原创力文档- 1、本文档共29页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
ThenameoftheDepartmentBeijingForestStudio
北京理工大学信息系统及安全对抗实验中心部门名称
联邦学习
硕士研究生王殿元
2020年06月07日
内容提要
•背景简介
•基本概念
•算法原理
–纵向联邦学习+SecureBoost
–横向联邦学习+Fedavg
•应用总结
•研究展望
•参考文献
2
预期收获
•预期收获
–1.了解横向、纵向联邦学习的基本思想
–2.理解纵向联邦学习框架下SecureBoost的算法原理
–3.理解横向联邦学习框架下Fedavg的算法原理
–4.了解联邦学习的应用前景
3
背景简介
•AI成功秘诀
computingpowerbigdata
21
1ZB=10
Inteli386
20080.5ZB
Inteli486
IntelPentium20101.2ZB
Intelcore
20122.0ZB
NVIDIAGPU
20158.5ZB
Theworld’smostvaluableresource
GoogleTPUisnolongeroil,butdata.
《TheEconomist》-May2017
202040ZB
——来自互联网数据中心(IDC)4
背景简介
•数据监管
–严格化、全面化、密集化
–全球化
•欧盟GDPR、美国CCPA
5
背景简介
•数据孤岛
–独立存储，独立维护，彼此间相互孤立，形成了物理上的孤岛
6
基本概念
•联邦学习的思想
–联邦学习（FederatedLearning）在2016年由谷歌最先提
出，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的机器学习，解决数据孤
文档评论（0）