邊緣學習旨在實現(xiàn)云-邊-端協(xié)同的機器學習模型訓練和預測，天然具有一定隱私保護能力。但是，邊緣學習過程面臨新的安全與隱私泄露風險。為此，本文從邊緣學習的概念出發(fā)，重點圍繞邊緣學習安全與隱私泄露風險及其隱私計算架構(gòu)、關鍵技術、未來方向展開論述。
人工智能（AI）的發(fā)展在過去十年中取得了驚人的飛躍。數(shù)據(jù)可用性、計算能力的提高，以及機器學習技術和專用AI硬件的進步，已將我們帶入快車道，邁向一個在各個方面都由AI塑造的社會。計算形式也逐漸從集中式單體計算，演進到分布式網(wǎng)聯(lián)計算，并朝著異構(gòu)、協(xié)同、全面泛在智能計算演進。基于數(shù)據(jù)隱私增強、低延遲通信等獨特優(yōu)勢，面向未來泛在智能的云邊端協(xié)同聯(lián)邦學習已被提出并應用于云邊端協(xié)同場景，如智慧城市、智慧醫(yī)療等，成為了當前最受工業(yè)界和學術界關注的AI研究方向之一。
到第 頁
友情鏈接
電話：010-62669087 控制網(wǎng)版權所有未經(jīng)許可不得轉(zhuǎn)載
地址：北京市海淀區(qū)上地十街輝煌國際5號樓1416室(100085)
版權所有 控制網(wǎng) 京ICP備14036844-2號 北京市公安局海淀分局備案號：11010802023656號
名家名篇
北京市公安局海淀分局備案號：11010802023656號
今日頭條
官方微信
官方抖音
