• <blockquote id="22m8u"><input id="22m8u"></input></blockquote>
  • <blockquote id="22m8u"><samp id="22m8u"></samp></blockquote>
  • <blockquote id="22m8u"><label id="22m8u"></label></blockquote>
    欢迎来到-快三平台!
    网站活动:
    最热歌曲 : 异地的我们 - 恒恒 每日歌曲 : 阴阳极 - 苗小青      自己骗自己 - 张作甫      珍爱 - 王鹏      如果可以这样爱 - 边永城      金莲开开门 - 华少瑞明     
    当前位置: 首页 > 教程 > 其它知识 >

    从《知识联邦白皮书》看同盾数据可用不可见理念落地实践

    时间:2020-05-20 21:57来源:网络整理 作者:管理员 点击:

      金融界网站讯  随着数据成为关键生产要素,寻求数据隐私与共享的平衡点成为行业探索新方向。联邦学习做为新兴的技术范式,能够在“数据不出本地”前提下,实现安全数据模型共建与AI协作,而成为各行各业最新研究趋势。近年来,麻省理工学院、加州大学伯克利分校、卡内基梅隆大学、清华大学、浙江大学、谷歌、微软、百度、阿里、腾讯等海内外知名研究机构与企业均进行了相关探索。

      做为国内领先的智能分析决策服务商,同盾科技是较早涉足数据“可用不可见”领域探索的企业之一,并取得多重前沿性成果。同盾科技基于联邦学习提出了“知识联邦”的理论框架体系,支持从信息层、模型层、认知层和知识层四个层级进行联邦,助力数据价值安全共享。近日,同盾知识联邦白皮书重磅发布,白皮书中对知识联邦的背景、定义、平台、挑战、场景应用以及未来发展前景进行了全方位、全景式剖析,为领域探索者提供行业有价值参照。

      知识联邦:实现“数据可用不可见”

      联邦学习是由Google在2016年最先提出,原本用于在用户手机终端构建模型和模型迭代问题,其目的是保障数据交换时的信息安全,;じ鋈耸菀,同时利用手机终端的计算能力,进行多计算结点的高效机器学习。根据联邦学习的数据分布特点,将联邦学习分为跨样本联邦、跨特征联邦和复合型联邦。

      而知识联邦比联邦学习的范畴更大。联邦学习只是知识联邦的一个子集,侧重于安全的联合建模。

      据同盾知识联邦白皮书介绍,知识联邦是一个国产原创、自主可控、全球引领的技术体系,该体系在解决了数据割裂和隐私;の侍獾耐,可以进一步开展跨源跨域的知识发现、表示、归纳、推理和演绎,关注的是安全的、数据到知识的“全生命周期”的知识创造、管理和使用及其监管,设计目标是面向生产环境的完整知识联邦生态系统,致力于推动下一代人工智能。

      知识联邦通过将数据转化成信息、模型、认知或知识,满足数据不可见,再通过联邦的方式实现数据可用;诙喾绞萁邪踩闹豆泊、共享和推理,知识联邦打造出安全的人工智能,实现了“数据的可用不可见”。

      知识联邦:开创数据安全共享技术潮流

      知识联邦白皮书对知识联邦与相关技术进行了深入分析和解读。技术层面,知识联邦采用的是弱中心化的分布式方法,这与传统的强中心化和完全的去中心化有很大差别的。强中心化模式下,中心节点会聚集并保存所有参与方的数据,所有的计算和学习都是在中心节点完成,强中心化方式有数据安全隐患,隐私;し矫嬉埠苣押瞎。去中心化模式没有中心节点,需要所有参与方互联互通。去中心化当节点规模较大时,通信成本很高,达成共识效率低下。而弱中心化模式中原始数据是保留在本地,并且不会离开本地的,计算和学习仍然发生在本地,中心节点仅对参与方模型知识进行安全的聚集。弱中心化模式达成了效率和安全之间的平衡,是一种更切实可行的安全多方应用解决方案。这种模式尤其适合在强监管行业应用,有助于监管部门开展合规监管工作。

    (责任编辑:admin)
    • 共3页:
    • 上一页
    • 1
    • 2
    • 3
    • 下一页
    数据统计中,请稍等!
    顶一下
    (0)
    0%
    踩一下
    (0)
    0%
    ------分隔线----------------------------
                  
    • 听听小编为您选的歌曲吧

    幸运飞艇信誉群公众平台