联邦学习
whoisCong
No matter how talented you are, you can't change the world alone.
Personal website: http://iamcong.com
展开
-
联邦学习 (隐私计算)
联邦学习是一个机器学习框架,能帮助不同机构在满足用户隐私保护、数据安全和政府法规的要求下,进行数据联合使用和建模。具体地说,联邦学习要解决这样一个问题:在企业各自数据不出本地的前提下,通过加密机制下的参数交换与优化,建立一个虚拟的共有模型。这个共有模型的性能类似于将各方数据聚合到一块训练出来的模型。该数据联合建模方案不泄露用户隐私且符合数据安全保护的原则。现在主流用于机器学习的隐私计算方...原创 2019-10-29 11:25:46 · 15657 阅读 · 3 评论 -
论文笔记:Multi-Institutional Deep Learning Modeling Without Sharing Patient Data
论文目的:探究性论文,利用联邦学习结合传统的语义分割深度学习框架UNet,解决医学肿瘤图像识别中数据孤岛与数据隐私问题。并探究最近的三种联合学习技术的优缺点(federated learning (FL) ,institutional incremental learning (IIL), cyclic institutional incremental learning (CIIL) )II...原创 2019-10-24 21:41:11 · 913 阅读 · 0 评论