首届“星河杯”隐私计算大赛由中国信息通信研究院、中国通信学会与隐私计算联盟共同主办，旨在从推动技术创新、深化行业应用、发现优秀人才、构建可信生态四个方面促进隐私计算发展。

北京可利邦信息技术股份有限公司（以下简称可利邦）数据研发团队与沈阳航空航天大学（以下简称沈航）组队，历经7个多月的“联邦学习—诈骗电话识别”主题技术研究，最终取得了前10名的“优胜团队奖”！充分彰显了两方团队的隐私计算及建模应用方面强大的技术能力。

“星河杯”大赛共吸引来自各高校、企业的1006支队伍，共计1249人报名参赛，37支队伍最终入围决赛。大赛邀请多位密码学、人工智能方面著名专家担任评委，受到广泛关注。

本次大赛，实验室团队成员采用「筑信隐私计算平台」进行参赛，团队选择了“联邦学习—诈骗电话识别”这一题目，针对赛题的业务背景与数据情况，进行了全流程的数据分析、模型开发、预测评估等环节，秉持“原始数据不出域、数据可用不可见”的核心主旨，基于联邦学习技术框架，通过赛题解决数据协同计算过程中的数据安全和隐私保护问题，可利邦与沈航团队凭借突出的场景应用经验最终进入决赛，取得了优异的成绩！

在举行的颁奖大会上，中国信息通信研究院云计算与大数据研究所副所长魏凯发布了可信数网（TDN）框架。业界专家指出，作为可信数据要素流通的关键技术，隐私计算正在逐渐从技术产品能力提升快速发展到赋能数据要素流通的多场景应用。

可利邦「筑信隐私计算平台」以联邦学习技术路线为基础，突破了传统方式下金融机构对数据使用的壁垒，解决了只能传导去标签化的信息，标签颗粒度与现成特征无法满足模型迭代与金融产品完全匹配的痛点。实现两个及以上的联邦学习参与方共同构建一个共享的高可用机器学习模型，使训练数据集中在一起获得的机器学习模型更加充分的逼近理想模型，为金融业务人员提供了更加精准的用户画像。

可利邦还将持续关注联邦学习在AIGC领域的应用与落地，继续探索数据安全与场景应用的更多可能性！