• 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86
  • 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93
  • 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98
  • 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87
  • 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93
  • 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87
  • 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88
  • 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103
  • 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264
  • 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310
  • 下载6

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420
  • 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435
  • 下载10

最新上线

2026年全球数智营销生态手册

在经历宏观震荡、产业结构调整及技术加速演进的数年之后,全球数字营销行业正在进入一个由“战术驱动”迈向"能力驱动”的关键阶段。疫情后市场恢复、企业增长压力提升、数据环境变化以及AI技术的快速成熟,共同推动全球营销体系发生深层变革一一从过去以"流量购买”为核心的传统战术型模型,转向以"内容、数据、模型、体验”四位一体的系统化能力模型。过去的传统战术型模型具有鲜明的"渠道导向+经验驱动”特征:核心逻辑是通过采购第三方流量、投放广告完成用户触达,依赖营销人员的经验判断进行渠道选择与创意决策;运营上呈现“前端重、后端轻”的割裂状态,市场部门负责引流、数字部门负责转化、客服部门负责售后,各环节数据互通困难,难以形成完整的用户链路闭环;核心目标是短期流量获取与即时转化,缺乏对用户长期价值的挖掘与沉淀。但随着流量红利见顶、广告成本持续攀升,以及用户行为日益复杂,这种"重投放、轻运营”"重短期、轻长期”的模型已难以支撑企业可持续增长。

  • 阅读5
  • 下载1

2024-2025年中国新消费趋势洞察报告

艾艾媒咨询iiMedia Research 全球领先的新经济产业第三方数据挖掘与分析机构 用数据说活 2024-2025年中国新消费趋势洞察报告 Insights into new consumption trends in China from 2024 to 2025 (演讲版 艾媒咨询集团CE0兼首席分析师 张毅博士

  • 阅读4
  • 下载0

2025年普华永道中国可持续发展报告

2025年,全球再度经历深刻变革。科技飞速迭代、气候挑战日益严峻,地缘政治格局风云变幻,正在重构全球商业生态。在中国,高质量发展与创新并重,为经济增长和转型升级创造了独特的机遇。 面对这一系列变革,我们以“重塑”为内核引领增长,通过优化业务架构、提升运营效率、聚焦关键战略领域,构建面向未来的组织能力。在推进可持续发展的进程中,我们正以务实的行动赋能人才成长、加强环境管理、促进社会和谐,并驱动数字化创新。

  • 阅读2
  • 下载0

OpenClaw从入门到精通指南

OpenClaw:从入门到精通指南 第一部分:OpenClaw理论知识 1.第一章:OpenClaw是什么? OpenClaw是一个开源的个人AI Agent(智能体)框架,由奥地利开发者Peter Steinberger于2025年底发布,2026年1月在技术圈爆红。它标志着AI从"对话工具“向”自主执行者“的范式转它不是一个App,而是一个"住在电脑里的AIl管家"。变。

  • 阅读8
  • 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