联邦学习技术应用创新探索.pdfVIP

| 联邦学习技术应用 创新探索 目录CONTE NT 联邦学习简介 01 ➢ 背景介绍 ➢ 联邦学习概念 ➢ 联邦学习分类 ➢ 与其他隐私保护计算技术 联邦学习技术创新探索 02 ➢ 创新探索一：不同技术架构灵活适应不同的业务场景需求 ➢ 创新探索二：抗数据污染或恶意窃取的新数据检测方法 ➢ 创新探索三：抗成员推断攻击的联邦线性模型在线推理 ➢ 创新探索四：针对纵向联邦学习的异步优化方法 ➢ 创新探索五：参与方在联邦学习系统中对模型的价值贡献 | | 01 联邦学习简介 ➢ 背景介绍 ➢ 联邦学习概念 ➢ 联邦学习分类 ➢ 与其他隐私保护计算技术 | 背景介绍 | Background Introduction DATA “数据孤岛”现象普遍存在 政府 行业 数据 数据 运营商 数据 彼此独立的 数据孤岛 政府数据孤岛群 运营商数据孤岛群 行业数据孤岛群 联邦学习概念 | Federated Learning Definition 联邦学习或联邦机器学习，是实现在本地 原始数据不出平台的情况下，通过对中间 加密数据的流通和处理来完成多方联合的 机器学习训练和预测。其设计目标是在保 障大数据联合价值开发时的数据安全、保 护终端数据和个人数据隐私、保证合法合 规的前提下，在参与多方或多计算结点之 间开展高效率的机器学习，实现数据可用 不可见。 联邦学习分类 | Federated Learning Classification  横向联邦学习 可简单理解为建模算法在不同分段数据上进行训练和合并。  纵向联邦学习 可简单理解为将建模算法拆分为不同模块，分别在各数据提供方进行训 练，期间需要中间参数交互。 与其他隐私保护计算技术