9月3日，在2022世界人工智能大會(WAIC 2022)“數據要素流通技術前沿探索論壇”期間，清華大學深圳國際研究生院知識工程研究中心、北京智譜華章科技有限公司、開放群島開源社區聯合發布了《2022聯邦學習全球研究與應用趨勢報告》。清華大學計算機系教授、博士生導師、清華大學人工智能研究院知識智能中心主任李涓子以現場連線的方式對報告進行了解讀，隨后，與中國人工智能學會(CAAI)榮譽副理事長、香港科技大學計算機與工程系講座教授、前系主任楊強及清華大學計算機系教授、副系主任唐杰展開圓桌討論，深度探討了全球聯邦學習熱點議題。
聯邦學習2016年被提出以來，從最初在通信終端上“保護用戶隱私”的嘗試，到目前在泛行業中的“安全護航”，已成為最受關注的隱私計算技術之一。2022年，聯邦學習已全面進入2.0時代，技術正在更加安全、高效、廣泛地運用于產業端。
“中美雙雄”引領全球聯邦學習發展，算法模型與安全隱私技術是研究重點
該報告從全球角度洞察聯邦學習領域的科研論文發表、專利申請、學者地圖與畫像、主流框架與行業應用的進展情況，以及技術發展趨勢與前景。
據李涓子介紹，本報告的一大亮點是建立了聯邦學習知識樹，圍繞知識樹中的相關知識節點，從技術研究、框架和系統以及行業應用對聯邦學習的研究和應用現狀進行了綜述梳理，在這個基礎上，從不同的方面對聯邦學習的發展趨勢進行了預測。從論文、專利等角度對現在的研究熱點和研究者以及相關的開源框架進行了分析。
報告顯示，從論文發布及“高被引用論文”數量、全球專利受理量及開源框架熱度等幾個方面來看，“中美雙雄”正在引領全球聯邦學習發展。
中國和美國的聯邦學習論文發布量遙遙領先于其他國家。高被引論文之中有六成以上是來自中美兩國，中美兩國論文合作數量在全球范圍也是最多；聯邦學習全球高被引論文領先的機構依次是谷歌、卡內基·梅隆大學、北京郵電大學及微眾銀行。
而專利受理數量方面，中國則是更為突出。全球專利受理數量以中國地區最多，約占全球受理總量的六成，專利申請數量前三名機構全部是中國機構。
聯邦學習的主流開源框架則主要來自中美，其中 OpenMined 推出的 Pysyft、微眾銀行的 FATE 和谷歌的 TFF 框架的熱度居于全球前三位。
通過大量案例梳理，報告指出，未來聯邦學習研究趨勢將更多與算法模型和安全隱私技術相關。報告顯示，目前聯邦學習研究熱點主要聚焦在機器學習方法、模型訓練、隱私保護三方面；未來幾年研究趨勢將更多涉及算法模型和安全隱私技術，如數據隱私、深度學習、差分隱私、邊緣計算、物聯網、云計算、移動設備、同態加密、優化問題、溝通效率等。行業應用越來越成熟，應用研究方向呈現出更多與物聯網、區塊鏈、車輛交互、5G/6G等技術融合的態勢。
技術突破與產業融合相伴相生，是聯邦學習的顯著特征
經過多年發展，全球聯邦學習勾勒出了怎樣的人才畫像？中外隱私計算、聯邦學習的研究和應用方面有何異同？在物聯網和邊緣計算的應用中如何最大化保護數據及應用數據？算法模型和安全隱私在物聯網和邊緣計算中的融合趨勢是什么？對未來的技術融合有哪些設想？
以報告為切入，李涓子、楊強、唐杰三位教授圍繞如上聯邦學習全球熱點話題展開深度討論，為業界呈現了一場重量級“聯邦學習尖端對話”。
楊強介紹說，“聯邦學習 近幾年進展非常迅猛，（論文）從2018年每年二三十篇，到現在上千篇，發展速度非常快。中外研究側重確實是有區別的，比如美國的研究大部分側重于橫向聯邦學習。中國更注重縱向和異構聯邦學習。”
楊強進一步解釋道，橫向聯邦學習以云計算為中心，有一到多個服務器，面對的是眾多終端設備，需要一個全局的模型優化，并在這個過程當中保證數據不出本地、數據不出庫、模型得到保護等；而異構聯邦學習則強調當數據分布不一樣的情況下，結合機器學習來實現“數據不動模型動，數據可用不可見”。他強調，既要保障效率和效果提升，又要保證安全，這是中外研究者的一致目標。
唐杰認為，在研究算法、加密方法、共享機制和切分及聯邦學習的方法論上，全球都有一些共通之處。而在中國，有其鮮明特色，即國家層面的支持、學術界和產業界的高度融合。他表示，以開源平臺來看，中國的聯邦學習生態處于世界領先水平，頂層的引領、學術界的核心研究能力和產業界的技術、數據能力整合程度非常高。從長遠來看，國內的數據規模更大，對于聯邦學習的需求更大。“生態化發展思路加上更大的數據市場”，從這個角度來看，會促進聯邦學習未來在國內的快速發展。
聯邦學習未來趨勢：技術融合與生態繁榮
關于未來技術融合，楊強表示，物聯網和聯邦學習的融合新趨勢非常明顯，國內的初始爆發點在金融場景中，正在快速擴展到邊緣計算。邊緣計算在工業上應用非常多，大家熟知的無人車、智能家電、穿戴式醫療都離不開邊緣計算，邊緣計算也是未來計算的范式。而從一個中心的大計算范式，到多個計算中心的協同計算過程中，如何達到既高效又可靠安全的效果？聯邦學習就自然而然被提出，這也說明了聯邦學習已經在向其他產業領域快速滲透的趨勢。
關于共享的下一步，唐杰分享了最新的思考：“現在熱度比較大的是物聯網和邊緣計算。隨著未來生態發展、市場需求發展，我個人認為爆發點在云上，在各個互相不同的云，以及在一個云上不同機構之間的數據共享和計算。隨著聯邦學習聯盟的發展，我相信在未來還有可能從單純的數據共享變成模型共享。比如有可能每個機構做模型計算，最后分享出來的是計算出來的中間結果或者最終結果，這樣變成模型聯邦的大平臺。”
2018年以來，以在金融場景中的實踐為發端，聯邦學習產業化進程加快。廣度迅速延展至醫療、智慧城市、自動駕駛等大行業或產業中，深度演進至與物聯網、區塊鏈、5G/6G 等技術融合。在越來越多的場景中，聯邦學習已然不是備選項，而是必選項。
通過“建立并豐富聯邦學習生態”來實現和推動技術成果的市場化、商業化已成為業界共識。而開源平臺、技術標準、行業應用等多方面的協同發展共同支撐起技術生態的繁榮。截至目前，聯邦學習領域已經由企業或行業聯盟協會發起并發布了多個國際標準和國家級團體規范；FATE、開放群島（Open Islands）等開源社區在促進全國性資源開放共享、推動數據要素流通方面已取得了初步成果。隨著更多行業的更多企業和機構加入和布局聯邦學習技術的應用，聯邦學習生態逐漸從當前的跨地域、跨平臺互聯互通向開放、通用的方向進發。
在全球大數據時代，聯邦學習正成為新型的“技術基礎設施”，有望成為下一代人工智能協同算法，隱私計算和協作網絡的基礎，使得數據在合法合規、安全高效邊界內，實現真正的價值流動。
