首页 > 关键词 > 联邦学习最新资讯
联邦学习

联邦学习

中国的研究人员提出了一种基于联邦学习的新型微X射线衍射图像筛选方法,旨在提高筛选效果同时保护数据隐私。工业矿物通过同步辐射X射线微衍射服务来检测其晶体杂质,包括结晶度和可能的杂质。这种创新系统的联邦学习能力将有助于消除数据交换的非技术障碍。...

特别声明:本页面标签名称与页面内容,系网站系统为资讯内容分类自动生成,仅提供资讯内容索引使用,旨在方便用户索引相关资讯报道。如标签名称涉及商标信息,请访问商标品牌官方了解详情,请勿以本站标签页面内容为参考信息,本站与可能出现的商标名称信息不存在任何关联关系,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述反馈文件后,将会依法依规核实信息,第一时间沟通删除相关内容或断开相关链接。

网络媒体对“联邦学习”描述

新兴的人工智能基础技术

加密的分布式机器学习技术

分布式加密机器学习

分布式的机器学习范式

加密的分布式机器学习范式

新兴的技术范式

机器学习框架

机器学习设置

知识联邦的一个子集

近年来新兴的分布式机器学习技术

训练模型的机器学习设置

AI研究领域的新兴方向

AI领域一个非常新兴的方向

Angel 平台正在考虑的发展方向

Forrester技术洞察中的重要技术方向之一

To C + 数据水平切分的场景

「闭环」的学习机制

人工智能新技术

人工智能领域中的一个学科

人工智能领域引人注目的方向之一

今年AI领域的热词之一

传统的集中式监督和半监督学习架构的一个补充

保护用户数据隐私的有效技术

分布式加密机器学习技术范式

分布式机器学习 技术

分布式机器学习方法

分布式的加密机器学习算法框架

分布式的机器学习技术

分布式的机器学习算法

分散学习方法

搜索引擎对“联邦学习”的分析

  • 提出:
    2016年
  • 工业级开源框架:
    FATE
  • 出版:
    电子工业出版社
  • 设计目标:
    在保障大数据交换时的信息安全
  • 用于:
    解决安卓手机终端用户在本地更新模型
  • 作者:
    杨强
  • 目标:
    在保证数据隐私安全
  • 优势:
    保证数据不出户

网友给“联邦学习”贴的标签

  • Federated Learning
  • FL
  • 联合学习
  • 技术
  • 基础技术
  • 人工智能基础技术
  • 机器学习技术

与“联邦学习”的相关热搜词:

相关“联邦学习” 的资讯3649篇

  • 保护隐私!中国研究人员提出基于联邦学习的 μXRD 图像筛选方法

    中国的研究人员提出了一种基于联邦学习的新型微X射线衍射图像筛选方法,旨在提高筛选效果同时保护数据隐私。工业矿物通过同步辐射X射线微衍射服务来检测其晶体杂质,包括结晶度和可能的杂质。这种创新系统的联邦学习能力将有助于消除数据交换的非技术障碍。

  • 联邦学习更新换代 百融云创持续加码营造安全计算生态环境

    数字技术的不断应用和创新,不仅带来了生产、生活等方面的全新变革,也加速推动了产业金融数字化转型。随着金融行业数字化进程的加快,隐私计算成为了业界广泛探索的新技术方向,也成为国家金融科技战略布局中的重要组成部分。百融云创将持续加码在隐私计算领域的探索和创新,通过人工智能持续强化学习,通过前沿算法来支撑金融机构的数字化转型进程。

  • 创新多项隐私计算功能 度小满貔貅平台通过联邦学习金融应用测评

    在大数据时代,数据正在成为推动各行业发展的新引擎。隐私计算技术的出现,则解决了数据流通过程中的安全和隐私难题。度小满注重隐私计算技术创新,不断攻克技术难题,推动隐私计算在金融各场景中的运用,助力金融行业又稳又快发展。凭借多年来在隐私计算方面的积累,度小满自主研发的貔貅隐私计算平台获得了联邦学习金融应用领域认证。度小满创新研发貔貅隐私计算平台近日,度小满貔貅隐私计算平台通过国家金融科技测评中心(银行卡检测中心)联邦学习金融应用测评,获得联邦学习金融应用领域认证。貔貅隐私计算平台是度小满自主研发的、

