- 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
全程“零”编码,高效实现主数据模型、主数据维护、主数据分发、主数据质量的全过程管理,为企业主数据管理落地提供有效支撑,实现各业务系统间的主数据共享,保障企业主数据的唯一性、准确性、一致性。
覆盖数据建模、采集、处理、集成、共享、交换、安全脱敏于一体,一站式解决数据开发所有的问题。
统一指标定义,实现“一变多变、一数多现”的数据管理效果,为企业提供强有力的数字化保障和驱动效应。
零代码+AI,有“问”必答的数字助理,利用AI大模型和数字人技术,通过语音&文字输入问题,自动识别业务指令,深度理解用户意图的问题,洞察数据,人机交互,重新定义BI新体验。
面向企业级数据资产交易运营场景,助力企业实现数据资产的价值挖掘、升值和资产变现。
时间:2022-06-26来源:社区小辣妹浏览数:160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。