聯(lián)邦學(xué)習(xí)原理與應(yīng)用（全彩）

定　價(jià)：￥109.00

作　者：	向小佳等著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787121423017	出版時(shí)間：	2022-01-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	312	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《聯(lián)邦學(xué)習(xí)原理與應(yīng)用》既是關(guān)于聯(lián)邦學(xué)習(xí)技術(shù)和實(shí)踐方法的介紹，又是關(guān)于聯(lián)邦學(xué)習(xí)在業(yè)界，特別是金融科技行業(yè)應(yīng)用實(shí)踐的案例展示。第1章介紹聯(lián)邦學(xué)習(xí)的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機(jī)遇和挑戰(zhàn)。第2章~第5章介紹不同類(lèi)型的機(jī)器學(xué)習(xí)方法在聯(lián)邦學(xué)習(xí)模式下的實(shí)現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學(xué)習(xí)開(kāi)源框架FATE的架構(gòu)和部署，以及在金融控股集團(tuán)內(nèi)大數(shù)據(jù)平臺(tái)上建立跨機(jī)構(gòu)統(tǒng)一數(shù)據(jù)科學(xué)平臺(tái)的實(shí)施方案。第7章從建模者的角度展示了典型建模流程的實(shí)戰(zhàn)過(guò)程。第8章和第9章結(jié)合金融相關(guān)行業(yè)的實(shí)踐，以多個(gè)應(yīng)用案例和解決方案的形式，介紹聯(lián)邦學(xué)習(xí)在營(yíng)銷(xiāo)運(yùn)營(yíng)和風(fēng)險(xiǎn)管理等不同業(yè)務(wù)方向上不同層次的應(yīng)用實(shí)踐。第10章從人工智能的不同方向介紹聯(lián)邦學(xué)習(xí)應(yīng)用擴(kuò)展及前景。附錄介紹了聯(lián)邦學(xué)習(xí)框架中相關(guān)的密碼學(xué)工具。《聯(lián)邦學(xué)習(xí)原理與應(yīng)用》適合隱私保護(hù)計(jì)算研究者（特別是聯(lián)邦學(xué)習(xí)技術(shù)的研究者）、大數(shù)據(jù)和人工智能方向的開(kāi)發(fā)者及大數(shù)據(jù)相關(guān)的應(yīng)用人員閱讀參考?！堵?lián)邦學(xué)習(xí)原理與應(yīng)用》為希望使用大數(shù)據(jù)技術(shù)和從事數(shù)據(jù)分析挖掘的業(yè)界人員提供了新的思路和視角。

作者簡(jiǎn)介

　　向小佳，光大科技有限公司副總經(jīng)理。光大科技有限公司植根于金融科技領(lǐng)域，于2018年就開(kāi)始探索數(shù)據(jù)的加密共享。在國(guó)內(nèi)金控領(lǐng)域，他于2018年第一個(gè)發(fā)起聯(lián)邦學(xué)習(xí)應(yīng)用研究，并將其在風(fēng)控、營(yíng)銷(xiāo)方面落地，建設(shè)了自主可控的聯(lián)邦學(xué)習(xí)平臺(tái)。他曾任中國(guó)科學(xué)院副研究員和碩士生導(dǎo)師、哥倫比亞大學(xué)訪問(wèn)學(xué)者、華為架構(gòu)師。他在云計(jì)算、大數(shù)據(jù)、機(jī)器學(xué)習(xí)領(lǐng)域具有豐富的學(xué)術(shù)與產(chǎn)業(yè)應(yīng)用經(jīng)驗(yàn)。