在联邦机器学习中,覆盖领域比较广的产品是什么

【导读】数据是以孤岛的形式存茬的解决孤岛的直接方案就是把数据整合到一方进行处理。但是现在这样做很可能是违法的,因为法律不允许运营者粗暴地进行数据聚合而一个可能的解决方案即联邦学习,它以保障安全隐私的大数据架构为中心发表在2019年1月TIST上的Federated Machine Learning:Concept and Application详细阐述了联邦机器学习的概念与應用。文章作者是来自中国香港科技大学的杨强、微众银行的刘洋和人工智能部副总经理陈天健、以及北航童咏昕

今天的人工智能仍面臨两大挑战。 一个是在大多数行业中,数据是以孤岛形式存在的 另一个是加强数据隐私和安全。我们提出了一个可能的解决方案面对這些挑战:安全联邦学习 与谷歌在2016年首先提出的联邦学习框架不同,我们引入了一个全面的安全联合学习框架其中包括横向框架联邦學习,纵向联合学习和联合迁移学习本文提供了这些概念的定义,联合学习框架的体系结构和应用并提供关于这个主题的现有工作。 此外我们提出建立数据网络联邦机制作为一种有效的解决方案,可以在不涉及用户隐私的情况下共享知识

本文参与,欢迎正在阅读的伱也加入一起分享。

我要回帖

 

随机推荐