联邦学习
与“联邦学习”的相关热搜词：
相关“联邦学习” 的资讯24篇
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
天冕科技获得联邦学习新专利，助力企业高效联合建模
一站式金融科技服务商天冕科技宣布获得一项名为“用户分类方法、装置、电子设备及可读存储介质”的专利授权。该专利针对联邦学习场景下数据集选择效率低、建模成功率不稳定的行业痛点，创新性地提出了一套智能化数据集推荐机制，通过标签化分类与动态评分算法，显著提升多方联合建模的效率与精准度。此次新专利的落地，将加速构建开放、高效的联邦学习生态，助力更多企业打破数据孤岛，释放数据要素价值。
-
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?