他于2010年獲得清華大學(xué)博士學(xué)位，曾參與多個(gè)“863”“973”項(xiàng)目，主持國(guó)家自然科學(xué)基金項(xiàng)目一項(xiàng)，發(fā)表期刊和會(huì)議論文20余篇。李琨，光大科技有限公司追光實(shí)驗(yàn)室負(fù)責(zé)人，擁有國(guó)內(nèi)外多個(gè)行業(yè)數(shù)據(jù)挖掘建模和算法創(chuàng)新領(lǐng)域的多年實(shí)踐經(jīng)驗(yàn)，現(xiàn)在致力于金控集團(tuán)數(shù)據(jù)協(xié)同和數(shù)據(jù)挖掘方向的解決方案實(shí)現(xiàn)與算法創(chuàng)新。他于2011年獲得北京大學(xué)計(jì)算數(shù)學(xué)博士學(xué)位，發(fā)表算法相關(guān)的期刊和會(huì)議論文10余篇。王鵬，光大科技有限公司大數(shù)據(jù)研究團(tuán)隊(duì)負(fù)責(zé)人。他現(xiàn)在負(fù)責(zé)金控集團(tuán)聯(lián)邦學(xué)習(xí)生態(tài)系統(tǒng)的建設(shè)和技術(shù)創(chuàng)新，參與了多個(gè)隱私計(jì)算行業(yè)標(biāo)準(zhǔn)制定，是聯(lián)邦學(xué)習(xí)開(kāi)源項(xiàng)目FATE專家技術(shù)指導(dǎo)委員會(huì)成員。他擁有10余年的大數(shù)據(jù)、人工智能系統(tǒng)設(shè)計(jì)經(jīng)驗(yàn)，并在金控集團(tuán)應(yīng)用領(lǐng)域中實(shí)現(xiàn)了技術(shù)創(chuàng)新，其創(chuàng)新成果獲得了多項(xiàng)行業(yè)獎(jiǎng)項(xiàng)。鄭方蘭，光大科技有限公司追光實(shí)驗(yàn)室技術(shù)專家，在多個(gè)業(yè)務(wù)場(chǎng)景中有豐富的數(shù)據(jù)挖掘經(jīng)驗(yàn)，現(xiàn)主要致力于開(kāi)發(fā)算法模塊解決實(shí)際業(yè)務(wù)問(wèn)題和算法創(chuàng)新。他于2012年獲得博士學(xué)位，在國(guó)際主流的學(xué)術(shù)會(huì)議和期刊上發(fā)表論文10余篇。田江，工學(xué)博士，光大科技有限公司大數(shù)據(jù)部負(fù)責(zé)人，在大數(shù)據(jù)、人工智能領(lǐng)域擁有豐富的理論研究及實(shí)踐經(jīng)驗(yàn)，發(fā)表國(guó)內(nèi)外期刊和會(huì)議論文30余篇，參與起草國(guó)家標(biāo)準(zhǔn)《數(shù)據(jù)管理能力成熟度評(píng)估模型》并受聘為評(píng)估專家，同時(shí)多次獲得中國(guó)人民銀行信息科技課題研究獎(jiǎng)項(xiàng)。

圖書(shū)目錄

第1章 / 聯(lián)邦學(xué)習(xí)與金融科技應(yīng)用介紹
1.1 聯(lián)邦學(xué)習(xí)的發(fā)展背景和歷程
1.2 金融數(shù)據(jù)價(jià)值挖掘的聯(lián)邦學(xué)習(xí)實(shí)踐
第2章 / 聯(lián)邦學(xué)習(xí)算法之建模準(zhǔn)備
2.1 聯(lián)邦學(xué)習(xí)的分類(lèi)
2.2 樣本對(duì)齊的實(shí)現(xiàn)方式
2.2.1 基于哈希函數(shù)的普通對(duì)齊方式
2.2.2 基于非對(duì)稱加密算法的隱私保護(hù)對(duì)齊方式
2.3 特征工程的聯(lián)邦學(xué)習(xí)實(shí)現(xiàn)方式
2.3.1 特征工程簡(jiǎn)介
