浙江大學計算機科學與技術學院吳堅平團隊在《大數據》發表論文《基于聯邦學習的政務大數據平臺應用研究》，該研究聚焦數字政府建設中政務大數據平臺的隱私數據安全與合規難題，分析了隱私數據采集、分類分級、共享三大管理挑戰，提出基于聯邦學習的推薦算法和隱私集合求交技術解決方案，為政務大數據跨域安全共享提供了重要參考。

　　當前我國數字政府建設已進入深水區，截至2022年9月，全國已上線26個省級、257個市級、355個縣級政務大數據平臺，形成省市縣一體化數據底座。但隨著《數據安全法》《個人信息保護法》的實施，政務數據共享與隱私保護的矛盾日益凸顯，“數據孤島”問題仍未有效破解，隱私數據的采集適用性、分類一致性、共享安全性等成為關鍵痛點。

　　針對這些問題，團隊提出三大核心解決路徑。在數據采集環節，采用聯邦學習隱私集合求交技術，實現數據需求方與數源方的安全數據回流，通過屏蔽重復數據、精準篩選目標數據，避免過度歸集和數據冗余，同時保障數據鮮活性與一致性。

　　分類分級方面，構建國家、省、市、縣四級統一的聯邦學習分類分級模型，由國家級平臺作為服務器節點，各級平臺作為參與方協同維護分類指標，數源方為回流數據打上分類分級標簽，大幅降低人工參與度，避免敏感信息泄露，確保分類分級合規統一。

　　數據共享環節，創新融合聯邦推薦系統與隱私集合求交技術，通過隱私保護因子分解機算法構建跨層級推薦模型。數據需求方從本級平臺發起申請，未達可信閾值時自動向上級平臺逐級請求，實現跨領域、跨層級數據供需精準匹配，在“數據不出域”的前提下完成高質量共享，有效解決數據共享中的度量難、管控難問題。

　　研究同時指出，聯邦學習在政務大數據應用中仍面臨隱私保護、通信效率、數據異構三大挑戰，未來需通過差分隱私、同態加密等技術強化安全防護，優化傳輸機制提升通信效率，破解多源異構數據融合難題。

　　該研究為國家一體化政務大數據體系建設提供了技術支撐，其提出的解決方案已在旅游精準營銷、政務服務推薦等場景初步驗證，有望推動政務數據從分析式共享向生成式共享轉變，為數字政府高質量發展注入新動能。