不再理論化：聯邦學習親自動手工程專案實作

 

　　★金融業工程師 實戰必備

 

　　▍本書介紹

 

　　隨著社會發展，資料隱私安全的關注度正不斷提高，資料擁有者極力反對無限制計算和使用敏感性資料。在未經許可下，隱私資訊若被商業機構利用即被視為違規，而不同領域間的資料分析也將變得越來越困難。

　　

　　聯邦學習正是解決這些挑戰的關鍵技術。過去幾年不論在研究領域或產業領域，都見證了聯邦學習從無到有、由面對質疑到逐步嶄露頭角的過程。聯邦學習以同態加密等方法來保證本地訓練資料的隱私，同步實現多個資料擁有者協同訓練一個共用的機器學習模型。根據不同的應用場景，逐步發展出了橫向聯邦學習、縱向聯邦學習、聯邦遷移學習等類型。

　　

　　本書不僅限於背景歷程、演算法模型、平台框架、應用實戰，更延伸至電腦視覺、自然語言處理等領域的思考與展望，是新一代AI工程師必備的技術參考。

 

 

　　．FinTech和深度學習結合 

　　．新一代機器學習，更安全穩定快速

　　．聯邦學習演算法，模型實作及多種演算法

　　．使用聯邦學習的推薦系統

　　．Docker/K8s的聯邦學習平台架設運行

　　．信用卡/保險評鑑機制的建立

　　．聯邦學習在電腦視覺、NLP、醫療、物聯網的實作專案

　

1.1  聯邦學習的發展背景和歷程

1.2  金融資料價值採擷的聯邦學習實踐

 

2.1  聯邦學習的分類

2.2  樣本對齊的實現方式

2.3  特徵工程的聯邦學習實現方式

 

3.1  線性模型的聯邦學習實現方式

3.2  極端梯度提升樹的聯邦學習實現方式

3.3  深度學習類演算法的聯邦學習實現方式

 

4.1  資訊推薦與推薦系統

4.2  矩陣分解和因數分解機的實現方式

4.3  聯邦推薦系統演算法

 

5.1  聯邦學習貢獻度

5.2  以聯邦學習為基礎的資料要素交易

 

6.1  聯邦學習開放原始碼框架介紹

6.2  FATE架構與核心功能

6.3  金融控股集團聯邦學習平台簡介

6.4  FATE叢集部署實踐

6.5  與異質平台對接

 

7.1  水平聯邦學習場景

7.2  垂直聯邦學習場景

 

8.1  跨機構資料統計

8.2  在交換行銷場景中的聯邦學習實踐

8.3  聯邦規則取出演算法及其在反詐騙與行銷場景中的應用

 

9.1  聯邦學習下的評分卡建模實踐

9.2  對企業客戶評估的聯邦學習和區塊鏈聯合解決方案

9.3  在保險核保場景中銀行保險資料聯邦學習實踐

 

第10章  　聯邦學習應用擴充

10.1  以聯邦學習為基礎的電腦視覺應用

10.2  聯邦學習在自然語言處理領域的應用

10.3  聯邦學習在大健康領域中的應用

10.4  聯邦學習在物聯網中的應用

 

A  RSA公開金鑰加密演算法

B  Paillier半同態加密演算法

C  安全多方計算的SPDZ協定

D　參考文獻

 

 

　　光大科技有限公司副總經理。曾任中國科學院副研究員、哥倫比亞大學訪問學者、華為架構師。在雲端運算、大數據、機器學習領域具有豐富的學術與產業應用經驗。於2010年獲得北京清華大學博士學位。

 

 

　　光大科技有限公司追光實驗室負責人。致力於金控集團資料合作和資料探勘方向的解決方案實作與演算法創新。於2011年獲得北京大學計算數學博士學位。

 

 

　　光大科技有限公司大數據研究團隊負責人。擁有10餘年的大數據、人工智慧系統設計經驗，並在金控集團應用領域中實現了技術創新，其成果獲得了多項獎項。

 

 

　　光大科技有限公司追光實驗室技術專家。致力於開發演算法模組解決實際業務問題和演算法創新。於2012年獲得博士學位。

 

 

　　光大科技有限公司大數據部負責人。工學博士，在大數據、人工智慧領域擁有豐富的理論研究及實踐經驗。