  • 我来数科(我来贷)联邦学习助力隐私保护

    2020 年,进一步完善集团在相关领域的技术布局,我来数科(我来贷)完成了联邦学习平台从 0 到 1 的突破,搭建了从任务管理、在线推理、操控中心、算法库与联邦基础于一身的学习平台...一方面,我来数科(我来贷)可以实现数据隔离,参与各方的数据不会泄露到外部,满足用户隐私保护和数据安全的需求;另一方面,我来数科(我来贷)通过联邦学习能够保证模型质量无损,保证联邦模型比割裂的独立模型效果好......

  • 火山引擎Jeddak联邦学习平台通过中国信通院联邦学习安全专项权威评测

    2021 年 12 月 21 日,由中国信息通信研究院(简称“中国信通院”)等单位主办的数据安全产业峰会成功召开。在会议现场,中国信通院公布了第十三批大数据产品能力测评结果,字节跳动安全研究团队推出的"火山引擎Jeddak联邦学习平台",作为参加评测的六个联邦学习产品之一,通过了中国信通院的“联邦学习安全专项评测”。“联邦学习安全专项评测”以中国信通院《基于联邦学习的隐私计算产品安全测试标准》为依据,从算法?

  • “2021最佳AI数智化年度榜单”揭晓,WeLab汇立集团获“最佳联邦学习应用奖”

    近日,由雷锋网主办的第六届全球人工智能与机器人大会在深圳召开,大会上发布了;:“ 2021 最佳AI数智化年度榜单”,WeLab汇立集团荣获“最佳联邦学习应用奖”,在数据安全与隐私计算领域受到权威认可。据悉, 本次评选,雷峰网经四个月的调研和访谈,最终筛选出数智化领航企业,及其数智化标杆项目,予以嘉奖,WeLab汇立集团从 10 多个行业 1000 多个报名公司中脱颖而出。WeLab汇立集团自 2018 年起开始投入到联邦学习领域的研发

  • 百融云(06608.HK):连获两项联邦学习国家发明专利 打开AI赋能成长新空间

    近日,国内金融SaaS龙头百融云(06608.HK)接连获得两项联邦学习国家发明专利授权:“一种基于纵向联邦的孤立森林训练和预测方法及系统”与“一种基于联邦学习的移动终端信用反欺诈预估方法及系统”。此举意味着百融云(06608.HK)在金融反欺诈领域取得重要技术突破,打开广大金融机构升级数字化应用的增量空间,并填补“金融场景+移动终端”解决方案这一市场空白,为用户提供更安全的AI技术长城。金融机构数字化升级“科技树”上?

  • 联邦学习应用思考:需求还是方法?

    徐葳 清华大学交叉信息研究院长聘副教授、华控清交首席科学家前言:目前,“联邦学习”这个术语在市场上存在很多认识上的误解和混淆,主要原因是其既在广义上表达了保护数据前提下联合多方数据训练模型的需求,又在狭义上表示了一类通过暴露部分数据信息来提升训练性能的方法。有趣的是,作为广义上的需求,它强调为了保护数据安全,可以牺牲部分准确性;但作为狭义的方法,它反而强调通过牺牲安全来换取性能提升。一、初心:联邦?

  • 探索中的隐私计算:天冕联邦学习平台落地案例

    导语联邦学习(Federated learning)在保证数据隐私性的前提下,使用分散在各地的数据,训练机器学习/深度学习模型,从而在遵守隐私保护法律的前提下,通过协作建模,提升机器学习的效率,其在金融、零售、自动驾驶等领域已有广泛应用。正文继《网络安全法》、《数据安全法》、《个人信息保护法》陆续实施之后,国家对网络安全、数据安全、和个人信息安全都有了明文严格的法律法规保护与制约。毫不夸张地说,数据安全已经成为了整?

