为了推动隐私计算的发展，字节跳动还于 2020 年初开源了自研的联邦学习平台 Fedlearner，并一直持续更新。
近日，中国信息通信研究院（以下简称「中国信通院」）公布了安全评估结果，字节跳动 Fedlearner 联邦学习平台（以下简称「字节跳动 Fedlearner」）成为顺利通过首批评估的平台之一。
联邦学习是一个机器学习框架，能有效帮助多家企业或机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。本次联邦学习安全评估专项于 2020 年 12 月启动，属于中国信通院「卓信大数据计划」一部分。该专项以联邦学习产品或方案为评估对象，帮助企业查找安全问题，提高联邦学习技术应用中的安全保护水平。
联邦学习安全评估涵盖了联邦学习流程中的数据管理、联邦对齐、特征处理、模型训练、模型评估、联邦预测 6 个阶段，包括联邦学习数据完整性保障、元数据发布安全、数据求交安全、统计量计算安全、联邦模型算法安全、交换安全等内容；同时，也评估了系统或平台层的授权认证、通信安全、存储安全、过程存证等数据安全能力。
字节跳动 Fedlearner 凭借在学术上前沿研究和实际场景落地应用的能力，顺利通过了中国信通院的第一期评估。
联邦学习能够有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模，挖掘数据价值。最近几年，联邦学习技术发展迅速，得到包括字节跳动在内的互联网公司、金融科技公司深入应用。
字节跳动 Fedlearner 已经在电商、金融、教育等行业多个落地场景实际应用，帮助合作方大幅提升商业价值。在学术上，因提出智能扰动方法，字节跳动联邦学习隐私保护研究论文被第三十四届 NeurIPS 2020 的联邦学习 Workshop 接收，论文作者也获邀于线上分享。
为了推动隐私计算的发展，字节跳动还于 2020 年初开源了自研的联邦学习平台 Fedlearner，并一直持续更新。
目前，字节跳动 Fedlearner 正积极在火山引擎上提供商业化服务，希望通过产品和解决方案的形式帮助更多的公司应用联邦学习，解决业务中的数据孤岛问题。
