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

面向机器学习的隐私保护关键技术研究综述

随着信息通信技术的发展，机器学习已经成为多个研究领域与垂直行业必不可少的技术工具。然而，机器学习所需数据中往往包含了大量的个人信息，使其隐私保护面临风险与挑战，受到了越来越多的关注。对现有机器学习下隐私保护法规政策与标准化现状进行梳理，对适用于机器学习的隐私保护技术进行详细介绍与分析。隐私保护算法通常会对数据质量、通信开支与模型表现等造成影响，因此对于隐私保护算法的评估应当进行多维度的综合评估。总结了适用于机器学习应用的隐私保护性能评估指标，并指出隐私保护需要考虑对数据质量、通信开支以及模型准确率等之间的影响。

  • 2021-12-30
  • 阅读99
  • 下载0
  • 9页
  • docx

捍卫数据隐私：联邦学习在临床预测模型中的应用

标准机器学习方法需要在一台机器或数据中心把数据集中起来训练模型，这需要同时处理多家医疗机构的数据，用于临床预测模型的训练。但医疗数据有着极高的敏感性，包括数据的权属问题、数据的隐私问题、数据的合规问题等，这均要求在保证数据绝对安全、合规的前提下进行机器学习模型的训练。如何在医疗数据不出医疗机构安全域的前提下进行一个模型训练，这是联邦学习（Federated learning）兴起的背景。联邦学习使得不同医疗机构能够协同学习、共享预测模型，同时将所有训练数据保存在各自医疗机构内部，从而将机器学习的能力与数据集中存储脱钩。

  • 2021-12-30
  • 阅读91
  • 下载0
  • 7页
  • docx

研究综述：机器学习在社会科学中的应用

随着数据的可得和计算机软硬件的发展，机器学习技术在业界及自然科学领域已经得到了广泛地应用。在社会科学领域，该技术使用虽然起步较晚，但发展也非常迅速。本文目的旨在系统介绍机器学习在社会科学中的应用。在简单介绍定义，在业界及自然科学领域的应用后，我们将从数据生成、预测以及因果识别（DID，RD和IV）三方面详细介绍机器学习在社会科学中的应用。局限于社科因果识别方法论的成熟及样本量限制，我们认为机器学习虽然拓展了社会科学研究的边界，但并不会颠覆现有研究范式。最后，本文从学界不平等及可复制性等方面讨论了该技术在应用过程中可能带来的问题。

  • 2021-12-30
  • 阅读109
  • 下载0
  • 40页
  • docx

用机器学习预测药物在靶点上的停留时间

药物在靶点上的停留时间（即与特定蛋白靶点结合的持续时间），在某些蛋白家族中，对药效的影响比结合亲和力更重要。为了在药物发现中对停留时间进行有效的优化，需要开发能够预测该指标的机器学习模型。预测停留时间的主要挑战之一是数据的匮乏。本章概述了目前所有可用的配体动力学数据，提供了一个迄今为止最大的GPCR-配体动力学数据资料库（公开来源）。为了帮助解读动力学数据的特征（这些特征的纳入对于预测停留时间的计算模型是有益的），我们总结了影响停留时间的实验证据。最后，概述了用机器学习预测停留时间的两种不同的工作流程。第一个是根据配体特征训练的单靶点模型；第二个是根据分子动力学模拟产生的特征来训练的多靶点模型。

  • 2021-12-30
  • 阅读119
  • 下载0
  • 17页
  • docx

基于机器学习的数据中心参数自动优化关键技术研究

随着大数据、云计算等技术的高速发展，数字经济已经成为我国经济发展的重要战略，高密度数据中心作为承载技术与产业的实体，是传统工业向信息化转型的关键“新基建”。因此，对数据中心的全方位优化部署成为了从业者的迫切追求。衡量数据中心性能的标准即为可定义、可量化的一系列数据中心关键参数。本文希望研究利用机器学习算法进行数据中心参数自动优化的典型关键技术，特别是研究聚焦在“基础设施层”和“服务器层”等核心参数的具体优化方法，以形成数据中心参数自动优化的设计路径。

  • 2021-12-30
  • 阅读89
  • 下载0
  • 7页
  • docx

人工智能新技术：联邦学习的前世今生

如果投票问人工智能和大数据应用领域有什么好玩又好用的新技术，“联邦学习”一定是排在前列的。这项技术由谷歌在2016年首次提出，从2018年8月开始在国内快速发展和普及，截至2020年2月，有公开资料可查的联邦学习研究或应用单位已超过百家，阿里、微众、京东、腾讯、华为、平安等各领域的头部企业均在大力推进。身边做技术和业务的朋友都在说：忽如一夜春风来，联邦学习突然就在圈子里传播了，在聊天中不发表点联邦学习的看法都不好意思。

  • 2021-12-30
  • 阅读120
  • 下载0
  • 13页
  • docx

联邦生态：从联邦数据到联邦智能

针对大数据时代广泛存在的数据孤岛问题，从整体入手，提出了联邦生态的基本框架，并探讨了其结构和运行机制。联邦生态以数据隐私可控为前提，以区块链技术为支撑，以联邦智能为驱动，借助联邦控制实现数据联邦化，通过联邦管理实现服务联邦化。为打破数据孤岛问题，联邦生态充分发挥了大数据和人工智能的潜力，进而为实现联邦智能提供了一种新的思路。

  • 2021-12-30
  • 阅读92
  • 下载0
  • 12页
  • docx

隐私安全计算之联邦学习

人工智能时代兴起，数据资源成为维持相关产业的基础原料，是否能够获取相关海量数据能力成为制约产业发展重要因素。然而，由于数据安全问题、竞争关系等因素，数据在各个行业甚至公司的内部以“数据孤岛”的形式存在，随着数据隐私安全问题突出，国家管控越来越严格，先后发布《网络安全法》等法律法规，在社会层面上，用户对个人隐私数据越发重视。以往科技巨头它们通过提供基于云的AI解决方案以及API，获取大量高质量的业务和个人数据模式，在未来发展中可能受到极大的限制。为此，研究如何在保护隐私和安全的前提下，解决数据孤岛问题实现数据共享需求越来越突出，隐私计算受到极大重视，联邦学习应运而生。

  • 2021-12-30
  • 阅读128
  • 下载0
  • 5页
  • docx