联邦学习、安全计算是什么关系？

小黄花菜 2022-03-03 10:11:33

联邦学习、安全计算是什么关系？ 

...全文
1907 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

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）来保证参与联邦学习的各方数据安全不泄露。

差分隐私？联邦学习？安全多方计算？它们之间是什么关系？
差分隐私与其他隐私计算技术的联系写在前面的话隐私计算什么是隐私计算？隐私计算发展趋势隐私计算的技术隐私计算体系结构安全多方计算联邦学习可行执行环境差分隐私比较应用场景发展趋势发展展望总结补充 写在前面的话 本文纯属个人笔记，仅供参考。 隐私计算 什么是隐私计算？ 隐私计算（Privacy-preserving computation）是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，保障数据在流通与融合过程中的“可用不可见”。 简单来说就是一个技术体系，其目的是实现数据可用
安全多方计算之十：联邦学习与安全多方计算
联邦学习和安全多方计算都是解决数据隐私保护问题的技术，两者既有联系又有区别。 本文针对两种的基本概念、应用场景、区别与联系进行了详细介绍。
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
联邦学习&云计算&边缘计算的应用场景及异同点
本文主要讲解联邦学习与云计算、边缘计算这三种技术的概念以及三者的应用场景及异同点。 一、联邦学习 联邦学习是一个分布式的机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。其技术能有效解决数据孤岛问题,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,实现AI协作。 根据参与各方数据源分布的情况不同，联邦学习可以被分为三类：横向联邦学习、纵向联邦学习、联邦迁移学习。联邦学习的侧重点是在多方数据不出库的情况，通过加密技术实现多方之间的数据传输
零知识证明与多方安全计算之间是什么关系？
当验证者使坏时，我们要求计算结果必须等同于验证者选择了一个输入或者计算过程中止，考虑不中止的情况，无论 或 或 ，主动安全性（隐藏输入）对证明者的保护表明 的信息不存在于使坏者的视野中（即刻画了零知识性质），这实际上比零知识证明的条件要严格一些（因为零知识性质里只考虑 且 的情况；若验证者的输入答案是 No，则对任意扮演证明者的使坏者（根据定义不同，可能是任意强度的使坏者或者只针对高效使坏者），验证者输出 1 的概率都是可忽略函数。针对使坏验证者的主动安全性里的隐私性基本上对应零知识性质。
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