文件名称：用于隐私保护数据访问的联邦学习-研究论文
文件大小：1.07MB
文件格式：PDF
更新时间：2024-06-29 11:04:34
Federated learning Machine
联邦学习是一项开创性的隐私保护数据技术，也是一种基于分布式数据集训练的新机器学习模型。公司收集大量历史和实时数据来推动其业务发展并与其他组织合作。 但是，由于法规（例如欧盟 GDPR）以及保护敏感数据和个人数据的需要，数据隐私变得越来越重要。 公司需要管理数据访问：首先是在组织内部（以便他们可以控制员工访问），其次是在与第三方合作时保护原始数据。 更重要的是，公司越来越希望将他们收集的数据“货币化”。 然而，在新的立法下，不同组织利用数据变得越来越困难（Yu，2016）。谷歌开创的联邦学习是新兴的隐私保护数据技术，也是一类新的分布式机器学习模型。 本文讨论了联邦学习作为隐私保护数据访问的解决方案，以及应用于分布式数据集的分布式机器学习。 它还提供了一个保护隐私的联邦学习基础设施。