【摘要】近年来,明文数据流通引起的数据泄露及滥用问题日益突出,需要跨域数据融合的机器学习面临新挑战。联邦学习因能在数据本地化的情况下实现联合建模,成为实现数据安全融合的潜在方案。在概述联邦学习理论,分析其金融应用现状的基础上,指出现有联邦学习平台存在安全性不明晰、通用性不足、异构性突出等问题。最后提出健全监管体系、建立通用型技术架构、出台联邦学习行业标准等建议,为推动联邦学习实现金融业数据安全融合提供参考。