“羊吃草”论数据隐私保护难题破解之道？ 世界第一本联邦学习专著问世

看到这本书的封面插画，你是否以为即将面对一本童话故事书？

实际上，这本书“意义重大”，绝非童话，是用“羊吃草”的比喻给我们解释：大数据时代，人工智能在隐私安全前提下实现数据合作的最优解决方案。这就是世界上第一本“联邦学习”专著——《Federated Learning》（英文版）/《联邦学习》（中文版），由微众银行首席人工智能官杨强教授及人工智能部刘洋、程勇、康焱、陈天健、于涵等多位人工智能领域顶级专家历时两年，共同编撰而成。

2019年12月，《Federated Learning》由美国Morgan & Claypool出版社出版了英文电子版，2020年1月印刷版问世，属于世界著名的AI丛书系列。2020年5月，中文版正式由电子工业出版社博文视点出版。该书对联邦学习这一人工智能新兴技术进行了系统性阐释，并且全面分享了微众银行在联邦学习领域的深厚积累。

图：中英文书籍封面

 

先了解一下，“联邦学习”是什么？

“联邦学习(Federated Learning）”作为一种加密的分布式机器学习范式，可以使得各方在不披露原始数据的情况下达到共建模型的目的。即在不违反数据隐私保护法规的前提下，连接数据孤岛，建立性能卓越的共有模型。

 

还不懂？让我们先搞明白“联邦学习解决的问题是什么？”

假如你养了一只小羊，想给它吃各种不同营养成分的草料，你需要