FedAI – 联邦学习生态

打破数据孤岛,建立安全的数据生态

选择联邦学习的优势

联邦学习生态是一个促进 AI 多方建模的技术社区,使用联邦学习技术能够满足用户隐私保护、数据安全、数据保密和政府法规的要求。


安全合规

依照GDPR规范
满足安全及合规要求
数据不泄露
保证数据安全及模型安全


联合扩展

多方联合建模
打破数据壁垒
连接不同垂直场景
扩宽数据应用领域


提升赋能

推动合作联盟
建立激励机制
互利共赢
赋能企业AI

研究与资料

Federated Reinforcement Learning

Hankz Hankui Zhuo, Wenfeng Feng, Qian Xu, Qiang Yang, Yufeng Lin


SecureBoost: A Lossless Federated Learning Framework

Kewei Cheng, Tao Fan, Yilun Jin, Yang Liu, Tianjian Chen, Qiang Yang


Federated Machine Learning: Concept and Applications

Qiang Yang, Yang Liu, Tianjian Chen, Yongxin Tong

IJCAI 2019 第 28 届国际人工智能联合会议(仅英文)
The 1st International Workshop on Federated Machine Learning for User Privacy and Data Confidentiality (FML 2019)


微众银行 & DataFun 技术沙龙
打破数据孤岛:联邦学习技术实践探索


CCF-TF 第 14 期研讨会
联邦学习(Federated Machine Learning)技术及数据隐私保护

开源项目

FATE

联盟学习开源项目,提供了一种基于数据隐私保护的安全计算框架,为机器学习、深度学习、迁移学习算法提供强有力的安全计算支持。 安全底层支持同态加密、秘密共享、哈希散列等多种多方安全计算机制,算法层支持多方安全计算模式下的逻辑回归、Boosting、联邦迁移学习等。

EggRoll

Eggroll 是一个适用于机器学习和深度学习的大规模分布式架构,包括了计算、存储和通信等模块。

案例学习

新闻