联邦学习框架实现难点剖析
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1000-8519.2022.11.038

联邦学习框架实现难点剖析

引用
联邦学习是一种保护机密性的机器算法,可有效的应用于工业物联网.在联邦学习中,服务器协调多个客户端以进行模型学习.区块链在物联网和联邦学习中使用,可以有效的保持数据完整性,并吸引足够的数据和计算资源.机器学习已经发展阶段,大量高质量数据已成为限制发展的因素.在此背景下,对数据交换需求不断增长.传统的机器学习需要集中数据,对于数据孤岛和隐私要求,使各个业务部门无法做到交换数据.为了解决这个问题,联邦学习框架应运而生,本文分析了联邦学习框架的设计应用,分析了现行联邦学习框架存在的实现难点,以便相关人士更好地理解联邦学习框架.

联邦学习框架、实现难点、剖析

TP309.2(计算技术、计算机技术)

2022-07-27(万方平台首次上网日期,不代表论文的发表时间)

共3页

129-131

相关文献
评论
暂无封面信息
查看本期封面目录

电子测试

1000-8519

11-3927/TN

2022,(11)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn