官网首页 | 您好,欢迎光临电子工业出版社有限公司!

首页  >  科技  >  计算机  >  计算机科学

联邦学习  

著        者:Qiang Yang,et al

作  译  者:杨强 等

出版时间:2020-05 千 字 数:229 版     次:01-01 页 数:208

开       本:16开 装      帧: I S B N :9787121385223

换       版:

纸质书定价:¥89.0

库存:有

分享到:

共有图书评论0条 【查看评论摘要】       

看了又看

内容简介

目 录

前 言

上架建议

作者简介

获奖信息

编辑推荐

音视频专区

如何在保证本地训练数据不公开的前提下,实现多个数据拥有者协同训练一个共享的机器学习模型?传统的机器学习方法需要将所有的数据集中到一个地方(例如,数据中心),然后进行机器学习模型的训练。但这种基于集中数据的做法无疑会严重侵害用户隐私和数据安全。如今,世界上越来越多的人开始强烈要求科技公司必须根据用户隐私法律法规妥善地处理用户的数据,欧盟的《通用数据保护条例》是一个很好的例子。在本书中,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。我们会介绍不同种类的面向隐私保护的机器学习解决方案以及技术背景,并描述一些典型的实际问题解决案例。我们还会进一步论述联邦学习将成为下一代机器学习的基础,可以满足技术和社会需求并促进面向安全的人工智能的开发和应用。

  
 

对不起,暂无音视频资源!

查看更多 > 图书评论

暂无评论

发表图书评论
评论标题:
评论内容:
验 证 码:
看不清楚
点击刷新
 

您还没有登录,请登录后再评论。

购买过本书的顾客还买过