联邦机器学习：概念与应用
人工智能
2019-02-14 v1 密码学与安全
机器学习
摘要
当今的 AI 仍面临两大挑战。其一是大多数行业中的数据以孤岛形式存在。其二是数据隐私与安全性的加强。我们针对这些挑战提出了一种可能的解决方案：安全的联邦学习。在 Google 于 2016 年首次提出的联邦学习框架之外，我们引入了一个全面的安全联邦学习框架，包括横向联邦学习、纵向联邦学习和联邦迁移学习。我们给出了该联邦学习框架的定义、架构与应用，并对该主题的现有工作进行了全面综述。此外，我们提出基于联邦机制在机构间构建数据网络，作为在不损害用户隐私的情况下实现知识共享的有效方案。
引用
@article{arxiv.1902.04885,
title = {Federated Machine Learning: Concept and Applications},
author = {Qiang Yang and Yang Liu and Tianjian Chen and Yongxin Tong},
journal= {arXiv preprint arXiv:1902.04885},
year = {2019}
}