- 产品
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间:2022-06-26来源:社区小辣妹浏览数:136次
由于边缘学习是在数据源本地或者就近的边缘服务器上进行分析和处理,用于训练本地的机器学习模型间,所以边缘学习天然就具有一定的隐私保护能力。
本白皮书针对边缘学习中隐私计算需求与应用场景、风险与技术挑战、技术架构与关键技术、实践与案例分析方面展开论述,为学术界与产业界开展面向边缘学习的隐私计算技术方面的研究、实践和应用提供有益的参考和指导。以下推荐边缘计算产业联盟ECC安全工作组发布的报告全文,供行业参考。
1.随着5G、物联网、大数据、云计算、人工智能等技术的快速发展与应用,数据共享和联合建模的需求越来越迫切。近年来基于云的中心化机器学习技术进入发展的“快车道”,并且在计算机视觉、自然语言处理、大数据分析等众多领域获得成功应用。然而,基于云的中心化机器学习面临计算延迟大、可扩展性不足、数据隐私保护能力差等多重挑战。为了应对上述挑战,边缘学习的概念近年来被提出并受到了学术界和产业界的广泛关注。
2.由于边缘学习是在数据源本地或者就近的边缘服务器上进行分析和处理,用于训练本地的机器学习模型间,所以边缘学习天然就具有一定的隐私保护能力。