共计 1290 个字符，预计需要花费 4 分钟才能阅读完成。
煊赫一时的“联邦学习”技术正在从概念逐渐转变为各行各业数字化转型的底层技术撑持。
近日，第五届 CCF-GAIR 寰球人工智能与机器人峰会上，腾讯平安天御凭借其在信贷风控场景的落地实际，荣获首个 CCF-GAIR“联邦学习利用奖”，标记着腾讯平安在帮银行解决好数字化转型危险的实际与摸索备受行业必定与认可。
随同着金融市场的减速凋谢与需要延展，传统线下信贷业务效率低、危险高、迭代难、扩张慢等短板日益凸显。在云计算、大数据、AI、物联网等新兴技术的推动下，整个金融信贷产业正逐渐放慢向无接触信贷转型的迭代步调。而面对无接触信贷体现出的大流量、高可触达等特点，风控能力成为产业互联网时代金融业务平安发展的相对外围。
相较线下业务，无接触信贷的客群多样，并且易受市场稳定影响。现有风控的人工模式（1.0），信贷工厂模式（2.0），甚至基于通用评分的大数据风控模式（3.0），都只能做到部分的优化，无奈在整个风控链条对新客群或新变动进行迭代调整。而“联邦学习”这一新兴 AI 根底技术，因能在多参与方或多计算结点之间实现高效机器学习而成为金融行业买通信贷风控“大循环”，实现对差别客户定制化，对市场变动自适应的动静危险管控，将信贷风控带到 4.0 时代。
基于金融信贷行业致力摸索如何使用联邦学习突破数据孤岛、实现多方数据加密，以助力本身业务倒退的新趋势和新需要，腾讯平安天御踊跃与金融机构开展了联结建模的实际单干。
作为针对个性场景的定制化联结建模模型，腾讯联邦学习模型与通用模型在性能上并无差别，却实现了比通用模型更佳的 KS 成果。在与包含银行、新金融、头部消金在内的十余家客户的单干实际中都实现了 30%-40% 的 KS 晋升。
联合在信贷风控方面的实践经验与摸索，腾讯平安天御还基于联邦学习技术打造出了一套贯通预测、响应、决策和监控的继续动静自适应危险管控体系，即天御·星云信贷风控系统。该零碎能为银行等金融机构提供联邦模型、专家征询、业务零碎和经营等服务，帮忙金融客户在坏账率不变的状况下，实现风控通过率由 20% 到 30% 的晋升，可能无力晋升金融机构的信贷盈利能力，为产业转型降级提供助力，推动信贷风控开启 4.0 时代。
在大会上，腾讯平安天御金融风控负责人李超对于利用联邦学习实现无接触信贷的自适应风险管理进行了分享。
腾讯平安天御基于联邦学习技术帮助某银行实现了线上信贷业务零碎的建设，在“数据不出域”的前提下联结构建反欺诈模型、画像模型，模型效果显著晋升。在丰盛银行的大数据信贷风控能力同时实现差异化定价，既满足了银行理论治理需要，资金又失去高效应用。
除信贷风控外，腾讯平安天御金融团队还基于其在金融行业的摸索实际，继续为金融行业客户输入反欺诈、风控系统搭建与经营、风控征询以及一站式全面风控解决方案等能力和服务，并积极参与牵头执行及正式立项多项国家标准和国际标准，旨在为金融行业的数字化转型倒退提供定制化的平安撑持。
目前，腾讯平安天御已成为 国内惟一入选的 Gartner 银行级在线反欺诈举荐厂商。将来，腾讯平安天御将持续联动生态搭档力量，延展包含联邦学习技术在内的金融风控平安能力的“触角”，构筑金融平安新生态。
