更新时间:2021-12-17 GMT+08:00
分享

简介

联邦学习是一种新兴的人工智能基础技术,可以在不直接访问训练数据的情况下构建机器学习系统,数据保留在原始位置,这有助于确保隐私并降低通信成本。其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习。

联邦学习的系统框架包括边缘节点与中心节点,边缘节点表示需要参与联邦的各用户,其中存放了训练的算法与数据,各边缘节点的数据只在中心节点通过加密共享;中心节点也可称为协作节点,对各边缘节点的训练结果进行汇聚。

本文旨在指导大家完成一个完整的联邦学习过程,包括创建联邦实例、注册边缘节点、运行联邦实例,以达到快速熟悉和使用联邦学习的目的。

分享:

    相关文档

    相关产品

关闭导读