相關商品
商品簡介
名人/編輯推薦
目次
商品簡介
內容介紹
這是一本從基礎、原理、實戰、拓展4個維度系統講解聯邦學習的著作。
作者是人工智能領域的資深專家，現任某大型金融集團科技公司聯邦學習團隊負責人，這本書不僅得到了中外院士的聯合推薦，而且得到了來自清華大學、華中科技大學、百度、螞蟻集團、同盾科技等學術界和企業界的專家的一致推薦。
全書共9章，分為4個部分。
第1部分 基礎（第1～2章）
主要介紹了聯邦學習的概念、由來、發展歷史、架構思想、應用場景、優勢、規範與標準、社區與生態等基礎內容，幫助讀者建立對聯邦學習的感性認知。
第二部分 原理（第3～5章）
詳細講解了聯邦學習的工作原理、算法、加密機制、激勵機制等核心技術，為讀者進行聯邦學習實踐打好理論基礎。
第三部分 實戰（第6～7章）
主要講解了PySyft、TFF、CrypTen等主流聯邦學習開源框架的部署實踐，並給出了聯邦學習在智慧金融、智慧醫療、智慧城市、物聯網等領域的具體解決方案。
第四部分 拓展（第8～9章）
概述了聯邦學習的形態、聯邦學習系統架構、當前面臨的挑戰等，並探討了聯邦學習的發展前景和趨勢。
這是一本從基礎、原理、實戰、拓展4個維度系統講解聯邦學習的著作。
作者是人工智能領域的資深專家，現任某大型金融集團科技公司聯邦學習團隊負責人，這本書不僅得到了中外院士的聯合推薦，而且得到了來自清華大學、華中科技大學、百度、螞蟻集團、同盾科技等學術界和企業界的專家的一致推薦。
全書共9章，分為4個部分。
第1部分 基礎（第1～2章）
主要介紹了聯邦學習的概念、由來、發展歷史、架構思想、應用場景、優勢、規範與標準、社區與生態等基礎內容，幫助讀者建立對聯邦學習的感性認知。
第二部分 原理（第3～5章）
詳細講解了聯邦學習的工作原理、算法、加密機制、激勵機制等核心技術，為讀者進行聯邦學習實踐打好理論基礎。
第三部分 實戰（第6～7章）
主要講解了PySyft、TFF、CrypTen等主流聯邦學習開源框架的部署實踐，並給出了聯邦學習在智慧金融、智慧醫療、智慧城市、物聯網等領域的具體解決方案。
第四部分 拓展（第8～9章）
概述了聯邦學習的形態、聯邦學習系統架構、當前面臨的挑戰等，並探討了聯邦學習的發展前景和趨勢。
名人/編輯推薦
大型金融集團聯邦學習負責人撰寫，中外院士及清華、華科、螞蟻、百度、同盾多位學術界和企業界專家推薦
目次
前言
第一部分 基礎
第1章 聯邦學習的前世今生2
1.1 聯邦學習的由來2
1.2 聯邦學習的發展歷程3
1.3 聯邦學習的規範與標準8
1.4 聯邦學習的社區與生態9
1.5 本章小結10
第2章 全面認識聯邦學習11
2.1 什麼是聯邦學習11
2.2 聯邦學習的架構思想12
2.3 聯邦學習的應用場景14
2.4 聯邦學習的優勢與前景15
2.5 本章小結16
第二部分 原理
第3章 聯邦學習的工作原理18
3.1 聯邦學習的計算環境18
3.1.1 可信執行環境18
3.1.2 無可信計算環境22
3.2 聯邦學習的算法23
3.2.1 中心聯邦優化算法24
3.2.2 聯邦機器學習算法25
3.2.3 聯邦深度學習算法28
3.3 聯邦學習的算子29
3.3.1 聯邦學習數據預處理算子30
3.3.2 聯邦學習模型訓練算子34
3.4 本章小結49
第4章 聯邦學習的加密機制50
4.1 聯邦學習的安全問題50
4.1.1 模型完整性問題50
4.1.2 模型可用性問題51
4.1.3 模型機密性問題52
4.1.4 問題總結53
4.2 聯邦學習的加密方式53
4.2.1 同態加密53
4.2.2 差分隱私55
4.2.3 安全多方計算57
4.2.4 國密SM2算法58
4.2.5 國密SM4算法60
