自年初暴发疫情“黑天鹅”事件以来，加大对中小微企业的反对力度，始终是我国金融零碎反对实体经济复原倒退的重要着力点。17 日召开的国务院常务会议要求，进一步落实金融反对实体经济的政策措施，助力市场主体纾困倒退。
在这一背景下，科技企业积极响应金融反对政策号召，针对中小微企业融资难、慢、贵问题纷纷献计献策，以腾讯平安灵鲲推出基于联邦学习技术的金融普惠计划，致力于优化中小微企业贷款体验。
相较于大中型企业，规模小和不足抵押保障是中小微企业融资难的次要起因。据《全国工商联：2019-2020 小微企业融资情况报告》数据显示，在中小企业中，44.6% 的中小微经营者认为融资艰难的起因是抵押担保有余，39.8% 认为是企业规模小。融资难、慢、贵无疑成中小微企业反映和呼声最为强烈的问题之一。
去年以来，国家加大对普惠金融的政策反对力度，通过定向降准、对金融机构小微企业贷款利息收入免征增值税等，从体制机制上推动了商业银行敢贷、愿贷、能贷。往年一季度，税务部门曾经向银行推送了 600 多万户重点帮扶的企业名单，帮助银行进行被动对接、精准放贷，升高上下游中小微企业资金压力和融资老本。
金融科技在推动普惠金融的过程中施展着重要作用，但同样也面临数据孤岛景象与数据隐衷爱护问题等诸多妨碍。针对这一问题，谷歌科学家 H.Brendan McMahan 早在 2016 年提出“联邦学习”概念。在去中心化机器学习的过程中，联邦学习可能保障每个客户的隐衷数据不出本地，从而升高了传统中心化机器学习带来的隐衷泄露危险和因数据泄露带来的相应老本。
作为国内最早提倡“联邦学习”的企业之一，腾讯平安联邦学习应用服务通过低成本疾速迭代的联结建模服务，可能在爱护所有参与方隐衷的同时，无效开释出各方大数据生产力，既满足了银行理论治理需要，又帮忙中小微企业从金融机构取得便捷高效的普惠金融服务。
与传统的联结建模相比，腾讯平安灵鲲联邦学习在数据隐衷爱护、建模效率、模型增益方面都具备显著劣势。以灵鲲与某国有银行的单干为例，在各自数据不出本地的状况下，联邦学习与通过传统形式进行联结建模的成果基本一致，具备无损性。此外在与某互金平台的单干中，联邦学习建模比客户仅用自有数据建模模型的辨别能力晋升了 30% 左右。
8 月 6 日，央行颁布了北京金融科技翻新监管第二批 11 个试点名单，利用了腾讯平安灵鲲联邦学习的「多方数据学习“政融通”在线融资我的项目」胜利入选，成为全国首个基于联邦学习的普惠金融试点利用，助力小微企业解决资金难题，更好地助力实体经济倒退。
以后，以大数据、云计算、人工智能等前沿新兴技术与传统金融相遇，科技与金融相互浸透，业务与利用场景渐次重构，银行的数字化转型之路也在大步向前。置信在各方共同努力之下，将来中小微企业肯定可能取得更多反对、实现更好的良性倒退。