联邦机器学习

联邦学习

联邦学习

机器学习框架,保护数据隐私安全级合法合规的基础上,实现共同建模,提升AI模型的效果;

  1. GOOGLE
  2. FATE

商业化价值

端训练->模型参数->上传->训练

分类

  1. 横向
    1. 业态相同或相似,
    2. 特征重叠多,用户重叠少
    3. 性能指标;无限接近联合学习的结果
  2. 纵向
    1. 带来一些危害
    2. 特性
      1. 用户相同或相似
      2. 特征重叠少,用户重叠多
      3. 特征联合
    3. 计数架构
      1. 样本对齐,基于加密技术
        1. 把id对齐,通过加密(同态加密)
      2. 加密训练
    4. 联邦线下回归
      1. xgboost
      2. c
  3. 联邦迁移学习
    1. 也太用户均交际较少
    2. 特征、用户重叠少

应用生态

  1. 隐私保护
  2. 模型
    1. 决策树
    2. 随机森林
    3. 线性回归
  3. 增效
  4. 其它技术
    1. 分布式技术
    2. 推荐系统
    3. 自然语言处理
    4. 计算机视觉
  5. 平台
    1. 微众银行
    2. 谷歌
    3. 百度
    4. 字节
  6. 场景

独立同分布,

相关法律

  1. 中华人民共和国网络安全法
  2. 中华人民共和国数据安全法
  3. 中华人民共和国个人信息保护法
打赏
  • 版权声明: 本博客所有文章除特别声明外,均采用 Apache License 2.0 许可协议。转载请注明出处!
  • © 2019-2022 guoben
  • PV: UV:

微信