|
2019年3月26日3月24日,由CCF主办,微众银行及深圳大学微众金融科技研究院协办的“CCFTF14期研讨会”在深圳大学举办,此次会议的主题为“联邦学习技术及数据隐私保护”。 随着国际国内数据隐私保护成为新趋势,数据共享变得更加困难,如何在保护数据隐私前提下开展AI大数据研究?“联邦学习”可以打破“数据孤岛”具体应用在AI领域。聚焦“联邦学习
2019年10月8日为了解决这样的数据困境,“联邦学习”(Federated Machine Learning)作为一种加密的分布式机器学习范式被提出来,可以使得各方在不披露原始数据或数据加密形态下达到共建模型的目的。即在不违反数据隐私法规的情况下,连接数据孤岛,并建立性能卓越的共有模型。 在3月份CCF TF14期已经介绍了“联邦学习”相关技术的背景下,本...
2022年10月8日联邦学习便是在这种环境下诞生的技术。联邦学习是一种分布式机器学习技术，核心思想是在多个数据源共同参与模型训练时，不泄露原始数据的前提下，仅通过交互模型中间参数进行模型联合训练。简单来讲就是，我们之前在中心化大数据平台下进行的分布式学习，是所有人把数据汇集在一块，大家进行联合的AI模型构建。而联邦学习解...
联邦学习是如何进行具体应用的?“共同富裕”是如何达成的?还会带给我们怎样的惊喜?CCF TF14期研讨会期待和业界的“探索者们”一起探讨这些问题。
2021年10月14日第四范式副总裁涂威威分享了他对于隐私计算在AI产业应用中的一些思考。在他看来，随着AI真正落地的临近，隐私计算相关技术仍面临诸多难点与痛点。探索数据安全新技术，建设数据流通共享新机制，覆盖AI技术应用过程中对数据安全、数据隐私的新挑战正在成为当下迫在眉睫需要解决的问题。成都大数据集团总经理顾勤进行了《助力...
2022年5月10日FedAI联邦学习 安全互联打破数据孤岛,合作联盟建立数据生态 来自专栏 · 行业资讯 本周要点 从近期新闻来看,隐私计算不只是在政策方面得到大力支持,在实际应用方面,多个行业尤其是金融行业落地速度在加快。 从政策方面,《“十四五”广告产业发展规划》发布。《规划》提出,要“统筹数据开发利用、隐私保护和公共安全,加快...
2021年8月27日联邦学习与迁移学习也被Gartner列入“2020年数据科学与机器学习技术成熟度曲线”,标志着技术从实验室研究阶段进入大规模工业落地阶段。 此次研讨会重点关注大数据时代的隐私保护与安全,从迁移学习和联邦学习的优化和提升起步,围绕政策中的联邦学习、行业中的联邦学习、技术革新中的联邦学习等多维度生态展开,不仅对迁移学习...
2022年12月16日隐私泄露直接威胁国家安全和经济发展,解决数据要素流动与隐私保护之间的矛盾成为服务国家数字经济战略的一项重要挑战。为实现“原始数据不出域、数据可用不可见”,传统隐私脱敏技术正在融合人工智能与数据安全方法,形成以联邦学习为代表的新型隐私计算框架。 CCF学科前沿讲习班 ...
2025年3月27日而在隐私计算中,存在着一种重要的技术范式——联邦学习,通常可以理解为两个或以上的参与方共同参与,在保证数据方原始数据不出本地的前提下,协作构建并适用深度学习的模型的人工智能技术。 联邦学习自2016年首次由谷歌(Google)提出、2018年由微众银行引入国内并率先在 B端进行创新应用以来,逐渐成为一种解决合作中数据...
2024年10月22日该系统在充分保护消费者隐私和监管合规的前提下实现了云际数据融合应用,助力中小机构获得行业数据支持,可在消费者全生命周期管理中利用云际数据隐私协作能力开展黑灰产治理活动,解决了金融黑灰产治理缺乏数据支持和缺乏工具的难题,大大提升了金融黑灰产曝光的几率,压缩了非法代理维权机构的生存空间,预防了专业金融黑产机构...
