聯邦學習:原理與算法

王健宗 李澤遠 何安珣 王偉

  • 出版商: 人民郵電
  • 出版日期: 2021-11-01
  • 定價: $768
  • 售價: 7.5$576
  • 語言: 簡體中文
  • 頁數: 280
  • 裝訂: 平裝
  • ISBN: 7115575320
  • ISBN-13: 9787115575326
  • 相關分類: 人工智慧Machine Learning
  • 立即出貨

  • 聯邦學習:原理與算法-preview-1
  • 聯邦學習:原理與算法-preview-2
聯邦學習:原理與算法-preview-1

買這商品的人也買了...

商品描述

數據孤島問題已經成為制約人工智能發展的主要阻礙。在此背景下, 聯邦學習(Federated Learning) 作為一種新興的機器學習技術範式, 憑借其突出的隱私保護能力,展示出在諸多業務場景中的應用價值。

本書從聯邦學習的基礎知識出發, 深入淺出地介紹了中央服務器優化和聯邦機器學習的算法體系, 詳細闡述了聯邦學習中涉及的加密通信模塊的相關知識, 以定性和定量的雙視角建立了聯邦學習服務質量的評估維度、理論體系, 還延伸介紹了提升聯邦學習服務質量的方法, 並對聯邦學習的研究趨勢進行了深入探討與分析, 可以對設計和選擇算法提供工具式的參考和幫助。

本書是高校、科研院所和業界相關學者研究聯邦學習技術的理想讀本, 也適合大數據、人工智能行業的從業者和感興趣的讀者參考。

作者簡介

王健宗
博士,美國科學家大學人工智能博士,工程師,某大型金融科技公司學習團隊負責人,中國計算機學會青年會員、大數據和量子計算專業,長期從事學生學習集團、隱私委員會計算技術研究和平台建設工作,在學生學習、人工智能、雲計算、大數據等發表國際論文 50 餘篇,出版《深入理解 AutoML 和 AutoDL》、《金融智能》等共四部作品。


李澤遠
某大型金融科技公司Al產品,CCFYOCSEF深圳經理交流委員會,負責長期Al平台的產品設計,參與參與醫療保護計算在金融、、政務場景中的交付,落地擁有豐富的實戰經驗。發表科研論文及投訴專利論文篇/項,出版3篇。


何安珣
某某某互聯網互聯網公司產品經理。在金融科技領域深耕多年,在隱私計算領域生態、研究和架構構建等方面擁有豐富的經驗,探索研究隱私計算行業數字經濟。專利篇/項,參與說明標準制定。


王偉
中國科學院信息工程研究所信息安全國家重點實驗室助理項,信息安全博士,主要研究方向為密碼技術。在國際學術會議上發表論文多篇,獲得數個國家發明專利授權,承擔和參與保障國家和省部級科研項目。

