用户享受越来越精准的内容推送同时，心里对自己隐私是否泄漏的疑问也越来越深。用户的担忧其实不无道理，推荐系统本身就是由数据驱动的应用，数据越多效果越好，大部分的应用都在想方设法了解用户的每一个细节行为，再进行模型训练，推断用户的想法和需求，最后匹配展现最适合用户的内容。现在各国都加紧了对用户数据隐私的保护，欧盟出台了 GDPR，中国也发布了数据安全管理办法（征求意见稿），用户隐私和数据安全的加强同时也限制了推荐系统性能的发展。

那有没有办法在保护用户隐私和数据安全的条件下，合法合理使用数据，提升推荐效果呢？答案是肯定的，联邦推荐系统就提供了一种新的思路。

不同于传统的方式，联邦训练会在本地完成，最后上传训练完的模型而不是本地数据，这就极大的提高了用户数据安全，此外，这种方式也可以让多个公司在不暴露用户数据的情况下共同建模，打通用户生活的方方面面。微众银行高级研究员谭奔将在 AICon 全球人工智能与机器学习技术大会（上海站）2020 分享《联邦推荐在金融营销中的应用实践》，为大家系统介绍联邦推荐系统。

1. 推荐系统背景介绍

   a. 推荐系统介绍

   b. 推荐系统中的隐私问题

2. 联邦推荐系统

   a. 联邦学习

   b. 联邦推荐系统及其分类

   c. 联邦推荐算法

3. 微众联邦推荐系统架构

   a.FATE 联邦学习框架

   b. 联邦推荐系统架构

4. 联邦推荐系统在金融营销中的应用

   a. 联邦内容推荐

   b. 联邦在线广告

1. 了解联邦学习在推荐系统中的最新进展；

2. 了解联邦推荐技术的核心概念和技术原理；

3. 了解联邦推荐技术在金融营销中的落地实践。

重视数据隐私和安全已经成为了世界性的趋势，“联邦学习”是解决这一行业性难题的关键技术。微众银行首次将联邦学习技术应用于推荐领域的落地实践。

参会者对推荐系统、联邦学习、机器学习、数据安全其中一到两个领域有较好的了解。

AICon 上海 2020 邀请到快手推荐算法负责人江鹏担任《推荐广告技术及实践》专题出品人，与业内顶级专家，分享工业界推荐和广告相关技术以及实践经验，包括业务痛点、技术选型和演化、最新技术进展、解决业务问题的实践经验等等。点击【阅读原文】了解更多相关实践。有任何问题欢迎联系票务经理 Amy：18514549229（微信同号）

👇点击「阅读原文」获取更多信息