同類熱銷排行榜

聯邦學習原理與PySyft實戰

作者：編者:高志強|責編:荊波
出版社：中國鐵道
ISBN：9787113295172

出版日期：2023/01/01
裝幀：平裝
頁數：229

人民幣：RMB 89 元售價：元

內容大鋼

鑒於小數據和「數據孤島」已經成為制約人工智慧技術發展的關鍵挑戰性問題。本書細緻講解人工智慧領域的聯邦學習原理，翔實闡述在平衡智能學習和信息安全的前提下，如何通過加密機制進行模型參數交換，安全地進行人工智慧模型訓練，所建立的虛擬共享智能模型與直接聚合所有數據獲得的最優模型性能相近。除此之外，本書致力於全流程介紹聯邦學習實踐工具，幫助讀者搭建完整的框架平台以及釐清它們之間的應用關係，推動人工智慧技術轉化應用落地，最後本書通過7個實踐案例多維度展現了聯邦學習實戰。

作者介紹

編者:高志強|責編:荊波

第1章  聯邦學習的時代背景
  1.1  大數據時代的「數據孤島」
    1.1.1  信息孤島
    1.1.2  數據孤島
    【思維拓展】數據中台
  1.2  人工智慧視角下的隱私保護與數據安全
    1.2.1  大數據的隱私保護
    【思維拓展】大規模隱私泄露事件
    1.2.2  人工智慧時代的隱私與安全
    【思維拓展】無處安放的隱私——特斯拉在盯著你
  1.3  聯邦學習的使命任務
    1.3.1  大勢所趨：政策法律和市場風向
    1.3.2  合法合規：「可用不可見」的數據流通
    1.3.3  破解之道：人工智慧與隱私、數據安全的兼得
  1.4  本章小結
第2章  聯邦學習的理論基礎
  2.1  人工智慧的前世今生
    2.1.1  人工智慧簡史
    【追本溯源】達特茅斯會議
    2.1.2  人工智慧釋義
  2.2  人工智慧中的「人工」
    2.2.1  特徵工程
    【概念釋義】科學、技術、工程
    2.2.2  數據工程
  2.3  人工智慧是如何「智能」的
    2.3.1  機器學習
    2.3.2  深度學習
    【思維拓展】群體智能
  2.4  人工智慧中的隱私保護與安全技術
    2.4.1  信息安全的基石
    2.4.2  隱私保護應用場景與技術
  2.5  本章小結
第3章  聯邦學習原理與架構技術解析
  3.1  聯邦學習的起源
    3.1.1  研究背景
    3.1.2  研究內容
    【知識補充】梯度下降演算法
  3.2  聯邦學習中「聯邦」釋義
    3.2.1  相關概念與定義
    3.2.2  聯邦架構與生態
  3.3  聯邦學習如何「學習」
    3.3.1  聯邦學習中「學習」的分類
    3.3.2  聯邦學習中「學習」的流程
    【知識擴展】聯邦學習的標準化
  3.4  聯邦學習的「學習」成品
    3.4.1  生命大數據可信計算平台
    3.4.2  京東智聯雲聯邦學習平台
    3.4.3  百度安全聯邦計算
    3.4.4  基於中國乳腺癌標準資料庫的聯邦學習
    3.4.5  火山引擎Jeddak聯邦學習平台

