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

4-4 隐私计算赋能金融企业数字化转型

隐私计算（Privacy computing）是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合，达到对数据“可用、不可见”的目的；在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。

  • 2022-01-20
  • 阅读75
  • 下载0
  • 17页
  • pdf

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88
  • 下载0
  • 38页
  • pdf

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73
  • 下载0
  • 18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79
  • 下载0
  • 5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77
  • 下载0
  • 27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73
  • 下载0
  • 17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79
  • 下载0
  • 16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79
  • 下载0
  • 13页
  • docx