而这所带来的好处，也十分显而易见。
其一，极光的核心竞争力在于，“社交+本地生活+智能设备”的独家数据。
若采用传统方式，向银行共享原始数据，可能导致数据被银行复制，用于优化自身信贷模型。
而联邦学习“数据可见不可用”的特性，则完美规避了数据泄露的风险。
其二，有效提升了风控精准度，降低坏账率。
传统模式下，口袋钱包的风控，仅能依赖自身场景数据，对用户“真实还款能力”的判断，存在一定盲区，可能导致用户被高估信用。
而通过联邦学习，整合银行侧的金融数据后，风控模型可同时覆盖，极光侧的“行为信用”与银行侧的“履约能力”。
据测算，这种“双维度风控”，至少可使“想花/想借”的坏账率，降低20%~30%！
远胜仅依赖单一电商数据模型的阿狸！
其三，当前虽无《数据保护F》、《个人信息保护F》，但上面对“金融数据共享”的合规要求，已逐步明确。
而极光采用的“联邦学习”，本质上，就是提前践行“数据最小化”、“隐私保护”原则。
有效避免后续因“数据果奔共享”，被上面处罚或要求整改。
总而言之，“联邦学习框架”，不仅解决了传统金融协作，“数据隐私与价值挖掘”矛盾。
更让“想花/想借”的“风险共担、收益共享”模式，有了坚实的底层技术支撑。
对比阿狸“高杠杆、风险转嫁”的模式，口袋钱包的联邦学习方案，更符合监管趋势，也更能实现长期稳定的商业闭环。
这就是为何，“联邦学习”技术，会被称之为，数字经济时代“核心基础设施”的原因。
除此之外，洛川还打算让口袋钱包，提前与央行进行征信试点对接。
争取在2017年，实现全量用户征信上报。
以避免像前世21年的阿狸那样，因被强制接入征信，导致用户大量流失。
总结起来就八个字。
合规前置，互利共赢！
少赚一点，真的无所谓。
把时间线拉长，仍是一笔天文数字~
就在他沉思之际，二女裹着浴袍，嬉笑着走出浴室。
洛川转头望去，吹了个流氓哨。
“裹这么严实干嘛，防谁呢~”
“防狗~”
洛贤者白了二女一眼，懒得跟她们计较。
费劲吧啦帮她们吹干头发，三人懒洋洋的倚靠着床头玩手机，有一搭没一搭闲聊。
刷到一条朋友圈，宋锦有些惊奇的咦了一声。
“东子要结婚了吗？”
“嗯？真假的？”另一边，宫甜甜扑棱一下竖起小耳朵，瞬间来了兴致。
“喏~人家奶茶妹妹都开始选钻戒了。”宋锦把手机朝她歪了歪。
洛川瞅了眼女友的手机屏幕，“嚯~这么老大一钻戒，得有小二斤吧~”
“你当是玻璃碴子呢~”宋锦好笑的剜了男友一眼。
“这么大的事儿，你东哥没邀请你吗？我瞅你这也不行啊~”宫甜甜拍了拍他的肚皮，打趣道。
“邀请倒是邀请了，只不过我懒得去而已~”洛川耸耸肩。
作为战略合作伙伴，私下关系也不错，于情于理，他其实都应该跑一趟的。
可惜的是，东子的婚礼地点，选在澳大利亚。