<p id="7f7hp"><ol id="7f7hp"></ol></p>

    <noframes id="7f7hp">

    <p id="7f7hp"><dl id="7f7hp"></dl></p>

            智譜AI&清華大學-2021全球聯邦學習研究與應用趨勢報告-210924

            查看研報人氣榜
            日期:2021-09-24 11:40:32 研報出處:智譜AI&清華大學
            研報欄目:機構資訊 張淼,張建偉,張淳  (PDF) 104 頁 3,899 KB 分享者:成熟***魚
            請閱讀并同意免責條款

            【免責條款】

            1. 用戶直接或通過各類方式間接使用慧博投研資訊所提供的服務和數據的行為,都將被視作已無條件接受本聲明所涉全部內容;若用戶對本聲明的任何條款有異議,請停止使用慧博投研資訊所提供的全部服務。

            2. 用戶需知,研報資料由網友上傳,所有權歸上傳網友所有,慧博投研資訊僅提供存放服務,慧博投研資訊不保證資料內容的合法性、正確性、完整性、真實性或品質;

            3. 任何單位或個人若認為慧博投研資訊所提供內容可能存在侵犯第三人著作權的情形,應該及時向慧博投研資訊提出書面權利通知,并提供身份證明、權屬證明及詳細侵權情況證明?;鄄┩堆匈Y訊將遵循"版權保護投訴指引"處理該信息內容;

            4.本條款是本站免責條款的附則,其他更多內容詳見本站底部《免責聲明》;

            研究報告內容
            分享至:      

              人工智能未來能否可持續發展面臨兩大困境。http://www.studymalaysiaguide.com【慧博投研資訊】

              一是數據困境。http://www.studymalaysiaguide.com(慧博投研資訊)人工智能和機器學習算法具有對數據強依賴的特性?,F實中,多數行業領域存在著數據有限且質量較差的問題,并且以碎片化的形式分散存在,不足以支撐人工智能技術的實現。同時,數據源之間存在著難以打破的壁壘。由于行業競爭、隱私安全、行政手續復雜等問題,數據還多是以孤島形式存在的。此外,研究界和企業界目前的情況是收集數據的一方通常不是使用數據的一方。因此,將分散在各地、各機構的數據進行整合用于機器學習所需的成本非常巨大。

              二是法律挑戰。當前,重視數據隱私和安全已經成為世界性的趨勢,各國都在不斷地推出和加強完善對數據安全和隱私保護的相關法規。歐盟2018年正式施行《通用數據保護條例》(General DataProtection Regulation, GDPR)。在中國,全國信息安全標準委員會先后于2017年12月和2020年3月發布了兩版《信息安全技術個人信息安全規范》(GB/T 35273-2017、GB/T 35273-2020),對個人信息收集、儲存、使用做出了明確規定。此外,在2017年起實施的《中華人民共和國網絡安全法》[7]和《中華人民共和國民法總則》[8]中也指出網絡運營者不得泄露、篡改、毀壞其收集的個人信息,并且與第三方進行數據交易時需確保在合同中明確約定擬交易數據的范圍和數據保護義務。

              針對以上困境,“狹義”聯邦機器學習的概念于2016年由谷歌研究人員首先提出,隨后成為一個解決數據孤島問題、滿足隱私保護和數據安全的一個可行性解決方案[9]。聯邦學習的特征是數據不出本地、各個參與者的身份和地位平等、它能夠實現多個參與方在保護數據隱私、滿足合法合規要求的前提下進行機器學習,協同地進行模型訓練與結果預測,并且建模效果和將整個數據集放在一處建模的效果相同或相差不大(在各個數據的用戶對齊( user alignment )或特征對齊( featurealignment)的條件下),從而實現企業間的數據融合建模,解決數據孤島問題。

              “廣義”聯邦學習的概念,由香港科技大學楊強教授所領導的微眾銀行AI團隊在2018年提出,將聯邦學習擴展為機構和個人間的B2C模式和不同機構間B2B分布式聯合建模架構,包括按樣本、按特征分割以及異構多方建模,同時可以建立去中心協調器的Peer-to-Peer架構形式,其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下,在多參與方或多計算結點之間開展高效率,安全、可靠的機器學習和模型使用。聯邦學習同時包括鼓勵多方持續參與合作生態的激勵機制,建立正向激勵的數據價值交易市場機制。

              如上所述,根據孤島數據的分布特點(用戶與用戶特征的重疊情況),聯邦學習可以分為橫向聯邦學習、縱向聯邦學習與聯邦遷移學習[10]。

              聯邦學習能夠成功的一個重要根基,在于與激勵機制、隱私保護等技術的融合。聯邦學習激勵機制研究的是如何量化每個參與方對數據聯邦帶來的收益,公平地與參與者分享部分收益以此作為激勵,從而實現數據聯邦長期的可持續經營[11]。為了防止惡意攻擊者通過模型反演等攻擊手段復現原始數據,聯邦學習通過與安全多方計算(Secure Multi-PartyComputation, MPC )、同態加密(Homomorphic Encryption, HE)、差分隱私( Differential Privacy, DP )和可信執行環境(Trusted Execution Environment, TEE)等隱私計算技術相融合,進一步提升對數據的隱私保護。聯邦學習與隱私計算技術的融合通常需要在模型精度、模型訓練效率和數據安全性這三個維度之間進行權衡和取舍。如何能夠在這三個維度上得到綜合性的提升,是聯邦學習的一個熱點研究方向。

              聯邦學習作為未來AI發展的底層技術,它依靠安全可信的數據保護措施下連接數據孤島的模式,將不斷推動全球AI技術的創新與飛躍。隨著聯邦學習在更大范圍和更多行業場景中的滲透及應用,它不僅能輔助人類的工作及生活,也將逐步改變人類的認知模式,促進全社會智能化水平提升,并以“合作共贏”的模式帶動跨領域的企業級數據合作,有效降低技術應用的成本和門檻,催生基于聯合建模的新業態,進而推動社會經濟及發展[12]。

              由于目前沒有關于聯邦學習技術發展的權威統計,本報告將主要回顧其從2016年誕生至2020年的技術發展趨勢,作為學者們了解該技術進展的重要渠道。未來我們將定期進行該技術的階段性回顧。

              

            我要報錯
            點擊瀏覽閱讀報告原文
            數據加工,數據接口
            我要給此報告打分: (帶*號為必填)
            慧博智能策略終端下載
            關閉
            如果覺得報告不錯,掃描二維碼可分享給好友哦!
             將此篇報告分享給好友閱讀(微信朋友圈,微信好友)
            小提示:分享到朋友圈可獲贈積分哦!
            操作方法:打開微信,點擊底部“發現”,使用“掃一掃”即可分享到微信朋友圈或發送給微信好友。
            *我要評分:

            為了完善報告評分體系,請在看完報告后理性打個分,以便我們以后為您展示更優質的報告。

            您也可以對自己點評與評分的報告在“我的云筆記”里進行復盤管理,方便您的研究與思考,培養良好的思維習慣。

            當前終端的在線人數: 98807
            掃一掃,慧博手機終端下載!

            正在加載,請稍候...