成本与收益是隐私计算运用分析的前提。
报告着眼于联邦学习技术产品、系统、平台等形式的应用的安全，系统介绍了联邦学习应用的安全现状及面临的问题，并提出了联邦学习应用的未来发展建议。
隐私保护联邦学习提供了一种安全的协同工作方式，使参与者可以在不暴露隐私的前提下共享和利用数据，从而提高了数据的可用性和安全性。
本文对联邦学习的工作原理及与其密切相关的技术进行了简要介绍，并系统地总结联邦学习的隐私安全性以及其与区块链结合的研究现状，最后对下一步的研究方向做出了展望。
本文介绍了联邦学习存在的一些威胁例如隐私推理攻击、中毒攻击等，除此之外，还介绍了当前预防这些攻击的方法的最新研究进展。
中国工商银行运用隐私计算中的联邦学习技术，融合工商银行数据与国家外汇管理局青海分局数据进行联邦学习建模，全链路保障合作双方业务数据隐私安全。
本文对联邦学习可能受到的攻击及相应的防御措施进行系统性的梳理。
一文总结联邦图机器学习。
报告总结了信通院对于联邦学习技术、数据应用推广的经验，并深入探讨联邦学习在政务、医疗、金融、广告、物流的应用价值，以期为数据应用价值的释放带来解读和参考。
运营商拥有海量的数据，在保障公司数据资产安全的前提下，研究联邦学习，探索大数据共享协同，可充分促进数据生产要素的流通，发挥数据价值。
报告从科研论文、专利、书籍、行业应用、学者地图与画像、技术发展趋势等多个角度，全景展示和分析了联邦学习技术自从 2016 年被提出以来至 2020 年的重要进展，并展望了该...
作为一种新兴的技术，它有机融合了机器学习、分布式通信、以及密码学与隐私保护理论。
本文结合国信证券的研究和实践，重点介绍了联邦学习在证券行业可行应用场景的探索。
未来大部分有价值数据的流通都需要“隐私计算+”，隐私计算是护航数据安全、保护个人隐私的技术底座。市场即将迎来“十倍速”爆发的拐点。
本文介绍了在不同场景下适用的联邦学习框架，并以逻辑回归为例介绍了纵向联邦学习的几种常用实现方式；此外，对各种实现方式的优缺点及适用场景进行了分析。
对于AI飞速发展的今天来说，大规模的多维度、高质量的数据是其成功的关键要素，也是制约其进一步发展的重要瓶颈。
AI 的反推能力，让隐私保护又陷入了僵局。
本文讨论了一些能够推测梯度信息的技术，及其在常见深度学习任务中的有效性。
银行业可依托联邦学习技术打通企业间数据孤岛，加大反欺诈监控响应的力度，大幅降低欺诈风险和威胁对企业和客户的影响。
在不披露实际数据的情况下安全共享和分析数据，是业界一大重点研究问题。英特尔日前披露其同态加密与联邦学习研究与规划，希望助推新兴安全数据共享与使用技术落地。
微信公众号
