1樓:
如果不考慮隱私和安全性,橫向聯邦學習對應多工學習,縱向聯邦學習對應多檢視學習,剩下聯邦遷移學習對應傳統遷移學習。若不考慮隱私和安全性問題,相關的研究已經很多了。現在是考慮安全和隱私的情況下,對訓練過程有了新的要求。
2樓:京東科技風險演算法與技術
從產業視角來看,工程思路做聯邦學習遠遠不夠:
1)安全性問題,產業資料涉及使用者隱私相關的合規性、資料資產流失兩個方面的顧慮,需要密碼學理論證明,以及定製研究;
2)時間複雜度問題,現有聯邦演算法的耗時是傳統演算法的100倍,需要對演算法進行優化,這涉及環境約束的最優化研究;
3)網路頻寬問題,現有的聯邦演算法推薦頻寬是100M,這是很多企業無法提供的,比如銀行常見頻寬只有2M,那這裡涉及到加密通訊技術的研究優化。
從定義上看,聯邦學習是隱私保護的分布式機器學習,涉及密碼學、分布式、機器學習三個學科的交叉。回頭看問題的細節,「資料並行」和「分段訓練」是分布式和機器學習的概念,還比較片面。事實上,我們還需思考下隱私保護技術(密碼學)如何糅合進來,進行整體的優化,這就是很複雜的系統科學了。
期待學術大咖們幫我們產業界提供更多NB的工具。
3樓:哈哈哈
存在價值的話,我覺得聯邦學習是機器學習真正應用在現實中的正規化,如何對分散並被保護的資料集進行模型訓練是剛需。聯邦學習裡涉及到的技術,王晉東不在家回答得挺全面了,總之,這是個很有深度的領域,未來前景很大。
機器學習 深度學習以及強化學習在金融領域有哪些應用?
GorgeousShar 據我所知,兩年前就有人做量化投資方面的交易了,但是收益嘛。因為資料一般是波段操作,這就導致了目前需要進行一些監督,並且演算法有限,現在還有些距離,個人期待AutoML能夠解決這個問題 gutu Granth 瀉藥,反洗錢反欺詐領域有很大的運用,NLP 之類演算法在這方面應用...
機器學習領域有哪些適合新手學習的 GitHub 專案?
星空 請點開看,絕對好教程。Hands on Machine Learning with Scikit Learn,Keras and TensorFlow 上面是今年5月份剛出的第二版,新增加了keras,並用了最新的tensorflow2.0,你也知道的,前幾天谷歌才發布了tensorflow2...
在機器學習領域,GPU可以加速的場合?
秦二 CPU是序列計算能力強,所謂多核,頂級伺服器邏輯核心88個了不起了。GPU的特點是並行浮點計算能力強,頂級GPU中有三千多個流處理器,顯然GPU更符合機器學習的特點。如果你的計算符合這個特點,比如存在許多路互不相干的計算,那麼GPU就比較合適,圖形影象的運算就比較符合這個特點。當然,GPU並不...