• 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82
  • 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90
  • 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89
  • 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81
  • 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87
  • 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82
  • 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80
  • 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96
  • 下载0
  • 38页
  • pdf
上一页 1 …… 13271328132913301331133213331334133513361337 …… 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95
  • 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251
  • 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278
  • 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5
  • 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10
  • 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14
  • 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