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

联邦学习技术在金融领域的研究与应用

近年来，人工智能技术处于高速发展期。然而，随着人工智能技术发展进入深水区，出现了越来越多的壁垒和难题，数据孤岛就是其中之一。在实际的应用落地场景中，很难实现企业与企业之间的数据共享，即使在同一个企业中，不同部门之间的数据共享也十分困难。因此，往往只有少数的大型互联网公司才拥有真正的「大数据」，大多数小微企业和中小型企业面临着数据量小、数据维度稀少等问题，这些问题严重制约着人工智能技术的发展。

  • 2022-01-20
  • 阅读118
  • 下载0
  • 13页
  • docx

B2B的纵向联邦学习深度模型方案

随着人工智能进入以深度学习为主导的大数据时代，基于大数据的机器学习在推动AI蓬勃发展的同时，也带来了一些数据隐私泄露的安全隐患。近年来国内外在逐步加强对数据隐私的保护，例如欧盟最近引入的新法案《通用数据保护条例》（GDPR），我国国家互联网信息办公室起草的《数据安全管理办法（征求意见稿）》等，使跨企业和组织的数据合作越来越困难。

  • 2022-01-20
  • 阅读127
  • 下载0
  • 5页
  • docx

同态加密：实现数据的“可算不可见”

同态加密（Homomorphic Encryption, HE）是指满足密文同态运算性质的加密算法，即数据经过同态加密之后，对密文进行特定的计算，得到的密文计算结果在进行对应的同态解密后的明文等同于对明文数据直接进行相同的计算，实现数据的“可算不可见”。

  • 2022-01-20
  • 阅读120
  • 下载0
  • 14页
  • docx

基于秘密共享与同态加密的纵向联邦学习方案研究

由于日趋严格的隐私保护政策，各种隐私保护算法被提出。联邦学习能够在保护用户隐私不被泄露的情形下，运行各种机器学习算法。介绍了在不同场景下适用的联邦学习框架，并以逻辑回归为例介绍了纵向联邦学习的几种常用实现方式；此外，对各种实现方式的优缺点及适用场景进行了分析。

  • 2022-01-20
  • 阅读107
  • 下载0
  • 17页
  • docx

关于GNN的几个疑问的思考

在伪标签中，以二分类为例，使用模型先训练有标签的数据，然后预测无标签数据，得到的概率值作为样本权重从而将每一个无标签样本分为两个带权重的标签分别为0，1的样本，此为软标签，或者直接进行概率截断得到标签为0或1的硬标签样本，不断迭代直到达到预定的迭代次数或预测概率收敛。

  • 2022-01-20
  • 阅读111
  • 下载0
  • 12页
  • docx

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125
  • 下载0
  • 5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123
  • 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117
  • 下载0
  • 22页
  • docx