• 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

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83
  • 下载0
  • 8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81
  • 下载0
  • 7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83
  • 下载0
  • 5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110
  • 下载0
  • 9页
  • docx

Cape Privacy——基于加密机器学习的多方数据协作与隐私保护方案

欧盟2018 年 5 月 25 日正式颁布《通用数据保护条例》(General Data Protection Regulation,GDPR)。距离现今已经实施接近三年,先后多张巨额的企业罚单相继被开出。根据GDPR的执法跟踪网站相关统计,截至当前,欧盟成员国从2018年共开出616件罚单,共罚款约2.79亿欧元[3]。其中具有代表性是谷歌罚款事件,其备受关注——作为一家大型国际互联网公司,谷歌却陆续被欧盟的两个国家罚款:2019年1月被法国处罚5000万欧元,原因是执法方认为谷歌的隐私条款未充分体现GDPR公开透明和清晰原则;2020年3月被瑞典处罚700万欧元,原因是谷歌未充分履行GDPR赋予用户的数据“遗忘权”。

  • 2022-01-20
  • 阅读82
  • 下载0
  • 16页
  • docx

联邦学习(FederatedLearning)与金融实践

在大数据和人工智能时代,数据被喻为“黄金”和“石油”越来越被重视。各行业数字化转型的核心要点之一是数据智能技术的应用,而其基础在于海量、多维数据的汇总、加工和算法模型训练。这一过程中同时带来的则是数据安全和隐私问题——大量带有客户、产品和交易信息的敏感数据容易产生法律、合规问题,亦频繁出现数据的不合法泄露问题。

  • 2022-01-21
  • 阅读86
  • 下载0
  • 6页
  • docx

新一代联邦学习技术及应用实战

随着大数据的进一步发展,重视数据隐私和安全已经成为了世界性的趋势, 同时,大多数行业数据呈现数据孤岛现象,如何在满足用户隐私保护、数据安全和政府法规的前提下,进行跨组织的数据合作是困扰人工智能从业者的一大难题。而“联邦学习”将成为解决这一行业性难题的关键技术。今天会和大家分享下微众银行主导的新一代联邦学习技术及应用,而 FATE 则是联邦学习落地的一个工业级开源平台。

  • 2022-01-20
  • 阅读82
  • 下载0
  • 27页
  • docx

安全的纵向联邦学习框架

快速安全的联邦学习框架实现的过程中,需要两个条件:第一是确保通信的安全,即此框架在通信过程中不会被其它的系统所攻击,如果整个通信过程被其它系统所攻击,这可能也是现在很多联邦学习所要面临的挑战。第二是需要一个可信赖的第三方来进行调度(也即coordinator的角色)。

  • 2022-01-20
  • 阅读89
  • 下载0
  • 5页
  • docx
上一页 1 …… 12791280128112821283128412851286128712881289 …… 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93
  • 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98
  • 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254
  • 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282
  • 下载9

最新上线

新型智算中心核心技术布局分析

新型智算中心核心技术布局分析新型智算中心核心技术布局分析新型智算中心核心技术布局分析新型智算中心核心技术布局分析新型智算中心核心技术布局分析新型智算中心核心技术布局分析

  • 阅读9
  • 下载0

1ms城市算网创新应用汇编(2025年)

在全球信息化浪潮的影响下,依赖信息技术来改变城市发展蓝图的计划成为全球共识,1ms城市算网作为重要底座,逐步成为全球城市数字化转型的必然选择。纽约、新加披、伦敦等全球重点城市都在加速开展城市算网建设,助力城市智能化水平提升。全面开展数字化转型已经成为我国大中型城市“十四五”时期的一项重要任务,2023年,工业和信息化部等六部门发布《算力基础设施高质量发展行动计划》,提出要建立算网监测机制,开展算力设施运载力评估,打造一批算网城市标杆。

  • 阅读15
  • 下载0

2025年度重点行业能效“领跑者”企业典型经验与实践案例

为进一步提高工业领域能源利用效率,降低工业领域碳排放,工业和信息化部、国家发展改革委、市场监管总局联合发布煤制焦炭、烧碱、聚氯乙烯、纯碱、子午线轮胎、钢铁、铁合金冶炼、铜冶炼、铅冶炼、锌冶炼、电解铝、工业硅、水泥熟料、聚酯涤纶等14个行业能效“领跑者”企业名单。为充分发挥能效“领跑者”企业的引领带动作用,引导行业企业全面对标达标优标、赶超能效“领跑者”,我们分行业梳理了能效“领跑者”企业典型做法和先进经验,供参考借鉴。

  • 阅读17
  • 下载0

2025年企业数字化转型指数报告

当前,全球新一轮科技革命和产业变革加速演进,数字经济已经成为经济高质量发展的核心引擎。企业数字化转型从“可选项”转变为关乎生存根基与核心竞争力的“必选项”,并在人工智能等新技术推动下,迈入“数智化”新阶段。2025年正值“十四五”规划收官与“十五五”规划启航的历史交汇点,既是检验数字化转型阶段性成果的里程碑,亦是谋划未来发展的新起点。在这一关键节点,亟需通过系统性、引领性的研究框架,基于海量数据洞察转型规律、科学量化发展水平,为政策制定者提供精准施策的科学依据,为转型各方指明创新发展的方向路径。

  • 阅读22
  • 下载0
  • 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