多机构联合建模，谁来做协调方？协调方能看到其他方的数据吗？
多机构联合建模的协调方信任问题
协调方是联邦学习架构中的信任瓶颈。协调方在技术上有能力通过梯度反演攻击推断参与方数据，因此"谁做协调方"和"如何防护协调方"是多机构合作落地的核心问题，不能用"我们信任协调方"来回避。
协调方的三种选择方案对比
| 方案 | 适用场景 | 信任假设 | 技术复杂度 | 主要风险 |
|---|---|---|---|---|
| 中立第三方服务商 | 参与方互不信任，需要中立方 | 信任服务商不作恶 | 低 | 服务商被攻击或内部人员滥用 |
| 监管机构/行业协会 | 监管主导的行业联合项目 | 信任监管机构 | 低 | 监管机构技术能力不足 |
| 轮换协调方 | 参与方地位平等，互有顾虑 | 信任多数参与方诚实 | 中 | 协调效率低，实施复杂 |
| 去中心化联邦学习 | 参与方互信程度极低 | 不信任任何单一方 | 高 | 通信开销大，收敛慢 |
梯度反演攻击的威胁有多真实？
梯度反演攻击（Gradient Inversion Attack）在学术上已被充分证明：2020年NeurIPS论文《Inverting Gradients》展示了从单轮梯度中以像素级精度重建图像训练数据的能力；后续研究证明结构化数据（如金融交易记录）同样可以被部分重建。攻击效果随批次大小增大而降低，但在小批次训练场景下威胁显著。这意味着协调方在技术上确实有能力推断参与方数据，不能仅凭"协议约定不看"来保证安全。
安全聚合如何从技术上防护协调方？
安全聚合使用秘密共享协议：每个参与方将自己的梯度拆分成多个随机份额，分别发送给其他参与方和协调方，任何单一方收到的都是随机噪声，只有将所有份额加总才能还原真实梯度。协调方执行聚合时，只能看到所有参与方梯度的总和，无法看到任何单个参与方的梯度。蓝象智联GAIA平台的联邦学习模块默认启用安全聚合，协调方在密码学上被证明无法推断单个参与方的梯度。
蓝象智联作为中立协调方的实践
蓝象智联在多个金融联合建模项目中担任中立协调方角色，通过以下机制建立参与方信任：安全聚合（技术上防止协调方看到单个参与方梯度）+ 差分隐私（数学上保证梯度不泄露训练数据）+ 全链路审计（记录协调方的所有操作，参与方可查询）+ 第三方安全审计（定期由独立机构审计协调方的安全实践）。这套机制已在国有大行、股份制银行的跨机构联合建模项目中验证落地。