编辑推荐

涵盖了联邦学习落地的一手应用案例。

内容简介

数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”，成为当下人工智能领域备受关注的热点。

本书以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。

全书由五部分共19章构成。第一部分简要介绍了联邦学习的理论知识；第二部分介绍如何使用Python和FATE进行简单的联邦学习建模；第三部分是联邦学习的案例分析，筛选了经典案例进行讲解，部分案例用Python代码实现，部分案例采用FATE实现；第四部分主要介绍和联邦学习相关的高级知识点，包括联邦学习的架构和训练的加速方法等；第五部分是回顾与展望。

本书适合对联邦学习和隐私保护感兴趣的高校研究者、企业研发人员阅读。

作者简介

作者杨强，微众银行首席人工智能官（CAIO）和香港科技大学（HKUST）计算机科学与工程系讲席教授。曾任香港科技大学计算机科学与工程系系主任。研究兴趣包括人工智能、机器学习和数据挖掘，特别是迁移学习、自动规划、联邦学习和基于案例的推理。

章节目录

版权信息

内容简介

Acknowledgments 致谢

Preface 前言

第一部分 联邦学习基础

CHAPTER 1 联邦学习概述

1.1 数据资产的重要性

1.2 联邦学习提出的背景

1.3 联邦学习的定义

1.4 联邦学习的分类

1.5 联邦学习算法现状

CHAPTER 2 联邦学习的安全机制

2.1 基于同态加密的安全机制

2.2 基于差分隐私的安全机制

2.3 基于安全多方计算的安全机制

2.4 安全机制的性能效率对比

2.5 基于Python的安全计算库

第二部分 联邦学习快速入门

CHAPTER 3 用Python从零实现横向联邦图像分类

3.1 环境配置

3.2 PyTorch基础

3.3 用Python实现横向联邦图像分类

3.4 联邦训练的模型效果

CHAPTER 4 微众银行FATE平台

4.1 FATE平台架构概述

4.2 FATE安装与部署

4.3 FATE编程范式

4.4 FATE应用案例

CHAPTER 5 用FATE从零实现横向逻辑回归

5.1 数据集的获取与描述

5.2 逻辑回归

5.3 横向数据集切分

5.4 横向联邦模型训练

5.5 多参与方环境配置

CHAPTER 6 用FATE从零实现纵向线性回归

6.1 数据集的获取与描述

6.2 纵向数据集切分

6.3 纵向联邦训练

CHAPTER 7 联邦学习实战资源

7.1 FATE帮助文档

7.2 本书配套的代码

7.3 其他联邦学习平台

第三部分 联邦学习案例实战详解

CHAPTER 8 联邦学习在金融保险领域的应用案例

8.1 概述

8.2 基于纵向联邦学习的保险个性化定价案例

8.3 基于横向联邦的银行间反洗钱模型案例

8.4 金融领域的联邦建模难点

CHAPTER 9 联邦个性化推荐案例

9.1 传统的集中式个性化推荐

9.2 联邦矩阵分解

9.3 联邦因子分解机

9.4 其他联邦推荐算法

9.5 联邦推荐云服务使用

CHAPTER 10 联邦学习视觉案例

10.1 概述

10.2 案例描述

10.3 目标检测算法概述

10.4 基于联邦学习的目标检测网络

10.5 方法实现

CHAPTER 11 联邦学习在智能物联网中的应用案例

11.1 案例的背景与动机

11.2 历史数据分析

11.3 出行时间预测模型

11.4 联邦学习实现

CHAPTER 12 联邦学习医疗健康应用案例

12.1 医疗健康数据概述

12.2 联邦医疗大数据与脑卒中预测

12.3 联邦学习在医疗影像中的应用

CHAPTER 13 联邦学习智能用工案例

13.1 智能用工简介

13.2 智能用工平台

13.3 利用横向联邦提升智能用工模型

13.4 设计联邦激励机制，提升联邦学习系统的可持续性

13.5 系统设置

CHAPTER 14 构建公平的大数据交易市场

14.1 大数据交易

14.2 基于联邦学习构建新一代大数据交易市场

14.3 联邦学习激励机制助力数据交易

14.4 联邦学习激励机制的问题描述

14.5 FedCoin支付系统设计

14.6 FedCoin的安全分析

14.7 实例演示

CHAPTER 15 联邦学习攻防实战

15.1 后门攻击

15.2 差分隐私

15.3 模型压缩

15.4 同态加密

第四部分 联邦学习进阶

CHAPTER 16 联邦学习系统的通信机制

16.1 联邦学习系统架构

16.2 网络通信协议简介

16.3 基于socket的通信机制

16.4 基于RPC的通信机制

16.5 基于RMI的通信机制

16.6 基于MPI的通信机制

16.7 本章小结

CHAPTER 17 联邦学习加速方法

17.1 同步参数更新的加速方法

17.2 异步参数更新的加速方法

17.3 基于模型集成的加速方法

17.4 硬件加速

CHAPTER 18 联邦学习与其他前沿技术

18.1 联邦学习与Split Learning

18.2 联邦学习与区块链

18.3 联邦学习与边缘计算

第五部分 回顾与展望

CHAPTER 19 总结与展望

19.1 联邦学习进展总结

19.2 未来展望

Bibliography 参考文献

联邦学习实战是2021年由电子工业出版社出版,作者杨强。

得书感谢您对《联邦学习实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。