Federated Learning 联合学习

发表于 | 更新于: | 分类于 ，
字数统计: 256 | 阅读时长 ≈ 1 min
随着个人和企业对数据的重视，大家都害怕“共享”数据，在市场上逐渐形成一座座“数据孤岛”，如何能打破孤岛将大家的数据联合起来提供服务，同时又能保证相互之间对最易复制商品“数据”的独一所有权，这是一个很有意思的研究方向

【等待更新】

背景现状

什么是Federated Learning？

Federated Learning，也叫联邦学习，是一种通过加密混淆技术实现数据安全的分布式联合建模的方法，Federated Learning的基础是安全多方计算，一种分布式密码协议。

安全多方计算是什么？

安全多方计算(Secure Multi-Party Computation, MPC)，1982年由图灵奖获得者姚期智院士提出，协议允许多个数据所有者在互不信任的情况下进行协同计算，输出计算结果，并保证任何一方均无法得到除应得的计算结果之外的其他任何信息。

数学描述为 $P={P_1,…,P_n}$

实现安全多方计算的方法有多种，比如不经意传输协议、秘密共享协议、

不经意传输协议

不经意传输协议(oblivious transfer protocols, OT)

相关技术简介

Federated Learning 的应用

Federated Learning 在企业联合建模中的应用

Federated Learning 在边缘计算的应用

shikanon wechat
欢迎您扫一扫，订阅我滴↑↑↑的微信公众号！