- 產品
- 產品解決方案
- 行業解決方案
- 案例
- 數據資產入表
- 賦能中心
- 伙伴
- 關于
時間:2022-06-26來源:社區小辣妹瀏覽數:245次
由于邊緣學習是在數據源本地或者就近的邊緣服務器上進行分析和處理,用于訓練本地的機器學習模型間,所以邊緣學習天然就具有一定的隱私保護能力。
本白皮書針對邊緣學習中隱私計算需求與應用場景、風險與技術挑戰、技術架構與關鍵技術、實踐與案例分析方面展開論述,為學術界與產業界開展面向邊緣學習的隱私計算技術方面的研究、實踐和應用提供有益的參考和指導。以下推薦邊緣計算產業聯盟ECC安全工作組發布的報告全文,供行業參考。
1.隨著5G、物聯網、大數據、云計算、人工智能等技術的快速發展與應用,數據共享和聯合建模的需求越來越迫切。近年來基于云的中心化機器學習技術進入發展的“快車道”,并且在計算機視覺、自然語言處理、大數據分析等眾多領域獲得成功應用。然而,基于云的中心化機器學習面臨計算延遲大、可擴展性不足、數據隱私保護能力差等多重挑戰。為了應對上述挑戰,邊緣學習的概念近年來被提出并受到了學術界和產業界的廣泛關注。
2.由于邊緣學習是在數據源本地或者就近的邊緣服務器上進行分析和處理,用于訓練本地的機器學習模型間,所以邊緣學習天然就具有一定的隱私保護能力。
















