4.2.6 Deffie-Hellman算法61
4.2.7 混合加密61
4.3 本章小結63
第5章 聯邦學習的激勵機制64
5.1 數據貢獻評估65
5.2 數據貢獻與激勵支付的關係66
5.3 參與方貢獻效益評估67
5.4 參與方貢獻效益與激勵支付的關係68
5.5 計算和通信消耗評估68
5.6 計算消耗、通信消耗和激勵支付的關係69
5.7 本章小結70
第三部分 實戰
第6章 聯邦學習開發實踐72
6.1 聯邦學習開源框架部署：PySyft72
6.1.1 PySyft基本介紹72
6.1.2 開發環境準備與搭建72
6.1.3 PySyft安裝指南75
6.1.4 開發前的準備76
6.1.5 PySyft測試樣例76
6.1.6 實操：分布式聯邦學習部署87
6.2 聯邦學習開源框架部署：TFF93
6.2.1 TFF基本介紹93
6.2.2 開發環境準備與搭建94
6.2.3 TFF安裝指南94
6.2.4 開發前的準備95
6.2.5 TFF測試樣例95
6.3 聯邦學習開源框架部署：CrypTen100
6.3.1 CrypTen基本介紹100
6.3.2 開發環境準備與搭建100
6.3.3 CrypTen安裝指南101
6.3.4 開發前的準備101
6.3.5 CrypTen測試樣例102
6.4 本章小結111
第7章 聯邦學習的行業解決方案112
7.1 聯邦學習+智慧金融112
7.1.1 聯邦學習+銀行112
7.1.2 聯邦學習+保險121
7.1.3 聯邦學習+投資125
7.2 聯邦學習+智慧醫療128
7.2.1 聯邦學習+醫療影像診斷128
7.2.2 聯邦學習+疾病風險預測130
7.2.3 聯邦學習+藥物挖掘133
7.2.4 聯邦學習+醫護資源配置135
7.3 聯邦學習+智慧城市137
7.3.1 聯邦學習+零售137
7.3.2 聯邦學習+交通140
7.3.3 聯邦學習+物流141
7.3.4 聯邦學習+政府143
7.3.5 聯邦學習+安防146
7.4 聯邦學習+物聯網148
7.4.1 聯邦學習+車聯網148
7.4.2 聯邦學習+智能家居150
7.4.3 聯邦學習+可穿戴設備153
7.4.4 聯邦學習+機器人155
7.5 本章小結160
第四部分 拓展
第8章 聯邦學習的延伸162
8.1 聯邦學習的佈局162
8.1.1 Google的聯邦學習162
8.1.2 Facebook的聯邦學習166
8.1.3 聯邦智能167
8.1.4 共享智能169
8.1.5 知識聯邦172
8.1.6 異構聯邦177
8.1.7 聯邦學習方案對比178
8.2 聯邦學習系統框架179
8.2.1 工業級聯邦學習系統179
8.2.2 企業級聯邦學習系統181
8.2.3 實驗開發級聯邦學習系統181
8.3 本章小結183
第9章 聯邦學習的挑戰、趨勢和展望184
9.1 聯邦學習應對的挑戰184
9.2 聯邦學習的趨勢和展望187
9.3 本章小結189
第一部分 基礎
第1章 聯邦學習的前世今生2
1.1 聯邦學習的由來2
1.2 聯邦學習的發展歷程3
1.3 聯邦學習的規範與標準8
1.4 聯邦學習的社區與生態9
1.5 本章小結10
第2章 全面認識聯邦學習11
2.1 什麼是聯邦學習11
2.2 聯邦學習的架構思想12
2.3 聯邦學習的應用場景14
2.4 聯邦學習的優勢與前景15
2.5 本章小結16
第二部分 原理
第3章 聯邦學習的工作原理18
3.1 聯邦學習的計算環境18
3.1.1 可信執行環境18
3.1.2 無可信計算環境22
3.2 聯邦學習的算法23
3.2.1 中心聯邦優化算法24
3.2.2 聯邦機器學習算法25
3.2.3 聯邦深度學習算法28
