- 一方拥有特征，另一方拥有特征以及标签信息。原始数据不出域进行联合建模，构建出更准确的风控模型，用于金融风控等多个场景。
- 全自动化流程：安全样本对齐、联合特征选择和特征工程、联邦 LR 算法以及预测打分。
- 去中心的架构设计，更加安全、实用，支持多方联合和可视化操作。
相关云产品
Angel PowerFL 安全联合计算
基于腾讯自研的多数据源联合计算技术，提供安全、易用、稳定、高性能的联邦机器学习、联合数据分析解决方案，助力数据融合应用。
安全、高性能的联邦机器学习与联合数据分析解决方案，应用产品为腾讯云安全隐私计算。
功能特性
更安全的技术架构
独创的去中心化联邦协议安全可靠，合作双方只需要传递加密的参数，保护数据隐私。
轻松处理海量数据
基于腾讯开源 Angel 分布式机器学习框架，异步并发计算，轻松处理千亿级数据量。
功能完善简单易用
从特征工程到模型训练和服务全套组件，支持 LR/XGB/DNN 等多种模型，两方/多方/单向/非对称等多种联邦模式。
广泛的实践场景
已支持腾讯广告、推荐、金融、AI 等多领域场景，帮助业务提升数据协作效率，释放商业价值。
方案架构
Angel PowerFL 安全联合计算基于腾讯自研的多数据源联合计算技术，提供安全、易用、稳定、高性能的联邦机器学习与联合数据分析解决方案，助力数据融合应用，目前主要应用产品是腾讯云安全隐私计算。有着如下的优势：
- 全自动化流程：安全样本对齐、特征工程、联邦算法以及预测打分。
- 算法丰富：支持 LR、XGBoost、PCA、用户自定义神经网络模型（如 MLP、CNN、RNN、Wide&Deep，DeepFM, DSSM 等）
- 性能卓越：一个小时左右可以完成千万级数据的 XGBoost 模型训练，十分钟左右可以完成千万级数据的预测。
- 去中心的架构设计：更加安全、实用，支持多方联合和可视化操作。
应用场景
金融风控
金融风控
- 一方拥有特征，另一方拥有特征以及标签信息。原始数据不出域进行联合建模，构建出更准确的风控模型，用于金融风控等多个场景。
- 全自动化流程：安全样本对齐、联合特征选择和特征工程、联邦 LR 算法以及预测打分。
- 去中心的架构设计，更加安全、实用，支持多方联合和可视化操作。
相关云产品
联邦广告
- 广告主与流量平台合作，在原始数据不出域的情况下进行联合建模，构建更精准的用户画像和推荐模型，实现定向广告投放。
- 性能卓越，一个小时左右可以完成千万级数据的 XGBoost 模型训练，十分钟左右可以完成千万级数据的预测。
- 算法丰富：除了 LR、XGBoost 模型，还支持 Wide & Deep、DSSM、DeepFM 等业界常用推荐模型。
相关云产品
智慧医疗
- 多个医疗机构合作，在原始数据不出域的情况下进行横向联邦学习，构建更精准的目标检测模型，辅助医生进行病变检测，已在多个医疗机构试点应用。
- 联合建模过程中，合作医疗机构只需要传递加密的模型参数，由提供联邦服务器进行安全的模型参数聚和或者模型融合。
- 支持横向联邦训练任意神经网络模型，且支持多种模型参数融合方法，包括联邦集成学习和知识蒸馏等。
相关云产品
咨询行业专业顾问
关于使用场景和技术架构的更多咨询， 请联系我们的销售和技术支持团队。