  • 重磅!天冕联邦学习平台WeFe正式开源!

    9月23日,国内一站式金融科技服务商天冕科技在母公司WeLab汇立集团技术开放日上宣布旗下联邦学习平台(WeFe)正式开源。联邦学习平台以轻量化的部署方案已经成为隐私计算领域备受关注的技术平台之一,其相关的算法、框架算法和产品也逐渐在商业领域成熟。然而基于目前联邦学习平台的数据合作和应用模式,其技术的合规性尚未有清晰界定,不同企业之间的技术路线不尽相同,行业很难有统一的安全评测标准,难以实现共创共赢的目标。WeLab汇立?

  • Excellent!天冕联邦学习平台荣获中国信通院评测

    6 月 24 日,由工信部直属的中国信息通信研究院(以下简称“中国信通院”)主办的“ 2021 大数据产业峰会成果发布会”在京举行,并重磅发布了第十二批大数据产品能力评测结果。其中,天冕联邦学习平台(WeFe)通过了中国信通院的“大数据产品能力评测”,荣获中国信通院颁发的“联邦学习基础能力专项评测证书” 。中国信通院是国内多方安全计算、联邦学习以及多方数据价值挖掘等领域的行业规范制定者,其所开展的“大数据产品能力?

  • 联邦学习驱动数据价值释放 萨摩耶数科助力金融机构提升模型准确度

    2020 年,我国数字经济规模达到39. 2 万亿元,占GDP比重为38.6%,目前位居于世界第二,其增速是GDP的三倍以上。这一组数据来自于中国信息研究院发布的《中国数字经济发展白皮书(2021)》。按前述所言,可毫不夸张地说,数字经济时代已然到来,成经济增长的主要动力。不过,数字经济要想行稳致远,核心前提是维护好安全这一“基石”。毕竟虚拟数字世界不断扩张之时,现实生活中存在着泄露个人隐私的风险。且于 9 月 1 月实施的《数

  • 百融云创积极探索联邦学习技术 保护和规范金融数据使用

    “十三五”以来,伴随新一代信息技术的快速演进,推动数字经济不断发展壮大,使得消费互联、产业互联与金融服务更紧密结合,线上化、数字化、智能化的“非接触服务”逐渐普及。特别是在新冠肺炎疫情倒逼之下,我国金融业积极谋变,数字化转型进程明显加快。提升金融行业的科技水平,增强金融普惠性,是“十四五”期间金融发展的方向。 联邦学习是基于数据隐私保护的安全计算框架,是一系列技术实现的统称,为机器学习、深度学习、

  • 创略科技创始人胡世杰:联邦学习改变下一代AI应用模式

    双面大数据:价值,还是隐私?2016到2020年,我国数字经济总体规模不断扩大,从2016年的22.4万亿元跃升至2020年的41.4万亿元。“数字化”浪潮奔腾而来,作为其基石与核心的数据逐渐成为一种重要生产要素,“数据是宝贵的资产”、“数据是未来的新石油”这样的说法随着数字化成为趋势,在这几年中被反复提及。包括网页搜索浏览记录、购物记录、地理位置信息等在内的互联网生活痕迹,以及各式各样传感器完成的数据采集,飞速增长的数据

  • 天冕科技荣获“联邦学习技术创新机构奖”

    4 月 27 日,由上海市黄浦区金融服务办公室指导,零壹财经主办“ 2021 年零壹财经春季峰会”在上海盛大开幕,有来自银行、证券及金融科技等行业的知名机构参会。天冕科技作为国内领先的一站式金融科技服务商,受邀出席了此届峰会。本届峰会以数字金融为核心,邀请了政府相关部门领导、数字金融领域专家、商业银行及科技企业嘉宾,共同探讨数字金融的创新实践与风险防范等焦点话题,助推数字金融发展。在颁奖环节,天冕科技旗下天冕

