综上所述,纵向联邦学习是一类适用于用户重叠多、特征互补场景的联邦建模技术,其在解决企业数据孤岛上具有广泛的应用价值,近年来已经被多个国际国内隐私计算项目作为基础支撑算法实现,并被应用于金融、营销、政务等场景。然而,为了更好的突破跨机构间数据孤岛、助力数据要素安全有序流动,纵向联邦学习技术仍然有很多亟待解决...
垂直联邦学习（VFL）是一项近年来在数字经济发展和构建数据要素市场中不可或缺的核心技术，该技术作为联邦学习（FL）的重要分支之一，特别关注于解决多方拥有相同样本/用户但持有不同特征数据的联合建模问题。VFL的兴起满足了在隐私保护的前提下，不同机构和公司合作开发人工智能（AI）模型的需求，以提高数据...
华为云帮助中心为你分享云计算行业信息,包含产品介绍、用户指南、开发指南、最佳实践和常见问题等文档,方便快速查找定位问题与能力成长,并提供相关资料和解决方案。本页面关键词:深度学习模型压缩综述。
从一开始发现知乎没有太多联邦学习相关内容(几乎全是介绍横向、纵向、联邦迁移,然后摆出杨强老师那本书的描述,内容高度同质化),然后自己开始啃《联邦学习》,之后又看了好几篇综述,有一些基本的浅显认知后开始尝试写阅读笔记,怕写不好还先选了 Dataset 和 开源库论文这类开始写起。