“数字中国”建设成为开展经济活动的重要引擎之一。数字金融是“数字中国”建设的重要组成部分，因此将数字资产高度利用是商业银行全面对接数字经济时代的全新要求。商业银行深化大数据治理工作已势在必行，只有做好大数据治理工作，才能开展更为精准的客户营销，风险管理、运营优化等，实现从数据向价值的升华，真正提升经营管理水平和市场竞争能力。

大数据在应用期间暴露出来的问题愈发凸显。首先的难题是数据融通有障碍。银行内来自各个部门、各个渠道的数据口径不规范、标准不统一，总的来说由于数据统筹不够所以数据质量堪忧，又导致数据难以融通。第二、数据共享变困难。公共数据共享开放的制度规章和政策措施还不健全，限制数据有序安全流动的体制机制障碍仍然存在，信息孤岛、数据壁垒问题突出，银行内部以及银行整个行业间的数据共享程度都不理想。第三，就是数据安全，个人隐私、数据存在着被非法滥采滥用甚至是违法交易用于欺诈。

在国内，以百融云创为代表的人工智能和大数据应用企业正积极投入研发以达到维护金融数据的目的。百融云创的联邦学习这一新式算法的研发，可实现各个银行自有数据不出本地，通过加密机制下的参数交换方式，在不违反数据法规隐私的情况下，建立一个虚拟的共有模型，最终通过联合建模提升模型的效果。

要保证内部客户数据的安全性防止数据泄露、增强客户对数据的信任，在进行数据补充时能确保数据的合理合规及安全。百融云创运用联邦机器学习建立的模型，一方面可以实现数据隔离，参与各方的数据不会泄露到外部，满足用户隐私保护和数据安全的需求；另一方面，通过联邦学习能够保证模型质量无损，不会出现负迁移，保证联邦模型比割裂的独立模型效果好。通过利用联邦学习能够帮助金融机构同时实现补充多方数据和保护数据隐私、企业核心价值的效果，助力数据流动，推动人工智能的进一步发展。

在此基础上，百融云创综合运用隐私集合求交集、联邦学习等算法，以密码学领域的重要理论和技术为依据展开拓展，结合大数据具体应用场景，搭建了适用于多个场景的安全多方计算平台Indra，促进安全多方计算、机器学习等理论研究的落地。同时，以区块链技术为辅，实现数据确权和数据价值流转目标，为数据信息安全保驾护航，为合作方、客户之间提供一种安全、高效的数据合作模式。