<rt id="y2ecw"></rt>
邊緣學習旨在實現云-邊-端協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，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、關鍵技術、未來方向展開論述。
人工智能（AI）的發展在過去十年中取得了驚人的飛躍。數據可用性、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，演進到分布式網聯計算，并朝著異構、協同、全面泛在智能計算演進。基于數據隱私增強、低延遲通信等獨特優勢，面向未來泛在智能的云邊端協同聯邦學習已被提出并應用于云邊端協同場景，如智慧城市、智慧醫療等，成為了當前最受工業界和學術界關注的AI研究方向之一。
到第 頁
友情鏈接
電話：010-62669087 控制網版權所有未經許可不得轉載
地址：北京市海淀區上地十街輝煌國際5號樓1416室(100085)
版權所有 控制網 京ICP備14036844-2號 北京市公安局海淀分局備案號：11010802023656號
<li id="suii2"></li>
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