  • 联邦学习引领者|星云Clustar上榜2020毕马威中国领先金融科技企业50

    1月18日,全球知名的专业服务机构毕马威(KPMG)在京重磅发布了“毕马威中国领先金融科技50企业”榜单。致星科技(星云Clustar)作为联邦学习先锋企业,凭借全栈式联邦学习技术与服务,与京东数科、恒生电子、陆金所、微众银行、建信金科、旷视、商汤等Fintech和人工智能先行者一同入选此项殊荣。据悉,毕马威中国自2016年始,至今已成功连续举办五届中国领先金融科技50企业评选,以挖掘促进中国金融科技发展的重要力量,加强金融科技的规范发

  • 提供新的保护思路!字节跳动隐私保护论文入选NeurIPS 2020 联邦学习Workshop

    摘要:字节跳动在隐私保护上的最新研究,有利于打消联邦学习上对标签数据安全的顾虑,进一步推动隐私计算的发展。 第三十四届神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems,以下将简称 NeurIPS2020),于 2020 年 12 月中旬在线上举行。在本届会议上,字节跳动联邦学习隐私保护最新研究论文被 NeurIPS2020 的联邦学习 Workshop 接收,并进行了线上分享。 NeurIPS 作为机器学习和计算

  • 联邦学习新时代即将到来?同盾科技FLEX协议开源!

    你还记得大名鼎鼎的超文本传输协议(HTTP)协议吗?作为互联网应用最为广泛的一种网络传输协议之一,它的出现奠定了整个互联网时代数据通信的基础。现在,联邦学习领域的“HTTP协议”也诞生了!由同盾科技人工智能研究院自主研发的标准化联邦交互协议:FLEX(Federated Learning EXchange)近日在全球最大的开源社区平台GitHub上开源,也在人工智能顶会NeurIPS的联邦学习研讨会SpicyFL2020上首次公布。联邦学习的发展即将拉开新的篇章

  • 京东数科推出自研联邦学习平台Fedlearn 可不交换数据进行联合建模

    10月12日消息,近日,京东数字科技集团(简称:京东数科)正式推出自主研发的联邦学习平台——Fedlearn,旨在更好地挖掘数据价值,实现多方共赢的机器学习,在满足数据隐私安全和监管要求的前提下,让人工智能系统更加高效准确地共同使用各自数据的机器学习框架。根据官方的介绍,京东数科Fedlearn平台具有三大特点。第一,在数据和模型隐私方面,不同参与方之间没有直接交换本地数据和模型参数,而是交换更新参数所需

  • 微众银行发布世界头部本《联邦学习》专著,全面解析数据隐私保护难题

    近年来,人工智能已经成为新一轮科技革命和产业变革的重要驱动力量,基于行业大数据进行学习,发现知识,创造价值。 而大数据也已经成为企业和个人最重要的资产,比如对个人而言,它不仅是数字环境中的个人信息收集、使用、整理、处理或共享,更关系到个人在数字世界中的存在,在互联网的急剧发展下,数据安全和隐私边界等也愈加重要。 那么如何在保证用户隐私安全的前提下合法合规获取数据?已经成为当下人工智能大规模应用于产业

  • 飞桨又双叒叕升级前沿技术:量子计算、联邦学习、图神经网络……

    人工智能三要素:算法、算力、数据,持续更进一步,让AI的边界不断拓展。AI工业大生产时代到来,深度学习越来越肩负着人工智能技术突破与行业落地的重任。 5 月 20 日,“WAVE SUMMIT 2020”深度学习开发者峰会在线召开,作为中国深度学习技术极客的年度盛宴,该峰会由深度学习技术及应用国家工程实验室与百度联合主办,而百度飞桨作为中国首个开源开放、功能完备的产业级深度学习平台又一次迎来全平台重磅升级。百度首席技术官、?

  • MobTech探索联邦学习应用 打破数据孤岛及隐私安全问题

    1 月 4 日至 5 日,ECUG For Future(以下简称:ECUG) 2020 开年首场技术峰会在杭州成功举办。MobTech数据挖掘专家、MobAl算法专家林淼哲参与大会,并作为分享嘉宾带来人工智能领域的实战经验之谈。据悉,ECUG技术大会是由ECUG社区主办一年一度的技术盛会。每年会有众多领域内权威技术大神纷纷报名参与。自 2007 年起发起至今已迈入第 13 个年头,集结了一批具有高端视角并仍醉心于技术本身的同仁,共同关注云计算前沿技术的新成果?

