TF23-AI联邦学习的最新应用落地

请使用浏览器自带的分享功能,把这篇资料分享出去
  • CCF官网
  • 加入CCF
  • 登录CCF
  • 首页
  • 文章
  • 视频

  • 音频
  • 图片
  • PPT
  • 专辑
  • 高级检索
    CCF
  • 首页
  • 文章
  • 视频
  • 音频
  • 图片
  • PPT
  • 专辑
  • TF23-AI联邦学习的最新应用落地

    TF23-AI联邦学习的最新应用落地

    随着人工智能技术成功突破算法与算力上的限制,数据成为制约人工智能在各行各业实际应用落地的重要因素。一方面,各个企业所拥有的数据被人为隔离为一个个“数据孤岛”,难以聚沙成塔取长补短;另一方面,由于对数据隐私和安全的日益重视,中国和欧美等国的监管法规也对用户数据的交换传输做出了严格限制与规范。 为了解决这样的数据困境,“联邦学习”(Federated Machine Learning)作为一种加密的分布式机器学习范式被提出来,可以使得各方在不披露原始数据或数据加密形态下达到共建模型的目的。即在不违反数据隐私法规的情况下,连接数据孤岛,并建立性能卓越的共有模型。 在3月份CCF TF14期已经介绍了“联邦学习”相关技术的背景下,本期CCF TF将由腾讯、华为、微众、平安等头部企业的代表,着重展示新一代联邦学习技术在各行各业的应用范例。同时,来自学界的研究员还会就联邦学习的激励机制,安全场景等前沿课题做深入探讨。

  • 发表时间
  • 浏览数
  • 发表时间
  • 浏览数
  • 条件筛选
    关键词
    加载更多
    姓名
    加载更多
    资源类型
    加载更多
    前往
    条件筛选
    资源类型
    加载更多
    关键词
    加载更多
    姓名
    加载更多