“在合理保护个人隐私的同时 ， 恢复数据产业的发展 ， 现在已经成为国际上的一个趋势 。 ”国务院发展研究中心金融研究所副所长陈道富表示 ， “建立以征信体系为核心的信息共享 ， 搭建地方政府主导的以政务数据为主的数据共享 ， 探索企业市场化方式的数据流通 ， 以隐私保护计算技术实现数据的合规、安全流通 ， 将成为我国数据共享方式的重要思路 。 ”
香港科技大学智能网络系统实验室主任、副教授、星云Clustar创始人陈凯也认为 ， 隐私计算技术可以帮助人工智能为代表的应用领域 ， 合理引入更多受隐私、安全因素限制的数据 ， 促进人工智能模型向精准化、效率化发展；推动不同机构的数据融合 ， 催生出新的应用场景 ， 让过去的不可能成为可能 。
“数据要素分为可用数据和不可用数据 ， 不可用数据的边界由《数据安全法》《个人信息保护法》界定 ， 而可用不可见的数据受法律、商业权益、个人隐私多重因素制约 。 ”CAAI名誉副理事长杨强表示 ， 联邦学习具备数据不出库、性能效率大幅改善的技术优势 ， 以赋能金融行业数字化转型为例 ， 大多数金融机构往往受限于隐私保护、安全、合规的要求 ， 不能轻易进行多方数据流通 ， 通过联邦学习技术实现联合建模、扩充模型空间 ， 可以构建更加精准化、智能化的金融服务体系 。