“同盾知识联邦四大革新要素，为电力公司数据赋能创造理想土壤”

电力公司以前流传的直接整合多维数据源进行中心化建模的建模方法，由于该电力+大数据处理方案面临着巨大的挑战，难以满足日益苛刻的数据安全和合规性要求。 如何处理大数据流通过程中的痛点、难点已成为电力领域和科技公司面临的考验。

发现该盾牌科技知识联邦安全保障的多边应用方案有四个创新要素:向业务各方面扩展、知识联邦理论创新、安全保障交换协议创新、联邦基础通信框架创新。

在各方面业务拓展的效果上，该盾不仅可以提供支撑联邦学习平台的基础组件，即flex协议和联邦通信，还可以提供通用功能和先进的联邦应用算法。 另外，与电力行业相比，基于其电力大数据，通过知识联邦平台打破和公开数据、三方数据之间的数据孤岛，在实现公司数据聚合内插件、领域数据融通外附加值和社会数据互联共增产统一的基础上，

基于南网大数据的知识联邦将在南网业务的各个方面发挥力量

在知识联邦理论创新方面，目前的联邦学习技术往往只关注联邦训练和预测，同盾知识联邦突破了国际初级联邦学习的技术局限，形成了多层次、统一的理论框架。 它支持安全多方搜索、安全多方计算、安全多方学习、安全多方推理的统一框架，为构建安全知识融合、管理、采用的生态系统提供设计指南和标准。

在安全交换协议的创新中，联邦数据安全交换( flex )协议封装了数据安全交换的实现，定义了联邦算法和相关步骤的接口，即参数的输入和输出。 在选择加密算法之前，flex中的协议已经进行了很多实验验证，可以比较有效地支持联邦算法的实施。 只有遵守这些承诺，参与者才能安全地加入联邦，无需担心数据隐私的泄露风险，满足数据合规性要求。

最后，在联邦基础通信框架的创新中，为了提高联邦效率，该盾设计了轻量级的联邦通信框架ionic bond。 该框架支持联邦环境下的点对点通信和域通信等通信模式，具有极高的互联网并发性，并且可以一次传输较大的数据，而不受硬盘读写性能的影响。 与普通的基于eggroll的通信框架相比，本项目的ionic bond部署简单，开箱即可使用，适合集装箱化、k8s部署。

屏蔽技术可以通过构建联邦学习的数据共享平台，实时获取专业数据，实现基于安全电力数据的资产运营业务闭环，形成数据驱动业务的数据价值利用模型。

对此，该盾科技人工智能研究院深度学习首席专家李宏宇博士表示，该盾知识联邦及其平台化产品作为ai3.0重要的技术基础和必由之路，要在技术层面完善融入南方电网和其他电力公司的整体框架，支撑联邦平台的构建 可以在数据层面整合内部和外部的数据资源，形成共同共享的联邦生态系统在业务层面上打破部门、分子企业、生态系统玩家的数据壁垒，为公司的数据营造理想的土壤！

本文：《“同盾知识联邦四大革新要素，为电力公司数据赋能创造理想土壤”》