数据隐私问题一直是人们所关心的焦点问题。相比于其他行业，金融领域对数据的管控更加严格，对数据隐私问题更加看重。

联邦学习（Federated Learning），是一种分布式的机器学习范式，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。隐私是联邦学习的基本属性之一，因此联邦学习在金融领域受到了很大的重视。

为了保证数据的安全，联邦学习的模型需要在训练中进行同态计算和密文传输，对算力和网络都有着严苛的要求。如何提高同态计算的运算和密文传输的效率？智东西公开课推出AI+金融公开课NVIDIA&微众银行联合专场。4月23日晚7点，微众银行人工智能算法高级工程师黄启军，和瀚海星云科技有限公司技术研发副总裁胡水海将联合开讲，为大家讲解联邦学习在金融领域中的应用。

本次课程中，黄启军老师将从联邦学习中的隐私保护问题，以及其在实际应用中的挑战两个角度进行分析，全面解析联邦学习在金融领域中的应用和挑战。胡水海老师将会着重分析同态运算和密文传输的问题，并就如何提高同态计算和密文传输的效率，进行相应的方案解析。大家敬请期待。