注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 联邦学习安全与隐私保护研究综述

  2. 数据孤岛以及模型训练和应用过程中的隐私泄露是当下阻碍人工智能技术发展的主要难题。联邦学习作为一种高效的隐私保护手段应运而生。联邦学习是一种分布式的机器学习方法，以在不直接获取数据源的基础上，通过参与方的本地训练与参数传递，训练出一个无损的学习模型。

  3. 所属分类：机器学习

    • 发布日期：2020-08-08
    • 文件大小：1048576
    • 提供者：syp_net

  1. 联邦学习安全与隐私保护综述

  2. 联邦学习是一种新型的分布式学习框架，它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。

  3. 所属分类：机器学习

    • 发布日期：2020-11-16
    • 文件大小：1048576
    • 提供者：syp_net