• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

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
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

联邦学习中基于隐私集合求交(PSI)的样本对齐

横向联邦学习(Horizontal Federated Learning)[1][2]也称按样本划分的联邦学习,可以应用于联邦学习各参与方的数据集有重叠的特征空间和不同的数据样本的场景。举例来说,两个地区的通信运营商在各地有自己的用户群体,他们之间的用户交集非常小,因此他们的数据集中有不同的样本ID,但他们的业务非常相似,因此他们之间的特征空间是相同的。联合进行横向联邦学习可以更好的构建套餐推荐等模型。

  • 2022-01-21
  • 阅读90
  • 下载0
  • 9页
  • docx

隐私立法时代联邦学习在商业银行的应用

随着数字化时代的来临,大数据、人工智能等精尖技术进入了高速发展阶段。然而,对一些行业而言,存在数据样本量少、特征少、标注信息缺失、数据质量差等问题,同时由于相同行业不同企业间的竞争以及同一企业中不同业务条线、业务系统间的阻隔性等情况,难以实现有效的数据信息交流与整合,易造成“数据孤岛”现象,这使大数据、人工智能相关技术难以发挥出预期的应用效果。

  • 2022-01-21
  • 阅读91
  • 下载0
  • 8页
  • docx

vivo联邦学习应用与实践

2016年,Google在《Federated Learning: Strategies for Improving Communication Efficiency》论文中,首先提出“联邦学习”(Federated Learning)的概念,该方法能够联合分布于多个移动终端上的数据,实现云端模型的训练。联邦学习的核心,在于模型中心化,数据去中心化。其目的是保护用户隐私与数据安全。

  • 2022-01-21
  • 阅读112
  • 下载0
  • 9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84
  • 下载0
  • 5页
  • docx

隐私计算的技术流派与标准

近日,零壹财经推出国内首个系统研究隐私计算在金融领域应用的报告《开启新纪元:隐私计算在金融领域应用发展报告(2021)》,从隐私计算落地最为密集的金融业开始,展示隐私计算发展中真实而鲜活的产业生态,让产业实践者们被看见、被发现。本报告研究机构为零壹财经·零壹智库,联合发布单位为中国科技体制改革研究会数字经济发展研究小组、深圳市信用促进会、横琴数链数字金融研究院,同时得到了同盾科技、星云clustar、瑞莱智慧、金智塔科技和天冕科技的研究支持。

  • 2022-01-21
  • 阅读82
  • 下载0
  • 7页
  • docx

隐私保护视角下联邦学习的「前世今生」

联邦学习(Federated Learning)作为人工智能的一个新分支,为机器学习的新时代打开了大门。自发展以来,其定义早已超过了早期提出范围,以至于现在只要出于隐私保护目的的多方机器学习都将其归属于「联邦学习」这一范畴。也有人对「联邦学习」这一名称提出异议,本文从实际应用的角度重新梳理了「联邦学习」的前世今生,希望能为读者提供一个新的联邦学习研究视角。

  • 2022-01-21
  • 阅读85
  • 下载0
  • 8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90
  • 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82
  • 下载0
  • 17页
  • docx
上一页 1 …… 11021103110411051106110711081109111011111112 …… 2193 下一页 共 17542 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

竞争对手分析

母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)

  • 阅读109
  • 下载0

2025知识图谱与大模型融合实践案例集

随着人工智能的迅猛发展,知识图谱与大模型作为两大核心研究领域,各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联,为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力,具备强大的泛化学习性能。

  • 阅读111
  • 下载3

国内重点工业物联网平台四类厂商分类及选型指南

国内重点工业物联网平台四类厂商分类及选型指南

  • 阅读268
  • 下载6

工业物联网平台的典型应用场景深度分析

工业物联网平台发展重点: 一是行业深耕化,从通用型平台向“一米宽、百米深”的行业垂直平台转型,聚焦能源、交通、化工等领域的特定需求,沉淀场景化解决方案与行业Know-how,而非追求“大而全”的覆盖能力。 二是智能融合化,工业大模型与平台深度结合,实现工业知识的智能化重构、应用开发的低代码化升级,以及生产运营的自感知、自决策、自优化闭环管控,AI成为提质增效的核心变量。 三是生态协同化,平台不再是单一技术载体,而是串联产业链上下游的协同中枢,通过跨系统数据融合、产学研用金深度合作,形成“数据-算力-应用”的生态闭环,赋能供应链协同与产业集群升级。 四是部署灵活化,采用“平台化产品+私有化部署”结合的模式,兼顾中小企业轻量化需求与大型集团定制化诉求,支持公有云、私有云、边缘端的混合部署,平衡成本与安全性。

  • 阅读295
  • 下载9

最新上线

密码应用与安全性评估—解决方案

平台摆脱了传统硬件堆叠模式,实现密码设备算力最优化利用,满足虚机云环境、容器云环境等不同场景下的密码应用需求。平台采用插拔式框架设计,实现通用密码服务、典型密码服务、密钥管理服务、专用密码服务的动态接入、无感扩容提供丰富的密码应用SDK,构建全场景的密码应用体系。

  • 阅读22
  • 下载0

绿色数据中心行业洞察:对算力行业的一点思考(302页)

液冷、间接蒸发冷却、AI能效优化、模块化预制、高效电源等绿色节能技术成熟;TEE、机密计算、区块链等保障数据可信流通与安全的技术加速应用;智能调度、柔性负荷调节技术支撑绿电高效消纳。

  • 阅读9
  • 下载0

医疗健康大数据洞察报告:2025年医疗健康领域非全日制博士申请者画像

本报告基于对600份有效问卷及申请数据库的深度分析,旨在揭示2026年中国医疗健康领域非全日制博士中请者的核心特征、需求偏好与行为趋势。研究 显示,申请者群体呈现出“资深从业者寻求职业深化”与“高潜力新生代追求学历升级"并存的鲜明特征,其需求高度务实,对交叉学科及数字化方向兴趣浓 厚,但普遍面临政策认知与实践之间的“知行鸿沟”

  • 阅读19
  • 下载0

智能体与传播应用研究报告

《智能体与传播应用研究报告》(以下简称为“报告”)在融合传播和应用创新的视角下,以智能体(AIAgent)与传播的融合为主轴,以智能体传播的形式、载体、现象、产品、案例为观察对象,通过分析智能体与传播的融合表现、融合机制、融合生态与融合影响,探讨Agentic AI 不断深度融入媒体与传播的未来图景。

  • 阅读17
  • 下载1
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南