目錄大綱

第1章緒論1
1.1人工智能的發展 1
1.1. 1人工智能的定義 1
1. 1. 2人工智能的發展歷史及現狀 2
1. 1. 3 機器學習與數據 3
1.2隱私保護浮出水面 4
1.2. 1 隱私保護問題 5
1. 2. 2 隱私保護的攻擊 5
1. 2. 3 常見的隱私保護技術 7
1.3學生的學習的誕生 8
1.3. 1英國學習的提出8
1. 3. 2英國學習的範式9
1.3. 3學生學習的應用12
1. 4島小結13
第2章國際學習基礎15
2.1學生學習的基本概念15
2. 2學習的發展歷程17
2. 3學習的基本類別與流程18
2. 3. 1學生學習18
2. 3. 2英國學習19
2. 3. 3留學學習19
2. 3. 4學生強化學習20
2.4學生學習的應用場景 21
2. 5島小結21
第3章中央服務器優化算法23
3.1個隨機數下降算法 23
3. 1. 1算法框架及參數 23
3. 1. 2目標函數 24
3. 1. 3算法流程25
3. 2英國通用算法 25
3. 2. 1算法框架及參數 26
3. 2. 2目標函數 27
3. 2. 3算法流程27
3. 3 下降隨機數下降 28
3. 3. 1算法框架及參數28
3. 3. 2相關函數說明 29
3. 3. 3算法流程30
3. 4 康復外科手術31
3. 4. 1算法框架及參數 31
3. 4. 2算法流程32
3. 5 基於損失的提升學習算法 33
3. 5. 1算法框架及參數 34
3. 5. 2算法流程35
3. 6自平衡學習算法36
3. 6. 1算法框架及參數 36
3. 6. 2算法流程37
3. 7英國近端算法39
3. 7. 1算法框架及參數40
3. 7. 2模塊介紹 41
3. 7. 3算法流程42
3. 8不學習算法43
3. 9 認知神經網絡匹配算法Ⅰ:單隱層網絡神經匹配算法 50
3. 9. 1算法框架及參數50
3. 9. 2模塊介紹 53
3. 9. 3算法流程56
3. 10 基於神經網絡匹配算法Ⅱ:多隱層神經網絡匹配算法 57
3. 10. 1算法框架及參數 57
3. 10. 2模塊介紹 59
3. 10. 3算法流程63
3.11關節匹配手術機器人 64
3. 11. 1算法框架及參數 64
3. 11. 2目標函數 65
3. 11. 3算法流程66
3. 12島小結67
第4章回歸算法69
4.1機器學習機器人的定義 69
4. 1. 1 水平型分佈數據 70
4.1. 2垂直型分佈數據 70
4. 2線性回歸70
4. 2. 1橫向線性回歸71
4. 2. 2縱向回歸74
4. 3邏輯回歸80
4. 3. 1橫向邏輯回歸81
4. 3. 2縱向邏輯回歸88
4. 4島小結96
第5章變性人97
5.1樸素貝葉斯分類法97
5. 1. 1貝葉斯定理97
5. 1. 2樸素貝葉斯分類的思想和工作過程97
5. 1. 3橫向樸素貝葉斯分類98
5.1. 4縱向樸素貝葉斯分類102
5. 2支持矢量機107
5. 2. 1橫向支持垂直機109
5. 2. 2縱向支持機116
5. 3島小結124
第6章世界樹模型125
6. 1決策樹125
6. 1. 1橫向決策樹 126
6. 1. 2決策樹131
6.2XGBoost 138
6. 2. 1參數及意義 139
6. 2. 2加法同態140
6.2. 3SecureBoost算法的流程140
6. 3島小結143
第7章世界推薦規則145
7. 1K均值算法145
7.1. 1橫向K均值算法146
7. 1. 2K縱向均值算法149
7. 1. 3任意數據K均值播放158
7. 1. 4安全兩方K均值162
7. 2 因素分類機 166
7.過濾3基於近鄰的協同算法171
7. 3. 1過濾基於近鄰的傳統協同算法171
7. 3. 2基於用戶的輔助過濾算法173
7. 4基於矩陣的過濾協同算法178
7. 4. 1基於矩陣的傳統協同過濾算法178
7. 4. 2基於矩陣的協同過濾算法178
7. 5矩陣劃分算法 186
7. 5. 1 基於 SGD 的學生社區 186
7. 5. 2基於多視圖的分級190
7. 5. 3個興趣點推薦算法195
7. 5. 4基於漸進的分級197
7. 5. 5基於還原電路的函數分解200
7. 5. 6基於相似度的糖尿病患者205
7. 5. 7 基於原因分析的學生 209
7.5. 8 基於深度學習的學生 211
7. 6島小結213
第 8 章國際學習系統的隱私與安全 215
8.1 問題描述與安全模型 215
8. 2英國學習隱私保護技術 216
8. 2. 1秘密共享216
8. 2. 2不經意傳輸218
8. 2. 3個還原電路220
8. 2. 4同態健康222
8. 2. 5 差分隱私 224
8.防護3級學生學習安全技術 226
8. 3. 1密碼算法 226
8. 3. 2身份認證 229
8. 3. 3通信安全231
8. 3. 4 存儲安全 233
8. 3. 5可信計算235
8. 4島小結237
第九章學生學習的服務質量 239
9.1 學生學習服務質量的定義 239
9. 1. 1學生學習服務質量的由來239
9. 1. 2 什麼是學生學習服務質量評估 241
9. 2學生學習服務質量的維度242
9. 2. 1 模型性能 242
9. 2. 2數據傳輸吞吐量243
9. 2. 3網絡性能243
9. 2. 4計算資源
9. 2. 5 建築模型的魯棒性
9. 3學生學習服務質量的理論體系
9. 3. 1 模型性能的評價指標
9. 3. 2學習的通信指標
9. 3. 3 資源老人
9. 3. 4 建築模型的魯棒性
9. 3. 5 隱私保護技術的選擇
9. 3. 6權值更新方法
9. 4學生學習服務質量的方法
9. 4. 1學習的優化算法
9. 4. 2學習留學的通信優化
9. 4. 3英國學習的末位
9. 4. 4增強學習系統的魯棒性
9.5島小結
第10章學生學習的研究趨勢
10.1學生學習的優化研究
10. 2研究學習的安全和隱私
10. 3學生學習的應用領域
10. 4島小結

附錄
附錄 ACholesky 分類
附錄 BLDLT 分類
附錄C共邊法
參考文獻