深入浅出联邦学习：原理与实践
全新正版 极速发货
￥ 56.04 7.1折 ￥ 79 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者王健宗,李泽远,何安珣
出版社机械工业出版社
ISBN9787111679592
出版时间2021-04
装帧平装
开本16开
定价79元
货号31133259
上书时间2024-07-20
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言<br/>第一部分 基础<br/>第1章 联邦学习的前世今生2<br/> 1.1 联邦学习的由来2<br/> 1.2 联邦学习的发展历程3<br/> 1.3 联邦学习的规范与标准8<br/> 1.4 联邦学习的社区与生态9<br/> 1.5 本章小结10<br/>第2章 全面认识联邦学习11<br/> 2.1 什么是联邦学习11<br/> 2.2 联邦学习的架构思想12<br/> 2.3 联邦学习的应用场景14<br/> 2.4 联邦学习的优势与前景15<br/> 2.5 本章小结16<br/>第二部分 原理<br/>第3章 联邦学习的工作原理18<br/> 3.1 联邦学习的计算环境18<br/>3.1.1 可信执行环境18<br/>3.1.2 无可信计算环境22<br/> 3.2 联邦学习的算法23<br/>3.2.1 中心联邦优化算法24<br/>3.2.2 联邦机器学习算法25<br/>3.2.3 联邦深度学习算法28<br/> 3.3 联邦学习的算子29<br/>3.3.1 联邦学习数据预处理算子30<br/>3.3.2 联邦学习模型训练算子34<br/> 3.4 本章小结49<br/>第4章 联邦学习的加密机制50<br/> 4.1 联邦学习的安全问题50<br/>4.1.1 模型完整性问题50<br/>4.1.2 模型可用性问题51<br/>4.1.3 模型机密性问题52<br/>4.1.4 问题总结53<br/> 4.2 联邦学习的加密方式53<br/>4.2.1 同态加密53<br/>4.2.2 差分隐私55<br/>4.2.3 安全多方计算57<br/>4.2.4 国密SM2算法58<br/>4.2.5 国密SM4算法60<br/>4.2.6 Deffie-Hellman算法61<br/>4.2.7 混合加密61<br/> 4.3 本章小结63<br/>第5章 联邦学习的激励机制64<br/> 5.1 数据贡献评估65<br/> 5.2 数据贡献与激励支付的关系66<br/> 5.3 参与方贡献效益评估67<br/> 5.4 参与方贡献效益与激励支付的关系68<br/> 5.5 计算和通信消耗评估68<br/> 5.6 计算消耗、通信消耗和激励支付的关系69<br/> 5.7 本章小结70<br/>第三部分 实战<br/>第6章 联邦学习开发实践72<br/> 6.1 联邦学习开源框架部署：PySyft72<br/>6.1.1 PySyft基本介绍72<br/>6.1.2 开发环境准备与搭建72<br/>6.1.3 PySyft安装指南75<br/>6.1.4 开发前的准备76<br/>6.1.5 PySyft测试样例76<br/>6.1.6 实操：分布式联邦学习部署87<br/> 6.2 联邦学习开源框架部署：TFF93<br/>6.2.1 TFF基本介绍93<br/>6.2.2 开发环境准备与搭建94<br/>6.2.3 TFF安装指南94<br/>6.2.4 开发前的准备95<br/>6.2.5 TFF测试样例95<br/> 6.3 联邦学习开源框架部署：CrypTen100<br/>6.3.1 CrypTen基本介绍100<br/>6.3.2 开发环境准备与搭建100<br/>6.3.3 CrypTen安装指南101<br/>6.3.4 开发前的准备101<br/>6.3.5 CrypTen测试样例102<br/> 6.4 本章小结111<br/>第7章 联邦学习的行业解决方案112<br/> 7.1 联邦学习+智慧金融112<br/>7.1.1 联邦学习+银行112<br/>7.1.2 联邦学习+保险121<br/>7.1.3 联邦学习+投资125<br/> 7.2 联邦学习+智慧医疗128<br/>7.2.1 联邦学习+医疗影像诊断128<br/>7.2.2 联邦学习+疾病风险预测130<br/>7.2.3 联邦学习+药物挖掘133<br/>7.2.4 联邦学习+医护资源配置135<br/> 7.3 联邦学习+智慧城市137<br/>7.3.1 联邦学习+零售137<br/>7.3.2 联邦学习+交通140<br/>7.3.3 联邦学习+物流141<br/>7.3.4 联邦学习+政府143<br/>7.3.5 联邦学习+安防146<br/> 7.4 联邦学习+物联网148<br/>7.4.1 联邦学习+车联网148<br/>7.4.2 联邦学习+智能家居150<br/>7.4.3 联邦学习+可穿戴设备153<br/>7.4.4 联邦学习+机器人155<br/> 7.5 本章小结160<br/>第四部分 拓展<br/>第8章 联邦学习的延伸162<br/> 8.1 联邦学习的布局162<br/>8.1.1 Google的联邦学习162<br/>8.1.2 Facebook的联邦学习166<br/>8.1.3 联邦智能167<br/>8.1.4 共享智能169<br/>8.1.5 知识联邦172<br/>8.1.6 异构联邦177<br/>8.1.7 联邦学习方案对比178<br/> 8.2 联邦学习系统框架179<br/>8.2.1 工业级联邦学习系统179<br/>8.2.2 企业级联邦学习系统181<br/>8.2.3 实验开发级联邦学习系统181<br/> 8.3 本章小结183<br/>第9章 联邦学习的挑战、趋势和展望184<br/> 9.1 联邦学习应对的挑战184<br/> 9.2 联邦学习的趋势和展望187<br/> 9.3 本章小结189
内容摘要
内容介绍<br>这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。<br>作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。<br><br>全书共9章，分为4个部分。<br>第1部分基础（第1~2章）<br>主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。<br>第二部分原理（第3~5章）<br>详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。<br>第三部分实战（第6~7章）<br>主要讲解了PySyft、TFF、CrypTen等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。<br>第四部分拓展（第8~9章）<br>概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。
主编推荐
（1）作者资深：资深AI技术专家，某大型金融集团科技公司联邦学习团队负责人。（2）院士推荐：中国科学院外籍院士/英国皇家学会院士/欧洲科学院院士/英国爱丁堡皇家学会院士樊文飞、加拿大工程院院士郭嵩联袂推荐。（3）企业界和学术界高度评价：来自清华大学、华中科技大学教授、蚂蚁集团、百度、同盾科技等院校和企业的专家高度评价。（4）4个维度：从基础、原理、实战、拓展4个维度系统讲解联邦学习。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价