2.3.2 聯(lián)邦特征工程
第3章 / 聯(lián)邦學(xué)習(xí)算法之模型實(shí)現(xiàn)
3.1 線性模型的聯(lián)邦學(xué)習(xí)實(shí)現(xiàn)方式
3.1.1 橫向聯(lián)邦學(xué)習(xí)中的線性模型
3.1.2 縱向聯(lián)邦學(xué)習(xí)中的線性模型
3.2 極端梯度提升樹(shù)的聯(lián)邦學(xué)習(xí)實(shí)現(xiàn)方式
3.2.1 XGBoost算法介紹
3.2.2 SecureBoost算法介紹
3.3 深度學(xué)習(xí)類(lèi)算法的聯(lián)邦學(xué)習(xí)實(shí)現(xiàn)方式
3.3.1 深度學(xué)習(xí)的基本概念
3.3.2 常用的深度學(xué)習(xí)算法介紹
3.3.3 聯(lián)邦深度學(xué)習(xí)算法介紹
第4章 / 基于聯(lián)邦學(xué)習(xí)的推薦系統(tǒng)
4.1 信息推薦與推薦系統(tǒng)
4.2 矩陣分解和因子分解機(jī)的實(shí)現(xiàn)方式
4.2.1 基于隱語(yǔ)義模型的推薦算法
4.2.2 矩陣分解算法
4.2.3 因子分解機(jī)模型
4.3 聯(lián)邦推薦系統(tǒng)算法
4.3.1 聯(lián)邦推薦算法的隱私保護(hù)
4.3.2 聯(lián)邦推薦系統(tǒng)的分類(lèi)
4.3.3 橫向聯(lián)邦推薦系統(tǒng)
4.3.4 縱向聯(lián)邦推薦系統(tǒng)
第5章 / 聯(lián)邦學(xué)習(xí)應(yīng)用之?dāng)?shù)據(jù)要素價(jià)值
5.1 聯(lián)邦學(xué)習(xí)貢獻(xiàn)度
5.1.1 背景介紹
5.1.2 基于缺失法的貢獻(xiàn)度計(jì)算
5.1.3 基于Shapley值的貢獻(xiàn)度計(jì)算
5.2 基于聯(lián)邦學(xué)習(xí)的數(shù)據(jù)要素交易
5.2.1 數(shù)據(jù)要素交易的背景與現(xiàn)狀
5.2.2 基于聯(lián)邦學(xué)習(xí)的交易機(jī)制構(gòu)建
第6章 / 聯(lián)邦學(xué)習(xí)平臺(tái)搭建實(shí)踐
6.1 聯(lián)邦學(xué)習(xí)開(kāi)源框架介紹
6.2 FATE架構(gòu)與核心功能
6.3 金融控股集團(tuán)聯(lián)邦學(xué)習(xí)平臺(tái)簡(jiǎn)介
6.4 FATE集群部署實(shí)踐
6.4.1 All-in-one方式部署FATE集群
6.4.2 Docker-Compose方式部署FATE集群
6.4.3 在Kubernetes上部署FATE集群
6.4.4 FATE集群部署驗(yàn)證
6.4.5 FATE集群配置管理及注意事項(xiàng)
6.5 與異構(gòu)平臺(tái)對(duì)接
6.5.1 與大數(shù)據(jù)平臺(tái)對(duì)接
6.5.2 與區(qū)塊鏈平臺(tái)對(duì)接
6.5.3 多參與方自動(dòng)統(tǒng)計(jì)任務(wù)
第7章 / 聯(lián)邦學(xué)習(xí)平臺(tái)實(shí)踐之建模實(shí)戰(zhàn)
7.1 橫向聯(lián)邦學(xué)習(xí)場(chǎng)景
7.1.1 建模問(wèn)題與環(huán)境準(zhǔn)備
7.1.2 橫向聯(lián)邦學(xué)習(xí)建模實(shí)踐過(guò)程
7.2 縱向聯(lián)邦學(xué)習(xí)場(chǎng)景
7.2.1 建模問(wèn)題與環(huán)境準(zhǔn)備
7.2.2 縱向聯(lián)邦學(xué)習(xí)建模實(shí)踐過(guò)程
