科研之友
微信
新浪微博
Facebook
分享链接
摘要
联邦学习是一种保护机密性的机器算法，可有效的应用于工业物联网。在联邦学习中，服务器协调多个客户端以进行模型学习。区块链在物联网和联邦学习中使用，可以有效的保持数据完整性，并吸引足够的数据和计算资源。机器学习已经发展阶段，大量高质量数据已成为限制发展的因素。在此背景下，对数据交换需求不断增长。传统的机器学习需要集中数据，对于数据孤岛和隐私要求，使各个业务部门无法做到交换数据。为了解决这个问题，联邦学习框架应运而生，本文分析了联邦学习框架的设计应用，分析了现行联邦学习框架存在的实现难点，以便相关人士更好地理解联邦学习框架。
-
单位国家电网有限公司
