联邦学习技术及实战
正版新书 新华官方库房直发 可开电子发票
￥ 67.84 6.4折 ￥ 106 全新
库存4件
作者彭南博 等
出版社电子工业出版社
ISBN9787121405976
出版时间2021-03
版次1
装帧平装
开本16开
纸张胶版纸
页数340页
字数369千字
定价106元
货号SC:9787121405976
上书时间2024-10-31
- 在售商品 暂无
- 平均发货时间 13小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
彭南博，京东科技集团风险管理中心总监，在人工智能算法、风控模型等领域具有丰富的实践经验。他负责风险智能模型技术布局和业务落地，建立了数据、算法、工程三位一体的大数据应用体系。在联邦学习应用实践中，他领导团队研发联邦学习技术和产品，为风险业务建立了基于联邦学习的模型工程架构、模型管理体系、模型监控体系。他于2012年在中国科学院大学获得博士学位，先后参与三项国家基金项目，发表期刊和会议论文10余篇，申请专利70余项。
主编推荐:
"在大数据时代，企业面临的问题不是真的没有数据可用，而是鉴于数据安全，出现了数据孤岛，无法应用数据。联邦学习是密码学、分布式计算和机器学习三个学科交叉的技术，可以很好地解决数据隐私和安全的问题。
《联邦学习技术及实战》由京东数科有多年联邦学习实战经验的二十多位作者合作编写，内容可分为联邦学习基础、具体的联邦学习算法、联邦学习的产业应用和展望三个大部分，并给出较多案例。
《联邦学习技术及实战》用300多页的篇幅详细地介绍了联邦学习的原理和应用。"
媒体评论:
"联邦学习为打破数据孤岛、促进数据融合提供了关键和可行的解决方案。本书以简明和清晰的语言详细地阐述了联邦学习的相关概念、基础算法、应用场景，并辅以丰富的案例解析，为联邦学习技术的应用落地提供了参考，是一本值得研读的好书。
——中国信息通信研究院云计算与大数据研究所所长 何宝宏
开放银行正成为银行转型及数字化变革的重要路径和战略选择，联邦学习能够在风险建模、精准营销、提升客户体验等方面有效地推动开放银行的业务创新，解决平台加场景模式在落地实施过程中的客户数据共享和隐私保护的难题。本书对联邦学习的基本原理和算法进行了介绍，通过案例对联邦学习在不同场景中的应用进行分析，对相关的金融从业者具有很高的实战价值和很好的借鉴意义。
——亿联银行行长助理兼首席信息官 李树峰
不断产生的数据催生了丰富的智能应用，推动着社会进步和发展。各行业、各机构的数据都蕴含着各自的价值，但在使用数据时涉及的安全与合规问题制约了不同数据进一步融合和价值放大。联邦学习技术在保护数据安全和用户隐私的前提下，在原始数据不离开各自机构的同时让不同数据有机融合、产生更大的价值。本书深入浅出地介绍了联邦学习技术的基本原理和实战案例，可以帮助从业者快速入门，值得阅读。
——京东集团副总裁、京东科技集团数字城市群总裁、IEEE Fellow 郑宇
在产业数字化大发展的背景下，国家提出了培育数据要素市场以助力经济高质量发展，这需要推动数据流通共享，但是数据流通的难点是在保护隐私信息不泄露的前提下提取数据价值。联邦学习是一项解决该难点的新技术，发展迅速。本书由经验丰富的联邦学习从业者撰写，详细地介绍了相关产业背景、技术现状及原理、实践案例，具有很好的参考价值。
——京东集团副总裁，京东科技集团首席经济学家、宏观经济与产业研究院院长 沈建光"
内容简介:
本书针对产业界在智能化过程中普遍面临的数据不足问题，详细地阐述了联邦学习如何帮助企业引入更多数据、提升机器学习模型效果。互联网数据一般分布在不同的位置，受隐私保护法规不能共享，形成了“数据孤岛”。联邦学习像“数据孤岛”之间的特殊桥梁，通过传输变换后的临时变量，既能实现模型效果提升，又能确保隐私信息的安全。本书介绍了联邦学习技术的原理和实战经验，主要内容包括隐私保护、机器学习等基础知识，联邦求交、联邦特征工程算法，三种常见的联邦形式，以及工程架构、产业案例、数据资产定价等。
目录:
第1章 联邦学习的研究与发展现状 1
1.1 联邦学习的背景 1
1.2 大数据时代的挑战：数据孤岛 4
1.2.1 “数据孤岛”的成因 4
1.2.2 具体实例 5
1.2.3 数据互联的发展与困境 7
1.2.4 解决“数据孤岛”问题的难点与联邦学习的优势 10
1.3 联邦学习的定义和基本术语 11
1.3.1 联邦学习的定义 11
1.3.2 联邦学习的基本术语 13
1.4 联邦学习的分类及适用范围 15
1.4.1 纵向联邦学习 16
1.4.2 横向联邦学习 18
1.4.3 联邦迁移学习 19
1.5 典型的联邦学习生命周期 20
1.5.1 模型训练 21
1.5.2 在线推理 21
1.6 联邦学习的安全性与可靠性 22
1.6.1 安全多方计算 22
1.6.2 差分隐私 24
1.6.3 同态加密 25
1.6.4 应对攻击的健壮性 25
1.7 阅读材料 26
第2章 多方计算与隐私保护 28
2.1 多方计算 28
2.2 基本假设与隐私保护技术 29
2.2.1 安全模型 29
2.2.2 隐私保护的目标 30
2.2.3 三种隐私保护技术及其关系 32
2.3 差分隐私 34
2.3.1 差分隐私的基本概念 34
2.3.2 差分隐私的性质 40
2.3.3 差分隐私在联邦学习中的应用 41
2.4 同态加密 43
2.4.1 密码学简介 4
...
— 没有更多了 —
以下为对购买帮助不大的评价