想了解如何兼顧資料共享與隱私安全?
讓你腳踏實地,將理論知識深化為實踐能力!
★金融業工程師 實戰必備
★專案實作、延伸領域 一應俱全
▍本書介紹
隨著社會發展,資料隱私安全的關注度正不斷提高,資料擁有者極力反對無限制計算和使用敏感性資料。在未經許可下,隱私資訊若被商業機構利用即被視為違規,而不同領域間的資料分析也將變得越來越困難。
聯邦學習正是解決這些挑戰的關鍵技術。過去幾年不論在研究領域或產業領域,都見證了聯邦學習從無到有、由面對質疑到逐步嶄露頭角的過程。聯邦學習以同態加密等方法來保證本地訓練資料的隱私,同步實現多個資料擁有者協同訓練一個共用的機器學習模型。根據不同的應用場景,逐步發展出了橫向聯邦學習、縱向聯邦學習、聯邦遷移學習等類型。
本書不僅限於背景歷程、演算法模型、平台框架、應用實戰,更延伸至電腦視覺、自然語言處理等領域的思考與展望,是新一代AI工程師必備的技術參考。
▍本書特點
.FinTech和深度學習結合
.新一代機器學習,更安全穩定快速
.聯邦學習演算法,模型實作及多種演算法
.使用聯邦學習的推薦系統
.Docker/K8s的聯邦學習平台架設運行
.信用卡/保險評鑑機制的建立
.聯邦學習在電腦視覺、NLP、醫療、物聯網的實作專案