区块链解决方案：achain币交易所｜联邦学习与无第三方技术

近日，杨强教授在SDBD2020·算力在线论坛中指出，联邦学习不仅仅是技能，更是开源生态的建立。联邦学习在满意数据隐私、安全和监管要求的前提下，让人工智能体系能够更高效、准确地一起运用各自的数据。

开宗明义，本期算力隐私数据安全专栏特邀郭嘉，抛出3个问题，斗胆构想无第三方和组件化的联邦学习技能未来。这一年，有幸零距离接触数百家客户，我想以一种更直接的方法来说一说联邦学习是否能落地银行的问题。（《阿凡达2》会讲一个什么样的故事呢？十年磨一剑，敬请期待。）

联邦学习的第三方协调器莫非不是诟病吗？

问题二：进银行这样的组织，如果是敲命令行的产品，怎么可能压服领导？

问题三：组织采购了建模渠道乃至建模计划，是不是意味着自己的工程师成为鸡肋？

相比有第三方参加的计划，根据MPC无第三方参加的计划关于参加方的隐私数据的保护更彻底。根据MPC的核心思想，富数即将推出的Avatar2.0大版别将从底层的基本算子和简易函数的核算开端，完结无第三方的产品升级。这项技能能够在确保信息安全的前提下，让投研组织利用非公开数据资讯和信息，更好地发掘和预测股票的波动。

经过组件化的IDE，富数

问题一的答案：银行级客户很难接受有第三方的计划，因而富数完成了无第三方的联邦学习。

问题二的答案：联邦学习很难经过命令行产品来压服银行客户领导，因而图形界面更容易了解。

问题三的答案：让合作伙伴参加联邦学习渠道建设，将合适本身事务的算法组件开放给工程师，更合适。

郭嘉是富数科技的高级总监，担任隐私核算的解决计划与事务落地。

写在结尾，如果您对数据隐私、数据安全共享技能等范畴有独到观点共享，欢迎投稿！投稿邮箱：hehaohua3h@163.com。文章所载观点仅代表作者本人，不构成出资建议，敬请注意出资风险。

此时快讯

【纽约时报反对在审判前对SBF发出禁言令】金色财经报道，8月3日，《纽约时报》对FTX前首席执行官Sam Bankman-Fried施加的临时和未来可能的禁言令表示反对。《纽约时报》在一份法庭文件中表示，限制言论的法庭命令必须遵循法律标准。任何此类命令都必须保护公众第一修正案的权利。与对法律顾问的限制相比，对言论的限制，特别是对SBF等非法律专业人士的限制，应该受到更严格的审查。为此，该公司援引了两项法律规定。
《纽约时报》声称，只有在被告的权利受到威胁的情况下才允许实施限制，但事实似乎并非如此，因为SBF选择自愿分享信息。此外，《纽约时报》对政府检察官的声明提出了反对。
政府此前表示，被告SBF有权向媒体发表言论，但他只能为自己辩护。《纽约时报》声称，无论相关条款如何，这都“不是标准”。