科技园：港数据互换落后内地　推联邦学习保私隐　助发展金融科技

政府近年锐意发展金融科技，《香港01》联同“巨子ICON”于今日（11日）合办首届“金融科技前瞻研讨会”。科技园公司STP Platform总监霍露明均认为，数据为金融科技的重中之重，惟香港在数据交换的发展缓慢，而国内的数据已实现互换开放。她亦强调，数据交换亦能保护私隐，建议可推行联邦学习环境，并举例指应用例子有破产预测。

香港科技园公司STP Platform总监霍露明指，金融科技最重要的环节并非办公室，而是数据，“数据价值一定唔系零，系有好高嘅价值。”她认为，香港在数据交换的发展缓慢，而国内的数据已实现互换开放。但她强调，数据交换亦能保护私隐，建议可推行联邦学习环境。

所谓联邦学习（Federated Learning），它是一种机器学习技术，具体来说就是在多个去中央化的数据样本或伺服器上训练演算法，这方式并不涉及数据互换，有助保障个人私隐。

霍露明进一步说明：“（数据）可以用，但唔可以掂。”联邦学习的好处是能利用系统的数据学习，但数据不能取出。例如银行可利用联邦学习做破产预测，除了资产记录外，部分个人及商务行为，因银行不能完全拥有用户相关数据，需与不同银行合作数据交换，以联邦学习的方法就可以做到有关预测，但却能同时保护各平台上的私人数据。