国家标准计划《人工智能 联邦学习技术规范》由 TC28（全国信息技术标准化技术委员会）归口，TC28SC42（全国信息技术标准化技术委员会人工智能分会）执行 ，主管部门为国家标准委。

主要起草单位 中国电子技术标准化研究院 、深圳前海微众银行股份有限公司 、中国工商银行股份有限公司 、中国电信股份有限公司研究院 、深圳市腾讯计算机系统有限公司 。

在过去几十年的时间里，我们见证了以机器学习为代表的人工智能技术在工业领域的迅猛发展，但我们也应注意到，当前人工智能技术的成功，很大程度上是依赖于大规模且高质量的数据集。

但由于受到数据的隐私安全、价值属性和企业间的竞争等因素影响，造成数据多以孤岛的形式而存在。

而另一方面，传统的中心化学习模式，又无法满足数据隐私安全的需要，使得数据的割裂愈发严重，并阻碍着人工智能的进一步发展。

目前充分发挥数据要素价值，促进数据要素安全流通，培育数据要素市场已经受到了国家层面的重视，联邦学习技术作为一种重要的隐私计算技术，其目的是在在保护数据安全和个人隐私的前提下，保障数据流通，发挥数据价值，打破数据孤岛。

利用联邦学习技术，多个数据拥有方可以在数据不出本地，不泄露隐私数据的同时进行联合建模，从而协作完成某项机器学习任务。

该标准将通过规范联邦学习技术，解决如何在满足数据流通需求的同时，保护数据安全和个人隐私的问题。

联邦学习技术快速发展并在金融、互联网、医疗、通讯等多个行业获得广泛应用, 为了进一步促进跨行业的联邦学习应用发展及产业生态建设，急需制定国家标准加以规范。

范围： 规定了联邦学习技术的框架与流程、联邦学习的功能需求和内部的非功能性需求、安全与性能的测评及相应指标，并明确了符合性要求。适用于联邦学习技术的设计、开发、测试、使用、运维,帮助建立数据要素流通需求下不同隐私计算系统间的互通互联，也适用于开展联邦学习应用系统的选型。 主要技术内容： 联邦学习技术的框架与流程：包括参与方的角色和联邦学习系统逻辑框架两部分。参与方角色规定了联邦学习的流程和各个角色的定位；联邦学习系统逻辑框架，规定了联邦学习系统的计算、基础技术、管理和业务系统对接等各个模块的内容和关系。为厘清联邦学习系统流程和联邦学习与自身系统的关系提供了依据。 联邦学习的功能需求和内部的非功能性需求：联邦学习的功能需求规定了完成联邦学习系统的构建和应用所需要的功能，包括算法、数据资产、模型、激励机制等功能；联邦学习的内部非功能需求规定了联邦学习应用需要满足的要求，包括计算精度、性能效率、兼容性、易用性、易学性、联邦学习的生命周期的安全性和可靠性等。为构建和应用可信的联邦学习技术提供基本规范。 安全与性能的测评： 安全测评规定了联邦学习的安全分类、风险分级、风险分级树、风险识别步骤等；性能测评规定了联邦学习的模型性能和计算效率的测评方法。为测试联邦学习系统的安全、模型性能和系统效率提供了指标和方法。