本次大赛持续两个月零十一天，自开赛以来，共有178支队伍报名，总计659人参赛，涵盖了国内外众多名牌院校，同时也覆盖了从本科到博士的各个学历层次。大赛立足于金融科技前沿领域，分设人工智能和区块链两个赛道，是一个面向海内外所有高校学子的舞台，致力于推动国内外高校学生探索金融科技前沿领域的技术突破和应用创新。

挑战AI新方向 高校学子深耕联邦学习应用落地

人工智能赛道参赛高校及学子众多，经层层选拔，共有十支队伍入围决赛，在长达30个小时的马拉松式编程后，冠军由“404 not found团队”的“联邦微车险——基于横向联邦学习和5G技术的个性化车险定价方案”斩获。据了解，冠军队伍的两位成员分别来自北京大学和加州大学圣地亚哥分校，获奖作品基于联邦学习和5G技术，收集用户的驾驶习惯数据，建立车险模型，创建新型的车险定价方案。

此外，由武汉大学队员提交的PPNE、东北大学及悉尼大学队员提交的FATE数据平台（FDP）分别荣获亚军和季军，获奖方案分别为“银行交易网络联合”以及“数据权交易平台”，从实际金融场景出发，启发了对联邦学习进一步应用落地的思考。更重要的是，以高校学子为代表的青年一代对联邦学习技术创新的研究，正使得联邦学习生态越来越有活力。

联邦学习开源平台FATE助力AI价值实现

随着未来科技的发展，行业需要关注的业务类型越来越庞杂，需要掌握的前沿技术越来越艰深，对专业人才提出的要求越来越高，作为数字时代科技前沿领域的技术，联邦学习正是解决数据隐私和安全的关键性方案，联邦学习作为分布式的机器学习范式，可以有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模，能从技术上打破数据孤岛，实现AI协作。本次大赛要求参赛队伍基于联邦学习开源平台FATE设计一个联邦学习产品应用，也是旨在进一步推动数据安全在AI领域的应用落地。（FATE项目github地址：https://github.com/webankfintech/fate）

作为全球首个联邦学习的工业级开源框架，Federated AI Technology Enabler（FATE）提供了一个安全的计算框架以支持联邦学习算法。它实现了基于同态加密和多方计算的安全计算协议，并支持联邦学习架构与各种机器学习算法的安全计算，包括逻辑回归和梯度提升树等经典 ML 算法，也包括深度学习和迁移学习等前沿研究。

通过引导高校学子熟悉并使用优秀的工业级开源平台FATE，降低前沿技术的门槛，大赛希望在解决人才问题方面能为业界做一个良好的示范和探索，也希望能携手高校与学子，创造一个更加优秀，拓展性更强的开源生态。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。