序1

随着互联网的出现，世界变成了“地球村”。时空的“连接”促成了生产效率的提升和社会经济的发展。随着大数据和AI时代到来，联邦学习作为一种新形态的“连接”，促成了大数据资产的形成与流通，具有广阔的应用前景。

金融科技领域是现阶段联邦学习实现产业落地的主战场之一。除了在金融领域客户大数据应用和智能化服务迅猛发展，在数据领域隐私保护问题逐步凸显，也是联邦学习出现的关键因素。

光大科技有限公司植根于金融科技领域，于2018年就开始探索数据的加密共享。基于对联邦学习的“数据不动模型动，数据可用不可见”两大特点的深刻理解，以及在工程落地方面对联邦学习框架的软件化和灵活化、联邦学习模型的场景化和自主化、联邦数据资产的线上化和透明化的尝试，光大科技有限公司在联邦学习领域的研究逐步深入。

本书是光大科技有限公司对近年来探索工作的总结，基于金融科技领域的数据共享现状、数据合规要求，结合金融控股集团的现实需求，对联邦学习“能做什么、如何做、将要做什么”，描绘了清晰发展路径。同时，本书对联邦学习在前沿应用中诞生的新技术与新方法（涵盖推荐、营销、风控、数据要素流通等领域），做了创新性的论述，且有相关论文、专利甚至落地场景的支撑。

本书适合隐私保护计算研究者、大数据和人工智能方向的开发者及大数据相关应用人员阅读参考，尤其为金融科技赛道的从业者提供了指导。本书的作者为光大科技有限公司深耕大数据领域的专家团队。我很荣幸能为本书作序，愿大家共襄数据时代的盛举。

李璠
中国光大集团股份公司科技创新事业部总经理
光大科技有限公司党委书记、总经理