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146
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148
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171
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188
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140
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162
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156
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173
下载0
5页
docx

上一页 1 …… 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 …… 2193 下一页共 17544 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

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR

阅读606
下载7

2026“人工智能+”行业发展蓝皮书

2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

阅读2386
下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读2827
下载12

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。

阅读2565
下载10

最新上线

2026个人机器人应用价值研究报告

《2026全球个人机器人行业研究报告：进入个人生活——个人机器人应用的场景与价值》。报告从品类定义、产业条件、拥有理由、生活场景、体验要求、用户参与、产品形态与企业路径等维度展开，希望越过参数、动作演示和单点功能的表层叙事，回到一个更重要的判断标准：机器人能否进入真实生活，并在持续使用中创造可靠、可负担、可控的个人价值

阅读18
下载1

人人都会Vibe Coding面向普通人开发者的科普与实用指南

Vibe Coding的真正意义，不是让所有人都变成传统意义上的程序员，而是让更多人能够把场景知识转化为可运行的软件，也让专业开发者可以用新的方式实现工作。自然语言降低了表达意图的门槛，工具和Skil扩展了AI的执行能力，反馈与验证则决定结果是否可靠。未来会出现更多由个人和小团队创造的长尾软件，也会出现更严格的工程治理。但无论工具怎样进步，选择解决什么问题、判断何时可以发布、决定系统使用范围和受众，这些关乎判断和责任的事，始终需要人来完成。

阅读98
下载0

智能体治理研究报告（2026年）

智能体治理是一项复杂的系统工程，需要政府、企业、学界、社会等多元主体协同参与。一是推动责任共担机制落地。明确基础能力提供者、技术支持者、产品分发者、服务运营者、使用者等各类主体的义务边界，推动供应链各环节的安全责任落实。鼓励行业组织制定自律公约和最佳实践指南，引导企业主动披露安全信息、参与协同治理。二是促进开放互联与公平竞争。