AI之FL：联邦学习(Federated Learning，分布式机器学习技术)的简介(背景/思想/特点/优势/未来展望/发展史)、系统及其架构、场景应用之详细攻略

已于 2023-04-20 21:45:54 修改
阅读量1.8w 收藏 21
点赞数 10
分类专栏： High&NewTech BigData/Cloud Computing 资深文章(前沿/经验/创新) 文章标签： 人工智能 机器学习 联邦学习
于 2019-04-27 22:13:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41185868/article/details/89608594
版权
本文介绍了联邦学习（Federated Learning）的概念，起源于数据隐私保护的需求，旨在在不违反法规的情况下实现数据不出本地的模型训练。联邦学习的发展历程涉及多个里程碑，如Google的早期研究和微众银行的FATE系统。内容涵盖了联邦学习的系统架构、应用场景，如智慧金融中的多头借贷检测和智慧医疗。联邦学习通过加密机制确保数据安全，解决了数据孤岛和隐私保护问题，推动了跨机构合作与模型共建。
摘要由CSDN通过智能技术生成

AI之FL：联邦学习(Federated Learning，分布式机器学习技术)的简介(背景/思想/特点/优势/未来展望/发展史/系统及其架构)、系统及其架构、场景应用之详细攻略

导读：从技术角度来定义的话，Federated learning是一个机器学习框架，它帮助多个组织根据用户隐私保护、数据安全、数据保密性和政府法规，进行有效、协作地使用数据和建模。联合学习可用于许多行业，包括金融服务、物流、供应链、运营商、医疗保健等，旨在通过联合建模和平台服务解决一些最具挑战性的业务问题。
     技术才是硬道理，开源才能建立新生态。

目录

联邦学习的简介

1、联邦学习诞生的背景

2、联邦学习的总结

2.1、案例理解联邦学习的思想

2.2、联邦学习的概述

3、联邦学习发展史

4、Webank的FATE简介

联邦学习系统及其架构

1、联邦学习系统演示

2、联邦学习系统架构

联邦学习的场景应用

1、智慧金融—FL实现检测多头借贷问题

(1)、检测多方借贷

(2)、智慧零售业务

2、智慧医疗—IBM“沃森”

