• 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

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120
  • 下载0
  • 17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117
  • 下载0
  • 8页
  • docx

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134
  • 下载0
  • 9页
  • docx

联邦学习与安全多方计算

联邦学习在2016年由谷歌提出,因为Google有安卓系统,需要解决多个安卓设备的分布式建模问题。其中,主要是针对输入法的建模,比如客户在安卓输入法中输入单词“what”,或许他可能想继续输入“do you think”,Google输入法如果能自动联想出来,用户体验就会变得比较好,但是自动联想功能需要大量的用户数据才能学习出来,怎么获得这些用户数据呢?

  • 2022-01-21
  • 阅读118
  • 下载0
  • 19页
  • docx

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123
  • 下载0
  • 13页
  • docx

联邦学习:统一数据协作和隐私保护的技术解决之道

讲到多方安全计算(MPC),就会提到姚氏百万富翁问题:有两个很有钱的富翁,他们想知道谁更有钱,他们又都不想让除己以外的任何人知道自己实际有多少钱(即不信任任何第三方)。这是一个典型的两方安全计算案例,需要在不分享原始数值的情况下,得出想要的结论。其中相关的技术包括:秘密分享,模糊传输,同态加密,混淆电路。

  • 2022-01-20
  • 阅读118
  • 下载0
  • 17页
  • docx

字节跳动在联邦学习领域的探索及实践

数据是人工智能时代的石油,但是由于监管法规和商业机密等因素限制,"数据孤岛"现象越来越明显。联邦学习(Federated Learning)是一种新的机器学习范式,它让多个参与者可以在不泄露明文数据的前提下,用多方的数据共同训练模型,实现数据可用不可见。

  • 2022-01-20
  • 阅读121
  • 下载0
  • 18页
  • docx

高性能联邦学习算法优化实践

近年来,联邦学习作为解决数据孤岛问题的技术被广泛关注,已经开始被应用于金融、医疗健康以及智慧城市等领域。从3个层面系统阐述联邦学习算法。首先通过联邦学习的定义、架构、分类以及与传统分布式学习的对比来阐述联邦学习的概念;然后基于机器学习和深度学习对目前各类联邦学习算法进行分类比较和深入分析;最后分别从通信成本、客户端选择、聚合方式优化的角度对联邦学习优化算法进行分类,总结了联邦学习的研究现状,并提出了联邦学习面临的通信、系统异构、数据异构三大难题和解决方案,以及对未来的期望。

  • 2022-01-20
  • 阅读146
  • 下载0
  • 38页
  • pdf
上一页 1 …… 13271328132913301331133213331334133513361337 …… 2193 下一页 共 17543 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

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1867
  • 下载7

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2352
  • 下载11

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2160
  • 下载9

OpenClaw替我干科研

OpenClaw:不仅是对话窗口,更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式,OpenClaw成为2026年开源AI代理平台代表。

  • 阅读1982
  • 下载0

最新上线

2026人工智能时代全球教师关键能力报告

跨越文化与地域的差异,全球4636名教师在15项能力中的集体选择指向了一个“五维关键能力模型”:学习力、教学力、共情力、创新力与引导力。尽管不同地区教师的侧重点有所不同(如海外教师更专注数智素养与幸福力),但从全球总样本加权来看,这五项能力拥有最广泛的共识,成为人工智能时代教师专业价值的基础。它们相互交织,共同构建了一个动态的、相互赋能的全球教师五维关键能力模型。

  • 阅读13
  • 下载0

2026西门子收购战略分析及对我工业软件做大做强启示报告

工业软件是现代工业的“数字大脑”与“神经网络”,是制造业数智化转型升级的“软基础”。在人工智能、数字孪生与物理AI加速融合背景下,工业软件竞争正从单点产品竞争转向“平台能力+数据体系+行业知识+生态网络”的系统竞争,头部企业通过持续并购整合快速构建全链条能力版图,成为全球产业演进的重要特征。其中,西门子近年来围绕工业软件连续开展战略性收购,逐步形成覆盖研发设计、工程仿真、生产制造、运维服务和工业智能的全生命周期能力体系,成为全球工业软件由工具软件向工业智能平台演进的重要代表。

  • 阅读12
  • 下载0

2026我国道路货运能源转型技术路径研究-基于行业调研报告

自2014年进入中国市场以来,智慧货运中心始终致力于打造合规、高效、可持续的中国 物流货运行业,助力实现智慧货运中心的全球减碳目标。智慧货运中心支持工业和政府部 门在排放测算与减排方面的政策目标,并且依托“零排放货运行动”平台,积极推广新能 源重卡的应用。同时,基于可持续航空燃料在全球货运航空减排中的重要作用,智慧货运 中心也着力构建面向中国及亚洲地区的行业交流平台。为实现零排放货运的长期目标,智 慧货运中心将在所有项目中建立系统性机制,全面跟踪并评估潜在与已实现的减排成效。

  • 阅读13
  • 下载0

2026通用型智能体L1-L5分级安全框架白皮书

自2022年大语言模型(Large Language Model, LLM)取得突破以来,人工智能(ArtificialIntelligence,AI)正从“生成式工具”逐渐演进为“自主行动主体”。以大语言模型作为推理与决策核心的智能体(Agent),能够感知环境、规划路径、调用工具、保持记忆,在有限人类监督下自主完成多步骤的复杂任务。2025年以来,智能体的数量和能力呈持续增长态势,应用场景和发展规模不断扩大,为千行百业的发展提供巨大的赋能价值。然而,与高速发展的智能体技术相伴的是日益凸显的安全挑战。近期国内外频发的智能体安全事件,以及政策界和学术界相继发布的安全风险提示均表明,技术演进与安全治理之间存在显著的时间差。

  • 阅读13
  • 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