鐵人檔案
傳統機器學習中常見的隱私問題是在訓練過程中使用到公開資料集
而資料中的敏感個人資料（例如：個人信用狀況）通常都會被禁止存取
已經有可行的隱私保護技術可以克服這一障礙，分散式訓練將計算分配給參與訓練的所有資料擁有者以確保資料隱私，也帶來了新的隱私複雜性和風險
基於屬性的憑證(Attribute-Based Credential, ABC)是一種身份驗證機制，它允許靈活和有選擇地驗證有關實體的不同屬性，而無需透露有關實...
當參與方之間缺乏信任，或者缺乏安全的通訊通道來傳輸、更新機器學習(ML)模型。通過建立聯邦學習(FL)框架結合區塊鏈身分驗證，可重新定義提升聯邦機器學習中的隱私...
不經意傳輸(Oblivious Transfer, OT)是一種加密基本型別，其中發送者將可能的許多訊息中的一些訊息傳輸給接收者(Receiver)，發件人(S...
混淆電路(Garbled Circuits)是一種密碼學基礎形式，用於使用亂碼電路進行安全雙方計算，您可以使創建安全定，協定中的各方不會發現彼此的輸入。 雙方可...
人工智慧(AI)的發展與資料的發展有著內在的聯繫。在大多數行業中，資料以孤島的形式存在，不同組織之間的共享範圍有限，這是人工智慧(AI)發展的障礙。 聯邦學習(...
聯邦強化學習(FRL)使用多個代理(Agent)聯合建構，在不共享原始資料的情況下，產生更好的決策。 強化學習(Reinforcement Learning,...
隱私保護分佈式學習(Privacy Preserving Distributed Learning) 構建深度學習應用程序，需要大量資料，但這些資料可能來自多個...
SPDZ 特點： 允許任意數量的參與方（n）執行 MPC。 最多可以容忍 n-1 個節點損壞。 提供了主動的安全性，例如：惡意的參與方，它也是安全的 允許對算...
聯邦學習(FL)是一種分佈式學習可以學習全域模型，來自邊緣設備上的分散資料集。然而，在在電腦視覺(CV)領域，聯邦學習(FL)中的模型性能很差。聯邦學習(FL)...
對資料的和監管日益增加，使隱私保護變得更加重要。 聯邦學習(FL)提供大量協作學習方法，允許用戶將他們的資料保存在本地端。 FedNLP 一個聯邦學習(FL)自...
