联邦学习实战

19.2 未来展望

19.1 联邦学习进展总结

CHAPTER 19 总结与展望

第五部分 回顾与展望

18.3 联邦学习与边缘计算

18.2 联邦学习与区块链

18.1 联邦学习与Split Learning

CHAPTER 18 联邦学习与其他前沿技术

17.4 硬件加速

17.3 基于模型集成的加速方法

17.2 异步参数更新的加速方法

17.1 同步参数更新的加速方法

CHAPTER 17 联邦学习加速方法

16.7 本章小结

16.6 基于MPI的通信机制

16.5 基于RMI的通信机制

16.4 基于RPC的通信机制

16.3 基于socket的通信机制

16.2 网络通信协议简介

16.1 联邦学习系统架构

CHAPTER 16 联邦学习系统的通信机制

第四部分 联邦学习进阶

15.4 同态加密

15.3 模型压缩

15.2 差分隐私

15.1 后门攻击

CHAPTER 15 联邦学习攻防实战

14.7 实例演示

14.6 FedCoin的安全分析

14.5 FedCoin支付系统设计

14.4 联邦学习激励机制的问题描述

14.3 联邦学习激励机制助力数据交易

14.2 基于联邦学习构建新一代大数据交易市场

14.1 大数据交易

CHAPTER 14 构建公平的大数据交易市场

13.5 系统设置

13.4 设计联邦激励机制，提升联邦学习系统的可持续性

13.3 利用横向联邦提升智能用工模型

13.2 智能用工平台

13.1 智能用工简介

CHAPTER 13 联邦学习智能用工案例

12.3 联邦学习在医疗影像中的应用

12.2 联邦医疗大数据与脑卒中预测

12.1 医疗健康数据概述

CHAPTER 12 联邦学习医疗健康应用案例

11.4 联邦学习实现

11.3 出行时间预测模型

11.2 历史数据分析

11.1 案例的背景与动机

CHAPTER 11 联邦学习在智能物联网中的应用案例

10.5 方法实现

10.4 基于联邦学习的目标检测网络

10.3 目标检测算法概述

10.2 案例描述

10.1 概述

CHAPTER 10 联邦学习视觉案例

9.5 联邦推荐云服务使用

9.4 其他联邦推荐算法

9.3 联邦因子分解机

9.2 联邦矩阵分解

9.1 传统的集中式个性化推荐

CHAPTER 9 联邦个性化推荐案例

8.4 金融领域的联邦建模难点

8.3 基于横向联邦的银行间反洗钱模型案例

8.2 基于纵向联邦学习的保险个性化定价案例

8.1 概述

CHAPTER 8 联邦学习在金融保险领域的应用案例

第三部分 联邦学习案例实战详解

7.3 其他联邦学习平台

7.2 本书配套的代码

7.1 FATE帮助文档

CHAPTER 7 联邦学习实战资源

6.3 纵向联邦训练

6.2 纵向数据集切分

6.1 数据集的获取与描述

CHAPTER 6 用FATE从零实现纵向线性回归

5.5 多参与方环境配置

5.4 横向联邦模型训练

5.3 横向数据集切分

5.2 逻辑回归

5.1 数据集的获取与描述

CHAPTER 5 用FATE从零实现横向逻辑回归

4.4 FATE应用案例

4.3 FATE编程范式

4.2 FATE安装与部署

4.1 FATE平台架构概述

CHAPTER 4 微众银行FATE平台

3.4 联邦训练的模型效果

3.3 用Python实现横向联邦图像分类

3.2 PyTorch基础

3.1 环境配置

CHAPTER 3 用Python从零实现横向联邦图像分类

第二部分 联邦学习快速入门

2.5 基于Python的安全计算库

2.4 安全机制的性能效率对比

2.3 基于安全多方计算的安全机制

2.2 基于差分隐私的安全机制

2.1 基于同态加密的安全机制

CHAPTER 2 联邦学习的安全机制

1.5 联邦学习算法现状

1.4 联邦学习的分类

1.3 联邦学习的定义

1.2 联邦学习提出的背景

1.1 数据资产的重要性

CHAPTER 1 联邦学习概述

第一部分 联邦学习基础

Preface 前言

Acknowledgments 致谢

内容简介

版权信息

封面

封面

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