会员中心
搜索
登录
注册

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

联邦生态：从联邦数据到联邦智能

针对大数据时代广泛存在的数据孤岛问题，从整体入手，提出了联邦生态的基本框架，并探讨了其结构和运行机制。联邦生态以数据隐私可控为前提，以区块链技术为支撑，以联邦智能为驱动，借助联邦控制实现数据联邦化，通过联邦管理实现服务联邦化。为打破数据孤岛问题，联邦生态充分发挥了大数据和人工智能的潜力，进而为实现联邦智能提供了一种新的思路。

  • 2021-12-30
  • 阅读86
  • 下载0
  • 12页
  • docx

面向机器学习的隐私保护关键技术研究综述

随着信息通信技术的发展，机器学习已经成为多个研究领域与垂直行业必不可少的技术工具。然而，机器学习所需数据中往往包含了大量的个人信息，使其隐私保护面临风险与挑战，受到了越来越多的关注。对现有机器学习下隐私保护法规政策与标准化现状进行梳理，对适用于机器学习的隐私保护技术进行详细介绍与分析。隐私保护算法通常会对数据质量、通信开支与模型表现等造成影响，因此对于隐私保护算法的评估应当进行多维度的综合评估。总结了适用于机器学习应用的隐私保护性能评估指标，并指出隐私保护需要考虑对数据质量、通信开支以及模型准确率等之间的影响。

  • 2021-12-30
  • 阅读90
  • 下载0
  • 9页
  • docx

如何在机器学习的框架里实现隐私保护？

在大数据和人工智能的时代，人们能够更方便高效地获取信息。然而在获得便利的同时，我们的行为无时无刻不在被记录、被学习、被使用。如果在应用中不注重隐私保护，就很难阻止个人信息被用于非法目的。近年来，越来越多的人开始重视数据隐私，在选择使用客户端软件（App）时更加关注隐私条款。有研究表明，对于隐私的保护可以提高用户的使用率[1]。

  • 2021-12-30
  • 阅读83
  • 下载0
  • 8页
  • docx

数据跨境流动的制度建设与技术支撑

随着互联网经济的发展以及新冠肺炎疫情后经济数字化进程的加速，数据日益成为关键生产要素。习近平总书记曾在不同场合多次强调数据的重要性：“在互联网经济时代，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力。”数据已和其他生产要素一起融入经济价值创造过程之中，对社会发展具有广泛影响。

  • 2021-12-30
  • 阅读142
  • 下载0
  • 4页
  • docx

支持数据隐私保护的多方共赢技术

联邦学习的初衷旨在保护用户数据隐私，但这种分布式学习框架同时带来了诸多安全问题。首先需要引起重视的依然是数据隐私问题。虽然在联邦学习整个训练过程中，用户数据始终都保持在本地，与中心服务器交互的只是梯度或者本地模型，但有研究表明，攻击者通过用户上传的更新模型依然可以推测出用户的部分隐私信息。

  • 2021-12-30
  • 阅读86
  • 下载0
  • 5页
  • docx

分布计算大数据机器学习系统研究进展

要实现高效的大数据机器学习，需要构建一个能同时支持机器学习算法设计和大规模数据处理的一体化大数据机器学习系统。研究设计高效、可扩展且易于使用的大数据机器学习系统面临诸多技术挑战。近年来，大数据浪潮的兴起，推动了大数据机器学习的迅猛发展，使大数据机器学习系统成为大数据领域的一个热点研究问题。介绍了国内外大数据机器学习系统的基本概念、基本研究问题、技术特征、系统分类以及典型系统；在此基础上，进一步介绍了本实验室研究设计的一个跨平台统一大数据机器学习系统——Octopus（大章鱼）。

  • 2021-12-30
  • 阅读100
  • 下载0
  • 35页
  • docx

浅析联邦学习与区块链技术

联邦学习（Federated Learning）是一种使用分布式优化方法来保护多方合作时数据隐私的技术，核心点在于：分布式和数据隐私。在在数据安全和隐私保护的发挥着重要作用。联邦学习不局限于传统的分布式优化问题，也不仅仅是通过传统密码学的同态加密等技术就轻易解决的任务，也并不是分布式优化和密码学的结合。联邦学习应用广泛，涉及技术领域众多，引起了世界范围内学者的广泛关注。

  • 2021-12-30
  • 阅读85
  • 下载0
  • 10页
  • docx

从分布式系统到联邦学习

分布式计算的前身，是“并行计算（Parallel Computing）”。在大数据时代之前，有很多研究工作为了让机器学习算法更快，而利多了多个处理器并行计算。这类工作通常被称为“并行机器学习”，其核心目标是把计算任务拆解成多个小的任务，分配到多个处理器上做计算。各部分是相互独立计算的，也就是“分而治之”。

  • 2021-12-30
  • 阅读84
  • 下载0
  • 6页
  • docx