遇到過哪些挑戰(zhàn)，留下了怎樣的寶貴經(jīng)驗？
為此，雷鋒網(wǎng)《AI金融評論》邀請到了螞蟻金服集團共享智能部總經(jīng)理周俊做客線上講堂，詳解螞蟻金服共享智能的技術(shù)進展和落地實踐。
這也是AI金融評論推出的《BATJ前沿技術(shù)公開課》第一期，后續(xù)將會有來自騰訊CSIG、京東數(shù)科和百度的三位頂尖技術(shù)專家陸續(xù)加盟。
嘉賓介紹
周俊，螞蟻金服集團共享智能部總經(jīng)理
先后參與過飛天（云操作系統(tǒng)）、MaxCompute（大數(shù)據(jù)處理平臺）、Parameter Server（大規(guī)模機器學習平臺）以及 PAI（通用機器學習平臺）等幾大分布式系統(tǒng)與算法平臺的開發(fā)。在 NeurIPS、KDD等頂級人工智能會議（期刊）上發(fā)表論文數(shù)十篇，提交人工智能專利100余項，獲浙江省科技進步一等獎1項。
