深入淺出聯(lián)邦學習：原理與實踐

定　價：￥79.00

作　者：	王健宗，李澤遠，何安珣著
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111679592	出版時間：	2021-04-01	包裝：	平裝
開本：	16開	頁數(shù)：	189	字數(shù)：

內(nèi)容簡介

　　這是一本從基礎、原理、實戰(zhàn)、拓展4個維度系統(tǒng)講解聯(lián)邦學習的著作。作者是人工智能領域的資深專家，現(xiàn)任某大型金融集團科技公司聯(lián)邦學習團隊負責人，這本書不僅得到了中外院士的聯(lián)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(yè)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(lián)邦學習的概念、由來、發(fā)展歷史、架構(gòu)思想、應用場景、優(yōu)勢、規(guī)范與標準、社區(qū)與生態(tài)等基礎內(nèi)容，幫助讀者建立對聯(lián)邦學習的感性認知。第二部分原理（第3~5章）詳細講解了聯(lián)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(lián)邦學習實踐打好理論基礎。第三部分實戰(zhàn)（第6~7章）主要講解了PySyft、TFF、CrypTen等主流聯(lián)邦學習開源框架的部署實踐，并給出了聯(lián)邦學習在智慧金融、智慧醫(yī)療、智慧城市、物聯(lián)網(wǎng)等領域的具體解決方案。第四部分拓展（第8~9章）概述了聯(lián)邦學習的形態(tài)、聯(lián)邦學習系統(tǒng)架構(gòu)、當前面臨的挑戰(zhàn)等，并探討了聯(lián)邦學習的發(fā)展前景和趨勢。

作者簡介

　　王健宗（博士）某大型金融集團科技公司聯(lián)邦學習團隊負責人、高級工程師。中國計算機學會大數(shù)據(jù)專家委員會委員、杰出會員，中國計算機學會青年計算機科技論壇（YOCSEF深圳）優(yōu)秀AC委員。深圳市領軍人才，美國佛羅里達大學人工智能博士后。長期從事聯(lián)邦智能隱私計算技術研發(fā)和平臺搭建工作，發(fā)表聯(lián)邦學習、深度學習、云計算、大數(shù)據(jù)等領域國際論文50余篇，獲得專利100余項。著有《深入理解AutoML和AutoDL：構(gòu)建自動化機器學習與深度學習平臺》《金融智能：AI如何為銀行、保險、證券業(yè)賦能》等書，同時還是多屆國內(nèi)外知名人工智能、大數(shù)據(jù)行業(yè)會議出品人。李澤遠某大型金融集團科技公司高級人工智能產(chǎn)品經(jīng)理，中國計算機學會會員，中國計算機學會青年計算機科技論壇（YOCSEF深圳）AC委員。長期負責AI技術類的產(chǎn)品生態(tài)搭建與實施推進，曾參與完成聯(lián)邦學習、生物鑒權技術在金融領域平臺型產(chǎn)品中的設計與落地投產(chǎn)，在全周期項目中積累有豐富的實戰(zhàn)經(jīng)驗。何安珣某大型金融集團科技公司高級算法工程師，中國計算機學會會員，中國計算機學會青年計算機科技論壇（YOCSEF深圳）委員。擁有豐富的金融人工智能從業(yè)經(jīng)驗，主要研究金融智能系統(tǒng)框架搭建、算法研究和模型融合技術等，致力于推動金融智能的落地應用與價值創(chuàng)造。

