会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

Bert向量表示不能直接用于相似度问题的分析

Bert本身得出的sentence embeddings是包含句子信息的，余弦相似本本身是具有鲜明的几何意义，如果这组基是标准正交基，那么对应的向量应该表现出“各向同性”来，在使用余弦相似度来进行句子相似度的计算时候，其效果本身并不理想，那问题可能就是bert生成的向量并非为标准正交基下的向量。

  • 2022-01-20
  • 阅读116
  • 下载0
  • 5页
  • docx

排序学习（Learningtorank）综述

点击数据隐式反映了同Query下搜索结果之间相关性的相对好坏。在搜索结果中，高位置的结果被点击的概率会大于低位置的结果，这叫做”点击偏见”（Click Bias）。但采取以上的方式，就绕过了这个问题。因为我们只记录发生了”点击倒置”的高低位结果，使用这样的”偏好对”作为训练数据。

  • 2022-01-21
  • 阅读107
  • 下载0
  • 10页
  • docx

从迁移学习到图像合成

迁移学习现在很火，在人工智能各个领域都有广泛应用。迁移学习是一个大家族，按照迁移对象可以分为不同域 （domain） 之间的迁移，不同种类 （category） 之间的迁移，不同模型 （model） 之间的迁移，不同模态 （modality） 之间的迁移，不同任务 （task） 之间的迁移等等。

  • 2022-01-20
  • 阅读117
  • 下载0
  • 5页
  • docx

联邦学习隐私保护研究进展

针对隐私保护的法律法规相继出台，数据孤岛现象已成为阻碍大数据和人工智能技术发展的主要瓶颈。联邦学习作为隐私计算的重要技术被广泛关注。从联邦学习的历史发展、概念、架构分类角度，阐述了联邦学习的技术优势，同时分析了联邦学习系统的各种攻击方式及其分类，讨论了不同联邦学习加密算法的差异。总结了联邦学习隐私保护和安全机制领域的研究，并提出了挑战和展望。

  • 2022-01-20
  • 阅读112
  • 下载0
  • 22页
  • docx

深度学习中的隐私保护技术综述

如今机器学习以及深度学习在各个领域广泛应用，包括医疗领域、金融领域、网络安全领域等等。深度学习的首要任务在于数据收集，然而在数据收集的过程中就可能产生隐私泄露的风险，而隐私泄露将导致用户不再信任人工智能，将不利于人工智能的发展。本文总结了目前在深度学习中常见的隐私保护方法及研究现状，包括基于同态加密的隐私保护技术、差分隐私保护技术等等。

  • 2022-01-21
  • 阅读123
  • 下载0
  • 6页
  • docx

数字化发展中的个人信息保护监管策略思考

新冠疫情的全球蔓延加速了经济社会的数字化进程，数字化发展正从社交、购物、出行等各个方面给民众带来全新体验。但数字化驱动经济发展的同时，也频繁出现个人信息被泄露、窃取、贩卖等安全事件，随之带来个人精神和财产安全威胁。因此，如何在全球数字化进程中兼顾数据驱动发展和个人信息保护监管也已成为国际社会关注的热点问题。以多源分析当前个人信息安全面临的热点问题为导向，通过对比研究国际典型的个人信息保护监管模式，分析目前我国监管策略存在的挑战，进而从立法、治理及个人救济几方面提出实现数字经济创新发展和个人信息保护平衡的建议。

  • 2022-01-20
  • 阅读474
  • 下载0
  • 13页
  • docx

隐私集合求交技术的理论与金融实践综述

隐私集合求交技术是目前隐私计算领域的一个热点研究方向，作为跨机构间数据合作的一个常用的前置步骤，在实际场景中具有很强的应用价值。介绍了隐私集合求交技术的分类与相关的技术路线，并以基于盲签名的隐私集合求交技术为例，详细解析可参考的隐私集合求交技术的实现流程；同时，结合目前隐私计算技术应用落地最广泛的金融行业的实际场景需求，介绍隐私集合求交技术在金融行业的应用场景，包括金融联合建模、金融联合统计、金融联合营销、金融运营分析等，从实际场景体现隐私集合求交技术的研究与应用价值；最后，对目前的隐私集合求交技术面临的技术挑战及研究发展方向进行分析和探讨。

  • 2022-01-20
  • 阅读105
  • 下载0
  • 12页
  • docx

隐私计算-密码学-同态加密

近年来，随着大数据与人工智能的盛行，针对个人的个性化的推荐技术的不断发展，人们在享受便利的同时，也深深的感觉到无处不在的监控与监事，比如刚刚浏览了一个网站的商品，当去其他网站访问的时候就会推荐类似的产品；刚刚搜索了某件商品，在很多其他的场景中都会给你推荐。这种体验，谈不上不好，也谈不上多坏，但是如果仔细想想，就感觉自己的网上进行裸奔，个人隐私，一清二楚，毫无隐私可言，细思极恐。

  • 2022-01-21
  • 阅读105
  • 下载0
  • 14页
  • docx