第8章 / 跨機(jī)構(gòu)聯(lián)邦學(xué)習(xí)運(yùn)營(yíng)應(yīng)用案例
8.1 跨機(jī)構(gòu)數(shù)據(jù)統(tǒng)計(jì)
8.2 在交叉營(yíng)銷(xiāo)場(chǎng)景中的聯(lián)邦學(xué)習(xí)實(shí)踐
8.2.1 聯(lián)邦學(xué)習(xí)在交叉營(yíng)銷(xiāo)場(chǎng)景中的應(yīng)用
8.2.2 信用卡交叉營(yíng)銷(xiāo)的聯(lián)邦學(xué)習(xí)案例
8.3 聯(lián)邦規(guī)則抽取算法及其在反欺詐與營(yíng)銷(xiāo)場(chǎng)景中的應(yīng)用
8.3.1 基于F-score的聯(lián)邦集成樹(shù)模型和其對(duì)應(yīng)的業(yè)務(wù)背景
8.3.2 損失函數(shù)、剪枝和自動(dòng)化規(guī)則抽取
8.3.3 縱向和橫向Fed-FEARE
8.3.4 橫向Fed-FEARE應(yīng)用于金融反欺詐
8.3.5 縱向Fed-FEARE應(yīng)用于精準(zhǔn)營(yíng)銷(xiāo)
第9章 / 跨機(jī)構(gòu)聯(lián)邦學(xué)習(xí)風(fēng)控應(yīng)用案例
9.1 聯(lián)邦學(xué)習(xí)下的評(píng)分卡建模實(shí)踐
9.1.1 背景需求介紹
9.1.2 聯(lián)邦學(xué)習(xí)框架下的評(píng)分卡建模
9.1.3 聯(lián)邦學(xué)習(xí)框架下的評(píng)分卡模型優(yōu)化
9.1.4 應(yīng)用案例
9.2 對(duì)企業(yè)客戶評(píng)估的聯(lián)邦學(xué)習(xí)和區(qū)塊鏈聯(lián)合解決方案
9.2.1 金融控股集團(tuán)內(nèi)對(duì)企業(yè)客戶評(píng)估的應(yīng)用背景
9.2.2 聯(lián)邦解決方案的內(nèi)容
9.2.3 券商對(duì)公客戶的評(píng)級(jí)開(kāi)發(fā)
9.3 在保險(xiǎn)核保場(chǎng)景中銀行保險(xiǎn)數(shù)據(jù)聯(lián)邦學(xué)習(xí)實(shí)踐
9.3.1 保險(xiǎn)核保
9.3.2 智能核保
9.3.3 聯(lián)邦學(xué)習(xí)與智能核保
第10章 / 聯(lián)邦學(xué)習(xí)應(yīng)用擴(kuò)展
10.1 基于聯(lián)邦學(xué)習(xí)的計(jì)算機(jī)視覺(jué)應(yīng)用
10.1.1 聯(lián)邦計(jì)算機(jī)視覺(jué)簡(jiǎn)述
10.1.2 研究現(xiàn)狀與應(yīng)用展望
10.2 聯(lián)邦學(xué)習(xí)在自然語(yǔ)言處理領(lǐng)域的應(yīng)用
10.2.1 聯(lián)邦自然語(yǔ)言處理技術(shù)進(jìn)展
10.2.2 聯(lián)邦自然語(yǔ)言處理應(yīng)用
10.2.3 挑戰(zhàn)與展望
10.3 聯(lián)邦學(xué)習(xí)在大健康領(lǐng)域中的應(yīng)用
10.3.1 聯(lián)邦學(xué)習(xí)的大健康應(yīng)用發(fā)展歷程
10.3.2 挑戰(zhàn)與顧慮
10.4 聯(lián)邦學(xué)習(xí)在物聯(lián)網(wǎng)中的應(yīng)用
10.4.1 物聯(lián)網(wǎng)與邊緣計(jì)算
10.4.2 人工智能物聯(lián)網(wǎng)
10.4.3 研究現(xiàn)狀與挑戰(zhàn)
附錄1 RSA公鑰加密算法
附錄2 Paillier半同態(tài)加密算法
附錄3 安全多方計(jì)算的SPDZ協(xié)議
參考文獻(xiàn)