描述
內容簡介
|
作者
|
目錄
|
序
| 推薦序
科技是第一生產力，每一次新技術的出現都會帶來生產力的進步，甚至進 一步引發產業變革。但是，新技術的理論與生產實踐之間存在鴻溝，跨越 這條鴻溝是需要大量的探索實踐才可能實現的。無論是當下的5G、區塊鏈 和人工智慧，還是量子通訊、量子計算、自動駕駛等探索中的技術，無不 依賴於前仆後繼的產業人去探尋實踐道路。 聯邦學習作為近幾年新生的資料安全共用技術，在「資料孤島」的情境下 有用武之地。高速發展的資訊化技術使得政府、企業累積了大量的資料資 訊，這些資料資訊對建構社會信用系統、提升使用者服務品質具有重要作 用。但是這些資料資訊往往因涉及使用者隱私問題，導致流轉障礙，形成 了「資料孤島」狀態，不能滿足國家培育資料要素市場的需求。同時，處 於行動網際網路這個大背景下，使用者的各種行為（舉例來說，消費、社 交、娛樂等）都發生深刻的變化，使用者越來越多的資訊線上化，同時也 在資料化。 作為產業從業者，我們所面對的挑戰是大量使用者仍然沒有被傳統金融機 構的服務所覆蓋，對需要金融服務的使用者來說，其資訊搜集困難、資訊 不健全，大量的「資料孤島」使得使用者的分析猶如瞎子摸象。同時，很 多不良企業為了自己的業績和利潤，鋌而走險、非法獲取和傳播使用者的 個人隱私資料，造成了大量使用者資訊的洩露。對此，監管部門重拳出 擊，整頓市場。聯邦學習為監管、市場提供了一種可能的技術化解決方 案。我們可以借助其技術特點，讓資料可用不可見、隱私資料不出庫，建 構基於隱私計算的聯邦學習模型，全面地評估使用者的風險水準，既保證 了使用者的隱私安全，又防止了資料的洩露。我們如果能夠合理地使用該 技術，持續探勘其潛在價值，那麼能為數位經濟發展提供有益的幫助。 在金融科技等產業化應用中，該技術的理論門檻相對較高，涉及密碼學、 演算法、工程等多項內容，市場上的相關技術和研究資料較少，導致企業 在產業實踐中常常遇到難以解決的問題，需要花費較長時間。 本書全面地介紹了聯邦學習的技術原理，突出案例應用和實踐經驗，對聯 邦學習產業應用具有較大的參考價值。 |
