各参与方都无需外传隐私数据的情况下，完成数据合作的一项技术。数据合作场景包括金融风控、数字化营销、智慧医疗等。而技术主要有：联邦学习、多方安全计算和可信执行环境三种。

需求：金融机构与互联网企业、政务平台等机构联合构建信贷风控模型、反欺诈模型、金融营销模型等；常见行业：银行机构 | 保险企业 | 有贷款类、金融类业务的企业...

需求：政务机构数据协同应用与联合分析，助力精准施策；金融机构、企业与政务数据联合建模与协同应用；常见行业：政府机关 | 政务机构

需求：自动驾驶技术离不开高精准的图像识别模型，车企与交通数据方联合建模，有效提高图像识别准确率；常见行业：新型汽车企业

基于密码学、联邦学习等技术，围绕数据的：使用安全与隐私保护打造通用性隐私计算平台。通过端到端的实现方式，实现数据合规流通与赋能。

产品：于2019年通过软件著作权，并是首批参与信通院测试并通过所有功能评测，并获得相关证书。性能：首批参加测试，并在XGB、IV等金融常见应用上获得第一。安全：算法安全性认证与国密认证。

关键词：数据使用合规 | 数据合作安全

背景：个保法等限制下，客户数据量小、数据维度单一、推荐内容少，极大地限制了推荐效果。希望通过联邦推荐服务可以弥补基础推荐中数据无法深度合作的问题，有效保障效果。

背景：为提升某4A广告公司的客户广告营销效果，期望联合第3方数据服务商B和C，通过多轮多方模型训练，提升线上营销效果。