相关文章

了解本专栏 订阅专栏 解锁全文
一个处女座的程序猿
关注
专栏目录
订阅专栏
AI之FL：联邦学习(Federated Learning，分布式机器学习技术)的分类详解(纵向联邦学习/横向联邦学习)、使用方法、实战案例之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
09-21 2896
​ AI之FL：联邦学习(Federated Learning，分布式机器学习技术)的分类详解(纵向联邦学习/横向联邦学习)、使用方法、实战案例之详细攻略 目录 联邦学习的分类详解(纵向联邦学习/横向联邦学习) 联邦学习的使用方法 联邦学习的实战案例 相关文章 AI之FL：联邦学习(Federated Learning，分布式机器学习技术)的简介(背景/思想/特点/优势/未来展望/发展史)、系统及其架构、场景应用之详细攻略 AI之FL：联邦学习(Federated Learning，分布
Federated-Learning:联邦学习
05-17
Federated Learning 人工智能（Artificial Intelligence, AI）进入以深度学习为主导的大数据时代，基于大数据的机器学习既推动了AI的蓬勃发展，也带来了一系列安全隐患。这些隐患来源于深度学习本身的学习机制，无论是在它的模型建造（训练）阶段，还是在模型推理和使用阶段。这些安全隐患如果被有意或无意地滥用，后果将十分严重。 联邦学习是一种 隐私保护、数据本地存储与计算 的机器学习算法。 文献参考 Part 1: Introduction Part 2: Survey Federated Machine Learning: Concept and Applications Threats to Federated Learning: A Survey Survey of Personalization Techniques for Federated Lear
联邦学习——计算机视觉篇（上）
最新发布
qq_45672511的博客
08-14 376
计算机视觉通过利用深度学习工具完成任务，然而，这需要大规模数据集来训练机器学习模型，这给集中式机器学习算法带来了挑战。处理所需的大量计算负载以及与在中央云服务器上存储和处理数据相关的潜在隐私风险使这些算法面临严重压力。为了解决这些问题，联邦学习(FL)作为一种很有前途的解决方案出现了，它允许通过在本地训练模型并交换模型来保护隐私，从而提高整体性能。此外，计算负载分布在多个客户机上，减少了中央服务器的负担。本文详细介绍联邦学习以及其中不同聚合算法的原理和优缺点
联邦学习（Federated Learning）
热门推荐
草棚
04-27 22万+
联邦学习简介 联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，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。其中，联邦学习可使用的机器学习算法不局限于神经网络，还包括随机森林等...
联邦学习（（Federated Learning，FL）
weixin_51306020的博客
07-14 9301
联邦学习相关概念、领域热点、挑战与前景。 联邦学习的定义、特点、框架、迭代流程、分类；领域亟待解决的问题；主要研究方向、热点和前景展望。
Federated Learning (FL)
guojunwu1977的博客
03-15 432
Federated Learning：一种分布式机器学习技术，允许模型在保持数据隐私的前提下进行协同训练。这对于跨多个网络节点共享网络安全防御经验特别重要。Federated Learning (FL) 是一种创新的分布式机器学习方法，允许多个参与者协作训练一个共享模型，同时无需将自己的数据集中到一个中央服务器上，从而保护了数据的隐私和安全。这种技术特别适用于那些对数据隐私有严格要求的场景，比如网络安全、医疗健康、金融服务等领域。
FEDSD具有共享标签分发的医疗联邦学习图像分类
07-23
为了解决这些问题，联邦学习（Federated Learning, FL）作为一种分布式机器学习技术应运而生。它允许不同机构之间共同训练一个全局模型，同时保持数据本地化，避免了数据泄露的风险。 本文介绍了一种新的联邦学习...
应用于真实医疗环境和生命科学领域的人工智能：利用联邦学习解决数据隐私、安全和政策挑战.docx
04-22
联邦学习是一种分布式机器学习技术，它允许不同的组织机构共同训练一个模型，而无需共享原始数据。这种方式极大地减少了数据泄露的风险，并且能够满足严格的隐私法规要求。联邦学习的核心思想是让数据保留在本地设备...
FEDNS：改进协作图像的联合学习移动客户端分类
07-23
联合学习是一种分布式机器学习方法，其核心思想是让多个参与方在不分享原始数据的情况下协同训练一个模型。这一过程中通常会涉及一个中心服务器来协调各客户端之间的通信，并负责收集、聚合客户端更新后的模型参数，...
federated-learning-master.zip
07-03
python+pytorch实现的联邦学习代码。 联邦机器学习是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。联邦学习作为分布式的机器学习范式,可以有效解决数据孤岛问题,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,实现AI协作。
6.TOWARDS FEDERATED LEARNING AT SCALE----SYSTEM DESIGN(Google)(2019.3.22)(1).pdf
07-27
2019/02发布的关于联邦学习的论文 联邦学习是一种分布式机器学习方法，它支持对大量分散数据进行模型训练。基于TensorFlow，我们构建了一个可伸缩的面向移动设备领域的联邦学习生产系统。在本文中，我们描述了最终的高层设计，概述了一些挑战及其解决方案，并触及了开放的问题和未来的方向。
Federated Learning with Classifier Shift for Class Imbalance
qq_43845774的博客
05-11 175
文章提到，为了解决FL中的class imbalance问题，直觉的想法对客户训练数据进行resampling 或者 reweighting是有问题的，因为有些类别很少甚至压根没有。这么做甚至会带来严重的性能下降。跟着推了一遍，确实是这样，6啊，这么简单的事情怎么才被人发现呢！正常实验的话p(y=k)就应该是 1/k。
Federated Learning: 相关
u011279649的专栏
06-20 1006
Federated Learning: The Future of Distributed MachineLearning https://medium.com/syncedreview/federated-learning-the-future-of-distributed-machine-learning-eec95242d897 这篇文章把Federated Learning是什...
详解联邦学习Federated Learning
hellozhxy的博客
04-22 6245
今天我们来讲下最近比较博眼球的联邦学习。应该很多人听过但是始终都没懂啥是联邦学习？百度一下发现大篇文章都说可以用来解决数据孤岛，那它又是如何来解决数据孤岛问题的？对于联邦学习，大部分文章还都处于其学术分享会的报道阶段，并未详细介绍联邦学习的实现方法，难以理解其真容，本篇文章将从技术角度介绍联邦学习。 1、联邦学习的背景介绍 近年来人工智能可谓风风火火，掀起一波又一波浪潮，从人脸识别、活体检验发现刑事案件报警到阿尔法狗大战人类围棋手李世石、再到无人驾驶、以及已被普遍应用的精准营销，AI逐步进入人们生活的方
联邦学习是什么？联邦学习简介
qq_45523675的博客
11-15 1万+
在大多数情况下，数据分散的保存在各个企业手中，而各个企业希望在不公开自己数据的情况下，联合其他企业（利用各个企业所持有的数据）一起训练一个模型，该模型能够帮助企业获取更大的利益。对于收集零散的数据，传统的方法是通过搭建一个数据中心，在数据中心对模型进行训练，但随着越来越多的法律限制加上数据拥有者不愿意透露自己的数据，这种方法已经渐渐行不通了。定义：联邦学习（federated learning），全称联邦机器学习（federated machine learning），为了解决联合训练模型时的隐私问题，提出
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一个处女座的程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值