由 dawei 2018年年底，国内学术界与产业界在隐私计算领域开始了一场基于联邦学习技术的生态建设持久战。
那年12月，IEEE标准委员会（SASB）批准了由微众银行发起的关于《联邦学习架构和应用规范》的标准立项。不久，来自国内外的多位知名学者和技术专家纷纷加入标准工作组，参与到联邦学习IEEE标准的建设中。
标准，顾名思义，是对某一事物或概念进行的统一规定。不仅要切合实际，还要让大家“心服口服”，共同遵守与维护。
这并不是一件易事。工作开始前，标准工作组主席杨强预计：“此类技术标准属于国内首次，没有任何经验可以借鉴。我们预计用五年的时间拿下IEEE联邦学习国际标准！”
但事实上，全球数据隐私保护大环境正在发生变化，标准制定也按下了快进键：
2018年12月，IEEE标准协会通过标准立项；
2019年2月，确定了联邦学习标准的基本框架；
2019年6月，增添工作组成员，梳理各自领域内的联邦学习典型案例；
2019年8月，讨论联邦学习的评估指标如何量化；
2019年11月，对联邦学习的安全测评与评级进行规划；
2020年3月，标准草案获IEEE通过，进入评估阶段；
2020年9月，标准通过IEEE终版确认；
2021年3月，联邦学习标准正式发布。距离立项不到三年，工作组便完成联邦学习国际标准制定（以下称为“标准”），并在今年3月30日通过IEEE确认，形成正式标准文件（IEEE P3652.1）。
联邦学习生态的建立，离不开国际标准。作为世界上首个联邦学习国际标准，其参与度之广，印证了合规使用大数据的时代特征；其权威性之高，体现了社会对联邦学习技术的强烈需求。