圖書目錄

前言
第一部分　基礎
第1章　聯(lián)邦學習的前世今生2
　1.1　聯(lián)邦學習的由來2
　1.2　聯(lián)邦學習的發(fā)展歷程3
　1.3　聯(lián)邦學習的規(guī)范與標準8
　1.4　聯(lián)邦學習的社區(qū)與生態(tài)9
　1.5　本章小結(jié)10
第2章　全面認識聯(lián)邦學習11
　2.1　什么是聯(lián)邦學習11
　2.2　聯(lián)邦學習的架構(gòu)思想12
　2.3　聯(lián)邦學習的應用場景14
　2.4　聯(lián)邦學習的優(yōu)勢與前景15
　2.5　本章小結(jié)16
第二部分　原理
第3章　聯(lián)邦學習的工作原理18
　3.1　聯(lián)邦學習的計算環(huán)境18
3.1.1　可信執(zhí)行環(huán)境18
3.1.2　無可信計算環(huán)境22
　3.2　聯(lián)邦學習的算法23
3.2.1　中心聯(lián)邦優(yōu)化算法24
3.2.2　聯(lián)邦機器學習算法25
3.2.3　聯(lián)邦深度學習算法28
　3.3　聯(lián)邦學習的算子29
3.3.1　聯(lián)邦學習數(shù)據(jù)預處理算子30
3.3.2　聯(lián)邦學習模型訓練算子34
　3.4　本章小結(jié)49
第4章　聯(lián)邦學習的加密機制50
　4.1　聯(lián)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(jié)53
　4.2　聯(lián)邦學習的加密方式53
4.2.1　同態(tài)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(jié)63
第5章　聯(lián)邦學習的激勵機制64
　5.1　數(shù)據(jù)貢獻評估65
　5.2　數(shù)據(jù)貢獻與激勵支付的關系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系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系69
　5.7　本章小結(jié)70
第三部分　實戰(zhàn)
第6章　聯(lián)邦學習開發(fā)實踐72
　6.1　聯(lián)邦學習開源框架部署：PySyft72
6.1.1　PySyft基本介紹72
6.1.2　開發(fā)環(huán)境準備與搭建72
6.1.3　PySyft安裝指南75
6.1.4　開發(fā)前的準備76
6.1.5　PySyft測試樣例76
6.1.6　實操：分布式聯(lián)邦學習部署87
　6.2　聯(lián)邦學習開源框架部署：TFF93
6.2.1　TFF基本介紹93
6.2.2　開發(fā)環(huán)境準備與搭建94
6.2.3　TFF安裝指南94
6.2.4　開發(fā)前的準備95
6.2.5　TFF測試樣例95
　6.3　聯(lián)邦學習開源框架部署：CrypTen100
6.3.1　CrypTen基本介紹100
6.3.2　開發(fā)環(huán)境準備與搭建100
6.3.3　CrypTen安裝指南101
6.3.4　開發(fā)前的準備101
6.3.5　CrypTen測試樣例102
　6.4　本章小結(jié)111
第7章　聯(lián)邦學習的行業(yè)解決方案112
　7.1　聯(lián)邦學習+智慧金融112
7.1.1　聯(lián)邦學習+銀行112
7.1.2　聯(lián)邦學習+保險121
7.1.3　聯(lián)邦學習+投資125
　7.2　聯(lián)邦學習+智慧醫(yī)療128
7.2.1　聯(lián)邦學習+醫(yī)療影像診斷128
7.2.2　聯(lián)邦學習+疾病風險預測130
7.2.3　聯(lián)邦學習+藥物挖掘133
7.2.4　聯(lián)邦學習+醫(yī)護資源配置135
　7.3　聯(lián)邦學習+智慧城市137
7.3.1　聯(lián)邦學習+零售137
7.3.2　聯(lián)邦學習+交通140
7.3.3　聯(lián)邦學習+物流141
7.3.4　聯(lián)邦學習+政府143
7.3.5　聯(lián)邦學習+安防146
　7.4　聯(lián)邦學習+物聯(lián)網(wǎng)148
7.4.1　聯(lián)邦學習+車聯(lián)網(wǎng)148
7.4.2　聯(lián)邦學習+智能家居150
7.4.3　聯(lián)邦學習+可穿戴設備153
7.4.4　聯(lián)邦學習+機器人155
　7.5　本章小結(jié)160
第四部分　拓展
第8章　聯(lián)邦學習的延伸162
　8.1　聯(lián)邦學習的布局162
8.1.1　Google的聯(lián)邦學習162
8.1.2　Facebook的聯(lián)邦學習166
8.1.3　聯(lián)邦智能167
8.1.4　共享智能169
8.1.5　知識聯(lián)邦172
8.1.6　異構(gòu)聯(lián)邦177
8.1.7　聯(lián)邦學習方案對比178
　8.2　聯(lián)邦學習系統(tǒng)框架179
8.2.1　工業(yè)級聯(lián)邦學習系統(tǒng)179
8.2.2　企業(yè)級聯(lián)邦學習系統(tǒng)181
8.2.3　實驗開發(fā)級聯(lián)邦學習系統(tǒng)181
　8.3　本章小結(jié)183
第9章　聯(lián)邦學習的挑戰(zhàn)、趨勢和展望184
　9.1　聯(lián)邦學習應對的挑戰(zhàn)184
　9.2　聯(lián)邦學習的趨勢和展望187
　9.3　本章小結(jié)189