何看待差分隐私在联邦学习中的应用？

玛上8年 2022-03-03 10:12:29

何看待差分隐私在联邦学习中的应用？ 

...全文
1965 1 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
weixin_38498942 2022-03-03
  • 打赏
  • 举报
 回复

差分隐私可以在数据层和梯度层分别应用在联邦学习中，保护用户隐私安全。但是单独用差分隐私往往会影响训练模型的效果，在安全和模型效果中不能两全。

谈谈联邦学习
联邦学习通过将模型的训练过程移动到用户的本地设备上，避免了将用户数据发送到中心服务器的需求，从而保护了用户的隐私。联邦学习的基本思想是将全局模型的参数分发给用户设备，在本地设备上进行训练，然后将本地设备上更新的模型参数反馈给中心服务器，中心服务器根据接收到的参数更新集成全局模型。虽然联邦学习有很多优点，但它也面临一些挑战。联邦学习（federated learning）是一种机器学习的分布式学习方法，它的目标是通过联合多个设备或者机器学习模型的训练样本，共同训练一个全局模型，同时保护用户数据的隐私。
联邦学习相关问题
联邦学习相关问题 联邦学习和分布式机器学习的区分点是什么？ –数据分布特点。分布式机器学习中数据一般被均匀（iid）的分布至各参与计算节点，目标是通过并行计算提升效率。联邦学习中数据天然的存在于不同领域、机构的数据孤岛中，数据分布差异大，不均匀（Non-iid）。 –分布式学习更关注效率，往往在数据中心进行，数据拥有方是同一个体。联邦学习更关注安全，数据拥有方是多个个体。 联邦学习、安全计算是什么关系？ 安全计算是联邦学习的重要组成部分。联邦学习通过**安全计算原理（差分隐私、同态加密、安全多方计算
微众银行首席人工智能官杨强：可信联邦学习让隐私计算既安全又可用
联邦学习技术在理论和应用上分别面临哪些痛点问题？解决问题的切入角度有哪些，以及与其他隐私计算技术之间如何更好得关联？为解答以上问题，我们采访了杨强教授，看他如何解答。
【联邦学习】杨强教授联邦学习公开课视频及问答整理
​4月13日，咱们微众银行首席人工智能官杨强教授也做客雷锋网，结合最新发布的《联邦学习白皮书v2.0》，对联邦学习研究与应用价值展开了最前沿的讨论和分享。这是雷锋网《金融联邦学习公开课》第一期。这一系列课程将为金融界和人工智能界，输出最前沿、最具实用价值的联邦学习线上系列课。 作为当前人工智能尤其是AI金融领域，最受工业界和学术界关注的研究方向之一。联邦学习有哪些前沿研究与应用？欢迎戳下方视频回顾精彩回放，同时直播PPT内容也上传到了我们公众号【FATE开源社区】（戳我前往查看PPT课件） 视频链接h.
【联邦学习综述：概念、技术】
联邦学习是一种“数据不动，模型动”的学习模式。在联邦学习的过程中，各参与方不需要交换样本数据及其变体，仅需要交换与模型相关的中间数据及其变体，然后由主服务器将中间数据进行安全聚合并反馈给参与方；参与方则负责根据聚合后的模型信息进行己方模型的更新，有效保证 了各参与方的敏感数据的安全性和隐私性，实现了在融合多个参与方的数据所蕴含的知识的同时保护隐私数据。
高通开发者论坛

2,851

社区成员

5,758

社区内容

发帖
与我相关
我的任务
社区描述
本论坛以AI、WoS 、XR、IoT、Auto、生成式AI等核心板块组成，为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页：https://qualcomm.csdn.net/
人工智能物联网机器学习 技术论坛（原bbs） 北京·东城区
社区管理员
  • csdnsqst0050
  • chipseeker
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章