Enable javascript in your browser for better experience. Need to know to enable it? Go here.
已发布 : Nov 20, 2019
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中,那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中,那么它很有可能已经不再具有相关性,我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。 了解更多
Nov 2019
评估 ? 在了解它将对你的企业产生什么影响的前提下值得探索

模型训练通常需要从数据源收集大量的数据,并将这些数据传输到集中运行模型训练算法的服务器上。但是如果训练数据集中包括个人身份信息,这就会成为问题。而联邦学习这项技术的出现让我们备受鼓舞。联邦学习是一种隐私保护方法,用于训练大量的,与个人信息相关的各种数据集。联邦学习技术可以让数据保留在用户的设备上,并完全控制在用户的手中,但最终会仍然可以组合成一个整体的训练数据集。在联邦学习中,每个用户设备独立地更新模型。然后将模型的参数(而不是数据本身)组合成一个集中式的视图。尽管网络带宽和设备算力限制会给这项技术带来一些重大的技术挑战,但是我们喜欢联邦学习的思路,让用户可以完全控制自己的个人信息。

Radar

下载第25期技术雷达

English | Español | Português | 中文

Radar

获取最新技术洞见

 

立即订阅

查看存档并阅读往期内容