1. 联邦学习

联邦学习（FL，Federated Learning）是谷歌于2016年提出的一种分布式机器学习框架，可以在保护个人数据隐私的前提下，联合多方用户的数据实现模型训练。

联邦学习用于解决“数据孤岛”问题，核心思想是“数据不动模型动，数据可用不可见”。

传统机器学习中，数据需集中在一起进行模型训练，这样会暴露个人隐私，且数据共享也面临信任问题。
联邦学习中，数据被分散在多个地方，每个地方的数据在本地进行处理形成本地模型，本地模型通过联邦学习算法进行汇聚和更新，最终得到一个全局模型。这样既保护了隐私，同时也避免了数据共享的信任问题。

联邦学习的应用场景非常广泛，如医疗领域，由于涉及到患者的隐私数据，传统的中心化机器学习方法难以实现，而联邦学习可以实现不同医院之间模型的共享和更新，从而提高诊断和治疗的准确性和效率；金融领域，联邦学习可用于风险控制、欺诈检测等，提高金融机构的业务效率和风险管理能力；智能物联网领域，联邦学习可用于实现不同设备之间的智能交互和协作，提高智能物联网系统的性能和可靠性。

2. 安全多方计算

安全多方计算（SMC，Secure Multi-party Computation）由由中国计算机科学家、2000年图灵奖获得者姚启智教授于1982年在论文《Protocols for secure computations》中以百万富翁问题（两个百万富翁Alice和Bob想知道他们两个谁更富有，但他们都不想让对方及其他第三方知道自己财富的任何信息），开创了密码学研究的新领域。

安全多方计算定义：是指在一个互不信任的多用户网络中， n n n个参与者 P 1 , P 2 , . . . , P n P_1,P_2,...,P_n P1,P2,...,Pn，每个持有秘密数据 x i x_i xi，希望共同计算出函数 f ( x 1 , x 2 , . . . , x n ) = ( y 1 , y 2 , . . . , y n ) f(x_1,x_2,...,x_n)=(y_1,y_2,...,y_n) f(x1,x2,...,xn)=(y1,y2,...,yn)， P i P_i Pi仅得到结果 y i y_i yi，并且不泄露 x i x_i xi给其他参与者。

安全多方计算同样广泛应用于政务、医疗、金融、交通等各个领域中保护隐私的数据统计、数据分析、数据挖掘。如用户画像要从多个数据源中获取用户的身份、属性、行为、关系等各类数据，并进行群体的分析挖掘。但在数据的获取与计算过程中会导致用户隐私泄露，可使用安全多方计算技术，在保护隐私的情况下，对数据进行分析计算。

3. 联系与区别

（1）联系

联邦学习和安全多方计算都是解决数据隐私保护问题的技术，有以下共同点：

都是在多个参与方之间进行数据计算和交互
都是在不共享原始数据的情况下进行数据计算
都需要使用加密算法和协议来保障数据安全性

（2）区别

目的不同。联邦学习的目的是使用多方数据进行模型训练，从而提高模型的准确性和性能；安全多方计算的目的是在多个参与方之间进行数据计算，共同得出结果。
数据处理方式不同。联邦学习中，各方将自己的本地模型参数上传进行聚合，从而得到全局模型；安全多方计算中，数据计算是通过密文交互实现的。

联邦学习与安全多方计算相关推荐

差分隐私？联邦学习？安全多方计算？它们之间是什么关系？
差分隐私与其他隐私计算技术的联系写在前面的话隐私计算什么是隐私计算? 隐私计算发展趋势隐私计算的技术隐私计算体系结构安全多方计算联邦学习可行执行环境差分隐私比较应用场景发展趋势 ...
联邦学习笔记—《Communication-Efficient Learning of Deep Networks from Decentralized Data》
摘要: Modern mobile devices have access to a wealth of data suitable for learning models, which in tur ...
微众银行首席AI官杨强：联邦学习理论基础、四大应用场景与微众的AI全布局
本文作者:周蕾 2020-06-14 09:44 导语:HKSAIR<AI金融>系列线上讲座第一课. 近日,香港人工智能与机器人学会(HKSAIR)创会理事长.微众银行首席AI官.香港科技 ...
隐私计算--联邦学习
目录联邦学习联邦学习系统构架联邦学习开源框架联邦学习分类横向联邦学习纵向联邦学习联邦迁移学习联邦学习特点参考推荐: 联邦学习概念及应用 https://blog.csdn.net/c ...
隐私计算 — 联邦学习 — Overview
目录文章目录目录前言联邦学习联邦学习与分布式机器学习的区别联邦学习的网络拓扑类型客户端-服务器拓扑对等网络拓扑联邦学习的数据分区类型横向联邦学习纵向联邦学习联邦迁移学习(Fed ...
2月份隐私计算、联邦学习的市场概览
2月份隐私计算.联邦学习的市场概览摘要:在隐私计算市场中,三股信息流如清风拂面,流转不息.采购意向,犹如花开满园,为供应商和服务提供商探明商机:招标信息,如云卷云舒,为客户了解市场动态提供重要参考: ...
联邦学习应用思考：需求还是方法？
作者 | 徐葳清华大学交叉信息研究院长聘副教授.华控清交首席科学家前言: 目前,"联邦学习"这个术语在市场上存在很多认识上的误解和混淆,主要原因是其既在广义上表达了保护数据前提 ...
如何全面认识联邦学习
作者 | 王健宗李泽远何安珣来源 | 大数据DT 头图 | 下载于视觉中国什么是联邦学习联邦学习是一种带有隐私保护.安全加密技术的分布式机器学习框架,旨在让分散的各参与方在满足不向其他参与者 ...
《2021联邦学习全球研究与应用趋势报告》发布，中美为最大领跑者 | 附下载链接...
撰文:XT 编审:寇建超排版:李雪薇 7 月 31 日,美国亚马逊公司(Amazon)被卢森堡数据保护委员会处以 7.46 亿欧元(约合 57.2 亿元人民币)的罚款,原因是 Amazon 违反了欧 ...

联邦学习与安全多方计算

联邦学习与安全多方计算

1. 联邦学习

2. 安全多方计算

3. 联系与区别

联邦学习与安全多方计算相关推荐

最新文章

热门文章