说起联邦学习，大家再熟悉不过了，由于其能在数据不移动的前提下协同训练一个全局共享的模型，迅速成为了人工智能安全领域的一个研究热点。推荐系统作为人工智能领域最振奋人心的应用之一，与联邦学习相结合的研究也越发受到...
机器之心专栏深圳市洞见智慧科技有限公司 本文阐释梳理了可信执行环境（TEE）的概念定义及发展脉络，剖析 TEE 与基于密码学的隐私保护技术的对比及其在联邦学习中的应用，最后介绍 TEE 的现有框架和相关应用。 随着移动互联...
1月28日，iDASH-2021国际隐私计算大赛结果正式公布，腾讯云Angel PowerFL和腾讯安全联合项目团队提交的方案，凭借领先的模型准确率和最快的推理速度获得差分隐私赛道冠军。在2020年的iDASH可信计算赛道上，腾讯云也斩获冠军，...
从20世纪70年代一直到近年，隐私计算交叉融合了密码学、人工智能、计算机硬件等众多学科，逐渐形成以多方安全计算、联邦学习、可信执行环境为代表，混淆电路、秘密分享、不经意传输等作为底层密码学技术，同态加密、零知识证...
FATE (Federated AI Technology Enabler）是全球首个联邦学习工业级开源框架，它提供一种基于数据隐私保护的安全计算框架，为机器学习、深度学习、迁移学习算法提供强有力的安全计算支持。...
人工智能助力抗疫又添新场景。据报道，英国剑桥爱登布鲁克医院（Addenbrooke’s Hospital）与全球20家医院和医疗科技中心联合医疗科技领军企业英伟达采用人工智能预测新冠肺炎患者从抵院急救起24小时内的氧气需求量。...
12月初召开的 CNCF KubeCon 中国线上虚拟会议上，我们 VMware 云原生实验室的工程师王方驰和社区合作伙伴做了一个演讲分享：用KFServing加速联邦学习模型的部署。该演讲介绍了我们把联邦学习和云原生技术有机结合的方法，...
【1】 Embedding Graph Convolutional Networks in Recurrent Neural Networks for Predictive Monitoring标题：用于预测监测的递归神经网络嵌入图卷积网络链接：https://arxiv.org/abs/2112.09641...
联邦学习也称为协同学习，它可以在产生数据的设备上进行大规模的训练，并且这些敏感数据保留在数据的所有者那里，本地收集、本地训练。在本地训练后，中央的训练协调器通过获取分布模型的更新获得每个节点的训练贡献，但是不访...