  3.5  本章小結
第4章  聯邦學習關鍵技術與應用場景解析
  4.1  面嚮應用場景的關鍵技術
    4.1.1  橫向聯邦學習
    4.1.2  縱向聯邦學習
    4.1.3  聯邦遷移學習
    4.1.4  聯邦強化學習
    4.1.5  鏈式聯邦學習
  4.2  面向性能優化的關鍵技術
    4.2.1  通信開銷優化
    4.2.2  系統異構性
    4.2.3  數據統計異質性
    4.2.4  隱私保護
  4.3  應用場景
    4.3.1  金融場景
    4.3.2  醫療場景
    4.3.3  教育場景
    4.3.4  智能製造場景
  4.4  聯邦學習研究展望
  4.5  本章小結
第5章  開發框架安裝實戰
  5.1  OpenMined開源社區
  5.2  Pytorch與PySyft框架
    5.2.1  Pytorch框架
    5.2.2  PySyft框架
  5.3  PySyft框架的安裝
    5.3.1  環境準備
    【工具辨析】pip與conda
    5.3.2  安裝與測試
    【基礎夯實】Python編程強化
    【思維拓展】TensorFlow聯邦學習框架
    【新的嘗試】基於Windowsl0內置Linux子系統安裝PySyft框架
  5.4  本章小結
第6章  PySyft基本操作實戰
  6.1  相關概念梳理
    6.1.1  向量
    6.1.2  矩陣
    6.1.3  概率
  6.2  PySyft中張量與指針的基本操作
  6.3  PySyft基本操作綜合案例
    6.3.1  簡單的張量加法案例
    6.3.2  基於指針的遠程操作案例
    6.3.3  基於指針的鏈式操作案例
    【思維拓展】結合TensorFlow框架的PySyft操作
  6.4  本章小結
第7章  聯邦線性回歸實戰
  7.1  線性回歸基礎理論
    【實戰測試】基於Pytorch的線性回歸實戰
    【知識拓展】多元線性回歸
  7.2  基於信任的聯邦線性回歸案例

  7.3  基於安全節點的聯邦線性回歸案例
  7.4  基於沙盒機制的波士頓房價預測案例
    7.4.1  波士頓房價數據集介紹
    7.4.2  基於沙盒機制的案例實現
  7.5  本章小結
第8章  聯邦卷積神經網路圖像識別實戰
  8.1  卷積神經網路基本理論
    【知識拓展】走進卷積
  8.2  基於Pytorch的卷積神經網路圖像識別案例
  8.3  基於聯邦卷積神經網路的圖像識別案例
    8.3.1  基於MNIST數據集的聯邦卷積神經網路模型
    【知識拓展】手寫字識別
    8.3.2  基於RESNET網路模型的圖像加密推理
    【實踐拓展】圖像識別的加密強化
  8.4  本章小結
第9章  面向邊緣智能的非同步聯邦學習實戰
  9.1  泛在智能與聯邦學習
    9.1.1  去中心化的泛在智能
    9.1.2  非同步聯邦學習
    【擴展學習】智能硬體：嵌入式智能
  9.2  基於PySyf的非同步聯邦學習實戰
    9.2.1  基於Nvidia終端的非同步聯邦學習架構設置
    9.2.2  訓練及結果
    9.2.3  基於智能手機的非同步聯邦學習效果分析
    【硬體實戰】樹莓派上安裝PySyft
    【擴展學習】基於Paddle FL平台的FedVision
  9.3  本章小結
第10章  基於聯邦學習架構的遠程通信實戰
  10.1  基於遠程通信的PySyft基本操作
    10.1.1  網路通信基本原理
    10.1.2  PySyft的遠程通信架構
  10.2  基於遠程通信的秘密共享案例
    10.2.1  基於大素數的秘密共享
    10.2.2  基於同態加密的秘密共享
  10.3  基於Websocket的遠程通信實戰
    10.3.1  基於Websocket遠程通信的服務端設置
    10.3.2  基於Websocket遠程通信的客戶端設置
    【思維拓展】新型聯邦學習模式
  10.4  本章小結
第11章  基於聯邦學習的安全計算實戰
  11.1  基於隨機應答的差分隱私保護案例
    11.1.1  差分隱私基本理論
    11.1.2  隨機應答機制
  11.2  基於PyDP的差分隱私案例
    11.2.1  基於Python的PyDP環境搭建
    11.2.2  基於Laplace機制的隱私保護實現
    【思維拓展】隱私數據集求交計算
  11.3  基於PySyft和Intel SGX的安全計算案例
    【技能提升】安全多方計算實踐
  11.4  本章小結

第12章  聯邦強化學習實戰
  12.1  強化學習基礎理論
    12.1.1  強化學習與最優決策
    12.1.2  深度強化學習
  12.2  深度強化學習的遊戲應用與模擬環境
  12.3  基於Pytorch的強化學習實戰
  12.4  基於PySyft的聯邦強化學習
  12.5  本章小結

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

聯邦學習原理與PySyft實戰