联邦学习(Federated Learning)是一种新兴的人工智能基础技术,在 2016 年由谷歌最先提出,原本用于解决安卓手机终端用户在本地更新模型的问题,其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习。其中,联邦学习可使用的机器学习算法不局限于神经网络,还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。
【资源】联邦学习相关文献资源大列表
专知
10+阅读 · 2020年2月25日
GMIS倒计时14天,一场大会看懂2019人工智能最前沿
七月在线实验室
0+阅读 · 2019年7月5日
CCCF专栏 | 联邦学习
中国计算机学会
26+阅读 · 2018年11月19日
联邦学习攻防研究综述
专知
2+阅读 · 2022年7月15日
ECCV 2022 | FedX: 在无监督联邦学习中进行知识蒸馏
CNCC技术论坛丨联邦学习冲刺人工智能“最后一公里”!
参考链接
微信扫码咨询专知VIP会员