2022联邦学习全球研究与应用趋势报告.pptx

联邦学习全球研究与应用趋势报告2022

ClicktoeditMastertitlestyleClicktoeditMastersubtitlestyle

人工智能之联邦学习2022联邦学习全球研究与应用趋势报告1.报告说明自上期《联邦学习全球研究与应用趋势报告》发布以来，联邦学习领域在科研成果持续增长的同时，其行业环境越来越规范化。尤其是随着《数据安全法》、《关键信息基础设施安全保护条例》、《个人信息保护法》等政策的陆续发布实施，安全行业界对信息安全与隐私数据的重视再度升级，将深度影响到联邦学习研究和应用的发展动向和趋势。因此，我们对报告进行了更新，旨在寻找与展示最新发现。DeepNetworksusingModelAveraging[2]中最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，后经香港科技大学与微众银行杨强教授所领导团队在2018年将其扩展为机构间B2B分布式联合建模架构，包括按样本、特征分割以及异构多方建模，同时可以建立去中心协调器的Peer-to-Peer架构形式，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率，安全、可靠的机器学习。联邦学习同时包括鼓励多方持续参与合作生态的激励机制，建立正向激励的数据价值交易市场机制。当下，联