隐私计算技术金融应用研究报告（154页）

行业报告下载 2022年04月20日 06:48 管理员

自然语言处理算法高度依赖于用户的本地数据，例如文本信息、文档及其标签、问题和选择的答案等，这些数据既可能位于个人设备上，也可能位于不同机构更大的数据仓库中。在真实的场景中，用户的自然语言数据是敏感的，可能包含隐私内容，很难训练出一个健壮的模型来造福用户。将联邦学习应用到自然语言处理领域中，有助于开发一些隐私保护、个性化的语言模型。最经典的自然语言处理结合隐私计算的例子是谷歌的利用移动设备用户数据进行的横向联邦学习，基于移动设备用户频繁键入的单词来学习词库外（Out-of-Vocabulary，OOV）单词。词库外单词是指不包含在用户移动设备的词库表中的词汇。词库表中缺少的单词无法通过键盘提示、自动更正或手势输入来预测。从单个用户的移动设备学习 OOV 单词来生成模型是不切实际的，因为每个用户的设备通常只会存储有限大小的词库表。收集所有用户的数据来训练 OOV 单词生成模型也是不可行的，但 OOV 单词通常包含用户的敏感内容。因此 2019 年，谷歌实现了首个产品级的联邦学习系统，主要侧重针对 C 端，在移动手机上运行的联邦平均算法和分析。联邦学习可以根据所有移动用户的数据，训练一个共享的 OOV 生成模型，并且不需要将敏感内容传输到中心服务器或云服务器上。

隐私计算还可以与 NLP 中各种流行的文本分类、序列标记、对话系统、seq2seq 生成和语言建模等任务结合。例如，目前落地最多的有：基于 FL 的键盘下一字预测；使用 Text-CNN 的句子级文本意图分类；使用来自多方的医疗数据对 Bert 进行预训练和微调，而无需将所有数据聚合到同一位置；将与联邦学习结合的方法来训练高质量的语言模型，这些模型可以优于在没有联邦学习的情况下训练的模型；结合联邦学习在医学上完成关系提取和医学名称实体识别方面等。深度神经网络模型是现代机器视觉的主流技术。支持深度神经网络模型的一个重要的因素是海量的高质量标注数据。而获得这些数据往往是成本高昂的。因为对数据的筛选和标注需要大量的人力和物力成本。在专业性高的领域（比如金融，医疗等领域）尤其如此。解决高质量标注数据难以获得的一个比较普遍的方案是数据共享。然而，由于用户隐私、监管风险、缺乏诱因等原因，许多企业并不愿与其他企业直接共享数据。联邦学习是替代数据共享，实现知识共享的一种新的学习范式。在联邦学习中各个参与方（移动设备，企业或机构）的自有数据不出本地，通过在加密机制下的参数（模型参数或计算中间结果）交换方式，各个参与方能够在不违反数据隐私的法律法规情况下，协同地建立一个联邦模型。目前，联邦学习已经在机器视觉领域中的多个场景落地。

隐私计算技术金融应用研究报告（154页）-第1张图片