邦学习(Federated Learning，FL)，是机器学习的一种延伸，使用分布式的 方式让模型在不同数据源进行训练...
《联邦学习》是2020年电子工业出版社出版的图书，作者是杨强、刘洋等。在《联邦学习》中，我们将描述联邦学习（亦称联邦机器学习）如何将分布式机器学习、密码学、基于金融规则的激励机制和博弈论结合起来，以解决分散数据的使用问题。内容简介 《联邦学习》凝聚了杨强教授团队的多年学术成果和工程经验 图书目录 序言i 前...
《联邦学习：原理与算法》是2021年人民邮电出版社出版的图书，作者是王健宗、李泽远、何安珣、王伟。内容简介 数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下, 联邦学习(Federated Learning) 作为一种新兴的机器学习技术范式, 凭借其突出的隐私保护能力,展示出在诸多业务场景中的应用价值。本书从联邦学习的...
是电子工业出版社出版图书，作者是杨强 等。涵盖了联邦学习落地的一手应用案例，配以Python代码、阐述FATE平台的使用 内容简介 《联邦学习实战》以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。图书目录 第一部分联邦学习基础 第1章 联邦学习概述/3 1.1 数据资产的重要性/4 1.2 ...
《深入浅出联邦学习：原理与实践》是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。内容简介 这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。作者是人工智能领域的专家，现任某大型金融集团科技公司联邦学习团队负责人。 全书共9章，分为4个部分。第1部分 基础（第1~2章）主要...
算法部分包含横向联邦、纵向联邦等不同的数据建模方式，重点讨论了联邦学习由于数据异质性和设备异质性带来的算法稳定性、隐私性挑战及其解决策略，这对每一个联邦学习框架设计者来说都是至关重要但却容易忽略的部分；实践部分介绍了当前主流的联邦学习框架，并进行对比，然后给出相同算法的不同实现供读者比较。《联邦...
《联邦学习原理与应用（全彩）》是2022年电子工业出版社出版图书，作者是向小佳等。基于多年在金融科技领域的经验提炼，联邦学习算法+应用+平台搭建+实践+应用案例+FATE 内容简介 从联邦学习发展的背景、技术方法和工具的原理、落地实践的详细过程、与金融业务相关的应用案例、应用展望等方面，多角度、多层次地展示联邦...
联邦学习像“数据孤岛”之间的特殊桥梁，通过传输变换后的临时变量，既能实现模型效果提升，又能确保隐私信息的安全。本书介绍了联邦学习技术的原理和实战经验，主要内容包括隐私保护、机器学习等基础知识，联邦求交、联邦特征工程算法，三种常见的联邦形式，以及工程架构、产业案例 、数据资产定价等。图书目录 第1章 / ...
2024年07月01日，《隐私计算—联邦学习产品性能要求和测试方法》实施。起草工作 起草单位：中国信息通信研究院、深圳市腾讯计算机系统有限公司、华控清交信息科技（北京）有限公司、上海富数科技有限公司、蚂蚁科技集团股份有限公司、北京数牍科技有限公司、北京百度网讯科技有限公司、京东科技信息技术有限公司、深圳市洞见智慧...