3.3 聯邦學習的算子29
3.3.1 聯邦學習數據預處理算子30
3.3.2 聯邦學習模型訓練算子34
3.4 本章小結49
第4章 聯邦學習的加密機制50
4.1 聯邦學習的安全問題50
4.1.1 模型完整性問題50
4.1.2 模型可用性問題51
4.1.3 模型機密性問題52
4.1.4 問題總結53
4.2 聯邦學習的加密方式53
4.2.1 同態加密53
4.2.2 差分隱私55
4.2.3 安全多方計算57
4.2.4 國密SM2算法58
4.2.5 國密SM4算法60
4.2.6 Deffie-Hellman算法61
4.2.7 混合加密61
4.3 本章小結63
第5章 聯邦學習的激勵機制64
5.1 數據貢獻評估65
5.2 數據貢獻與激勵支付的關係66
5.3 參與方貢獻效益評估67
5.4 參與方貢獻效益與激勵支付的關係68
5.5 計算和通信消耗評估68
5.6 計算消耗、通信消耗和激勵支付的關係69
5.7 本章小結70
第三部分 實戰
第6章 聯邦學習開發實踐72
6.1 聯邦學習開源框架部署：PySyft72
6.1.1 PySyft基本介紹72
6.1.2 開發環境準備與搭建72
6.1.3 PySyft安裝指南75
6.1.4 開發前的準備76
6.1.5 PySyft測試樣例76
6.1.6 實操：分布式聯邦學習部署87
6.2 聯邦學習開源框架部署：TFF93
6.2.1 TFF基本介紹93
6.2.2 開發環境準備與搭建94
6.2.3 TFF安裝指南94
6.2.4 開發前的準備95
6.2.5 TFF測試樣例95
6.3 聯邦學習開源框架部署：CrypTen100
6.3.1 CrypTen基本介紹100
6.3.2 開發環境準備與搭建100
6.3.3 CrypTen安裝指南101
6.3.4 開發前的準備101
6.3.5 CrypTen測試樣例102
6.4 本章小結111
第7章 聯邦學習的行業解決方案112
7.1 聯邦學習+智慧金融112
7.1.1 聯邦學習+銀行112
7.1.2 聯邦學習+保險121
7.1.3 聯邦學習+投資125
7.2 聯邦學習+智慧醫療128
7.2.1 聯邦學習+醫療影像診斷128
7.2.2 聯邦學習+疾病風險預測130
7.2.3 聯邦學習+藥物挖掘133
7.2.4 聯邦學習+醫護資源配置135
7.3 聯邦學習+智慧城市137
7.3.1 聯邦學習+零售137
7.3.2 聯邦學習+交通140
7.3.3 聯邦學習+物流141
7.3.4 聯邦學習+政府143
7.3.5 聯邦學習+安防146
7.4 聯邦學習+物聯網148
7.4.1 聯邦學習+車聯網148
7.4.2 聯邦學習+智能家居150
7.4.3 聯邦學習+可穿戴設備153
7.4.4 聯邦學習+機器人155
7.5 本章小結160
第四部分 拓展
第8章 聯邦學習的延伸162
8.1 聯邦學習的佈局162
8.1.1 Google的聯邦學習162
8.1.2 Facebook的聯邦學習166
8.1.3 聯邦智能167
8.1.4 共享智能169
8.1.5 知識聯邦172
8.1.6 異構聯邦177
8.1.7 聯邦學習方案對比178
8.2 聯邦學習系統框架179
8.2.1 工業級聯邦學習系統179
8.2.2 企業級聯邦學習系統181
8.2.3 實驗開發級聯邦學習系統181
8.3 本章小結183
第9章 聯邦學習的挑戰、趨勢和展望184
9.1 聯邦學習應對的挑戰184
9.2 聯邦學習的趨勢和展望187
9.3 本章小結189
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。