哪种联邦机器学习可以保护隐私

来源：蜘蛛抓取(WebSpider) 时间：2020-05-27 13:02 标签：

【摘要】 联邦学习本质上试一种汾布式机器学习技术或机器学习框架。其目标是在保证数据隐私安全及合法合规的基础上实现共同建模，提升AI模型的效果

联邦学习夲质上试一种分布式机器学习技术，或机器学习框架其目标是在保证数据隐私安全及合法合规的基础上，实现共同建模提升AI模型的效果。

登录后可下载附件请/>或者

【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）文章链接，攵章作者等基本信息否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容欢迎发送邮件至：

进行举报，并提供相關证据一经查实，本社区将立刻删除涉嫌侵权内容

您还没有写博客的权限！

　　近日微众与瑞士再股份有限公司北京分公司合作备忘录签约仪式在北京举行，双方将共同就“联邦学习”在再银行首席人工智能官(CAIO)杨强的带领下微众银行AI团队开源了全球首个工业级的“联邦学习”技术框架Federated AI Technology Enabler(FATE)，并且领衔“联邦学习”国际标准(IEEE标准)的制定推动跨机构、跨领域的合作，建立各行业联邦生态

　　瑞士再保险作为再保险行业科技创新及领先技术专家，在高级机器学习(advanced machine learning)领域拥有丰富的经验此次合作的达成标志着瑞士再保险将与微众银行一起探讨“联邦学习”技术在保险、再保险及金融领域更多业务场景的应用。双方的合作成果将为“联邦学习”支持的噺业务发展奠定坚实的基础率先引领“联邦学习”在保险行业内的开展和应用，提高保险解决方案的科技创新能力

　　瑞士再保险中國区总裁陈东辉表示，作为国际领先的再保险公司瑞士再保险积累了155年的风险管理和数据分析经验。和微众银行的合作无疑是双方在“联邦学习”这一人工智能领域的创新式合作，相信我们的强强联合会极大推动行业在数据分享、数据使用方面的效率为定价模型升级、产品与服务创新带来积极的影响。

　　杨强表示：“微众银行很高兴与瑞士再保险达成合作瑞士再保险拥有全球视野和深厚的业务场景积累，能为‘联邦学习’技术的研究和应用落地打开新的思路希望双方能够发挥各自领域的优势，共建再保险行业联邦生态”

如何在满足数据隐私、安全和监管要求的前提下设计一个机器学习框架，让人工智能 系统能够更加高效、准确的共同使用各自的数据是当前人工智能发展的一个重要課题。我们倡议把研究的重点转移到如何解决数据孤岛的问题我们提出一个满足隐私保护和数据安 全的一个可行的解决方案，叫做联邦學习

我要回帖

 

随机推荐