实物拍摄 · 支持放大查看
如何在保证本地训练数据不公开的前提下，实现多个数据拥有者协同训练一个共享的机器学？传统的机器学需要将所有的数据集中到一个地方(例如，数据中心)，然行机器学的训练。但这种基于集中数据的做法无疑会严重侵害用户隐私和数据。如今，世界上越来越多的人开始强烈要求科技公司必须根据用户隐私法律法规妥善地处理用户的数据，欧盟的《通用数据保护条例》是一个很好的例子。在本书中，我们将描述联邦学称联邦机器学何将分布式机器学码学、基于金融规则的激励机制和博弈论结合起来，以解决分散数据的使用问题。我们会介绍不同种类的面向隐私保护的机器学方案以及技术背景，并描述一些典型的实际问题解决案例。我们还一步论述联邦学为下一代机器学础，可以满足技术和社会需求并面向的人工智能的开发和应用。
序言Ⅲ前言Ⅳ作者简介Ⅷ第1 章 引言/11.1 人工智能面临的挑战/21.2 联邦学/41.2.1 联邦学义/51.2.2 联邦学类/81.3 联邦学展/111.3.1 联邦学究/111.3.2 开台/131.3.3 联邦学展/141.3.4 联邦人工智能生态系统/15第2 章 隐私、及机器学72.1 面向隐私保护的机器学82.2 面向隐私保护的机器学全机器学82.3 威胁与模型/192.3.1 隐私威胁模型/192.3.2 攻击者和模型/212.4 隐私保护技术/222.4.1 多方计算/222.4.2 同态加密/272.4.3 差分隐私/30 第3 章 分布式机器学53.1 分布式机器学/363.1.1 分布式机器学义/363.1.2 分布式机器学台/373.2 面向扩展的DML /393.2.1 大规模机器学93.2.2 面向扩展的DML 方法/403.3 面向隐私保护的DML /433.3.1 隐私保护决策树/433.3.2 隐私保护方法/453.3.3 面向隐私保护的DML 方案/453.4 面向隐私保护的梯度下降方法/483.4.1 朴素联邦学93.4.2 隐私保护方法/493.5 挑战与展望/51第4 章 横向联邦学34.1 横向联邦学义/544.2 横向联邦学/554.2.1 客户-服务器架构/554.2.2 对等网络架构/584.2.3 全局模型评估/594.3 联均算法介绍/604.3.1 联邦优化/604.3.2 联均算法/634.3.3 的联均算法/654.4 联均算法的/684.4.1 通信效率提升/684.4.2 参与方选择/694.5 相关工作/694.6 挑战与展望/71第5 章 纵向联邦学35.1 纵向联邦学义/745.2 纵向联邦学构/755.3 纵向联邦学/775.3.1 联邦线回归/775.3.2 联邦提升树/805.4 挑战与展望/85第6 章 联邦迁移学76.1 异构联邦学86.2 联邦迁移学类与定义/886.3 联邦迁移学/906.3.1 加法同态加密/936.3.2 联邦迁移学练过程/946.3.3 联邦迁移学测过程/956.3.4 分析/956.3.5 基于秘密共享的联邦迁移学66.4 挑战与展望/97第7 章 联邦学机制/997.1 贡献的收益/1007.1.1 收益分享博弈/1007.1.2 反向拍卖/1027.2 注重的收益分享框架/1037.2.1 建模贡献/1037.2.2 建模代价/1047.2.3 建模期望损失/1057.2.4 建模时间期望损失/1057.2.5 策略协调/1067.2.6 计算收益评估比重/1087.3 挑战与展望/109第8 章 联邦学算机视觉、自然语言系统/1118.1 联邦学算机视觉/1128.1.1 联邦计算机视觉/1128.1.2 业内研展/1148.1.3 挑战与展望/1158.2 联邦学然语言处理/1168.2.1 联邦自然语言处理/1168.2.2 业界研展/1188.2.3 挑战与展望/1188.3 联邦系统/1198.3模型/1208.3.2系统/1218.3.3 业界研展/1238.3.4 挑战与展望/123第9 章 联邦强化学259.1 强化学/1269.1.1 策略/1279.1.2 奖励/1279.1.3 价值函数/1279.1.4 环境模型/1279.1.5 强化学举例/1279.2 强化学/1289.3 分布式强化学309.3.1 异步分布式强化学309.3.2 同步分布式强化学319.4 联邦强化学319.4.1 联邦强化学/1319.4.2 横向联邦强化学329.4.3 纵向联邦强化学349.5 挑战与展望/136第10 章 应用前景/13910.1 金融/14010.2 /14110.3 教育/14210.4 城市计算和智慧城市/14410.5 边缘计算和物联网/14610.6 区块链/14710.7 第五代移动网路/148第11 章结与展望/149附录A 数据保护法律和法规/151A.1 欧盟的数据保护法规/152A.1.1 GDPR 中的术语/153A.1.2 GDPR 条款/154A.1.3 GDPR 的影响/156A.2 美国的数据保护法规/157A.3 中国的数据保护法规/158参考文献/161
品相说明：本书为八品，书脊轻微磨损，内页整洁无涂画，无缺页少页，具体以实物照片为准。
品相标准：十品为全新未翻阅；九品近全新有轻微痕迹；八品有明显使用痕迹但内容完整；七品及以下为有破损或缺页，页面会有详细说明。
瑕疵说明：拍品图片均为实物拍摄，因显示设备差异可能存在轻微色差，以收到实物为准。
交易方式：本站采用担保交易，买家付款后资金由平台托管，确认收货无误后放款给卖家。
配送说明：下单后 48 小时内发货，默认快递发货，满 99 元包邮，多件订单可合并运费。
议价规则：标注「价格面议」的商品可通过站内消息与卖家议价，达成一致后改价下单。
七天无理由退换：收到商品七日内，若与描述不符可申请退换，运费由责任方承担。
纠纷处理：如发生交易纠纷，可提交平台介入处理，客服 09:00-18:00 在线受理。
正品保障：平台对古籍、签名本等贵重商品提供鉴定咨询服务，发现赝品全额退款。