  • 微众银行分布式机器学习算法“联邦学习”的三种学习模式

    2019 年世界人工智能大会在上海世博会中心拉开帷幕,海内外大咖齐聚,学术界、工业界交汇,共同讨论人工智能的未来。“联邦学习”,英文叫“Fed-erated Learning”,数据的各个拥有方,在各自数据不出本地的情况下建立模型,并且让这个模型能够共享,那么在建立模型的过程中便不会侵犯用户的隐私,整个建模的过程就叫联邦学习的框架和算法。微众银行首席人工智能官杨强教授也在大会中表示:联邦学习已经成为AI在学术界和工业界的新

  • 美国联邦机构或对OpenAI与微软关系展开反垄断调查

    一对联邦机构可能计划对OpenAI与Microsoft的关系进行调查究竟是美国司法部还是联邦贸易委员会发起尚未明确。根据《Politico》引述知情人士的消息称,这两个机构已经在讨论是否对OpenAI进行反垄断调查的问题上进行了数月的磋商,尽管FTC和DOJ都不愿意放弃对此事的司法管辖权。40%的高收入消费者担心过于依赖技术29%担心AI侵犯他们的隐私。

  • 美国联邦机构提出1200个AI用例,但只有少数得以实施

    美国联邦机构看到在其日常工作中使用人工智能工具的许多可能性,但实际上只有其中一小部分被付诸实践。周二发布的一份报告显示,审计署发现20个非国防机构在政府中鉴定了超过1,200种用例,但它们只实施了其中约16%的人工智能用例。他们还接受了总统国家安全团队的机密情报简报,重点关注“人工智能的国际维度和能力”。

  • 美国联邦贸易委员会授予自身更多权力,推动AI调查进程

    美国联邦贸易委员会最近以3-0的投票通过了一项决议,授予自身在涉及使用或声称由人工智能驱动的产品和服务的调查中使用强制程序的权力。这一机制使得FTC能够要求获取相关文档。FTC正在调查OpenAI的ChatGPT软件,以查看其是否违反与数据隐私或声誉损害相关的消费者保护法。

    AI
  • 马斯克呼吁成立人工智能联邦部门:本次国会山会议可能载入史册

    特斯拉CEO埃隆·马斯克在国会山峰会后与记者交谈时呼吁成立人工智能联邦部门。这次高调的技术领袖、活动家和研究人员的峰会上,马斯克与OpenAI的CEOSamAltman和谷歌的CEOSundarPichai等其他科技高管一起分享了他的想法。但与会者表示,关于政府应该扮演的角色以及立法细节的共识仍然难以达成。

  • 美国联邦选举委员会可能会在2024年选举前限制政治广告使用AI

    本文概要:1.美国联邦选举委员会可能会制定规则,限制人工智能生成的内容在政治广告中的使用。2.倡导组织“公共公民”呼吁禁止候选人和政党使用人工智能歪曲对手。请愿书提交联邦登记册后,公众将有60天的时间发表评论。

  • 天冕科技联邦SQL分布式数据连接和查询功能正式上线

    随着数字化时代的到来,企业和组织之间的数据交流变得越来越频繁和重要。不同企业可能拥有各自的数据资源这些数据资源可能包含了有价值的信息,可以为其他企业和组织提供洞察和决策支持。在医疗领域,不同医院之间可以使用联邦SQL查询和分析患者的医疗数据无需将敏感数据集中到一个位置,从保护患者隐私。

  • 苏黎世联邦理工学院推出 LMQL:一种用于语言模型交互的编程语言

    近日来自瑞士的研究人员提出了语言模型编程这一前沿概念。通过将语言模型提示的范围扩展到简单的文本提示之外,LMP提供了两种方法的自然混合。他们通过案例研究证明了自己的观点,展示了如何将复杂的提示方法转化为简单、清晰、快速的LMQL代码,从可以将计算费用削减多达80%。