聯(lián)邦學(xué)習(xí)原理與應(yīng)用（全彩）

定　價：￥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

購買這本書可以去

ISBN：	9787121423017	出版時間：	2022-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	312	字?jǐn)?shù)：

內(nèi)容簡介

　　《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)平臺上建立跨機(jī)構(gòu)統(tǒng)一數(shù)據(jù)科學(xué)平臺的實(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，以多個應(yīng)用案例和解決方案的形式，介紹聯(lián)邦學(xué)習(xí)在營銷運(yùn)營和風(fēng)險管理等不同業(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年就開始探索數(shù)據(jù)的加密共享。在國內(nèi)金控領(lǐng)域，他于2018年第一個發(fā)起聯(lián)邦學(xué)習(xí)應(yīng)用研究，并將其在風(fēng)控、營銷方面落地，建設(shè)了自主可控的聯(lián)邦學(xué)習(xí)平臺。他曾任中國科學(xué)院副研究員和碩士生導(dǎo)師、哥倫比亞大學(xué)訪問學(xué)者、華為架構(gòu)師。他在云計算、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“863”“973”項(xiàng)目，主持國家自然科學(xué)基金項(xiàng)目一項(xiàng)，發(fā)表期刊和會議論文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，擁有國內(nèi)外多個行業(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)計算數(shù)學(xué)博士學(xué)位，發(fā)表算法相關(guān)的期刊和會議論文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，參與了多個隱私計算行業(yè)標(biāo)準(zhǔn)制定，是聯(lián)邦學(xué)習(xí)開源項(xiàng)目FATE專家技術(shù)指導(dǎo)委員會成員。他擁有10余年的大數(shù)據(jù)、人工智能系統(tǒng)設(shè)計經(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，在多個業(yè)務(wù)場景中有豐富的數(shù)據(jù)挖掘經(jīng)驗(yàn)，現(xiàn)主要致力于開發(fā)算法模塊解決實(shí)際業(yè)務(wù)問題和算法創(chuàng)新。他于2012年獲得博士學(xué)位，在國際主流的學(xué)術(shù)會議和期刊上發(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)表國內(nèi)外期刊和會議論文30余篇，參與起草國家標(biāo)準(zhǔn)《數(shù)據(jù)管理能力成熟度評估模型》并受聘為評估專家，同時多次獲得中國人民銀行信息科技課題研究獎項(xiàng)。

圖書目錄

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
2.2 樣本對齊的實(shí)現(xiàn)方式
2.2.1 基于哈希函數(shù)的普通對齊方式
2.2.2 基于非對稱加密算法的隱私保護(hù)對齊方式
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
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)度計算
5.1.3 基于Shapley值的貢獻(xiàn)度計算
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)平臺搭建實(shí)踐
6.1 聯(lián)邦學(xué)習(xí)開源框架介紹
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)平臺簡介
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)平臺對接
6.5.1 與大數(shù)據(jù)平臺對接
6.5.2 與區(qū)塊鏈平臺對接
6.5.3 多參與方自動統(tǒng)計任務(wù)
第7章 / 聯(lián)邦學(xué)習(xí)平臺實(shí)踐之建模實(shí)戰(zhàn)
7.1 橫向聯(lián)邦學(xué)習(xí)場景
7.1.1 建模問題與環(huán)境準(zhǔn)備
7.1.2 橫向聯(lián)邦學(xué)習(xí)建模實(shí)踐過程
7.2 縱向聯(lián)邦學(xué)習(xí)場景
7.2.1 建模問題與環(huán)境準(zhǔn)備
7.2.2 縱向聯(lián)邦學(xué)習(xí)建模實(shí)踐過程
第8章 / 跨機(jī)構(gòu)聯(lián)邦學(xué)習(xí)運(yùn)營應(yīng)用案例
8.1 跨機(jī)構(gòu)數(shù)據(jù)統(tǒng)計
8.2 在交叉營銷場景中的聯(lián)邦學(xué)習(xí)實(shí)踐
8.2.1 聯(lián)邦學(xué)習(xí)在交叉營銷場景中的應(yīng)用
8.2.2 信用卡交叉營銷的聯(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銷場景中的應(yīng)用
8.3.1 基于F-score的聯(lián)邦集成樹模型和其對應(yīng)的業(yè)務(wù)背景
8.3.2 損失函數(shù)、剪枝和自動化規(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)營銷
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)框架下的評分卡建模
9.1.3 聯(lián)邦學(xué)習(xí)框架下的評分卡模型優(yōu)化
9.1.4 應(yīng)用案例
9.2 對企業(yè)客戶評估的聯(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)對企業(yè)客戶評估的應(yīng)用背景
9.2.2 聯(lián)邦解決方案的內(nèi)容
9.2.3 券商對公客戶的評級開發(fā)
9.3 在保險核保場景中銀行保險數(shù)據(jù)聯(lián)邦學(xué)習(xí)實(shí)踐
9.3.1 保險核保
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)的計算機(jī)視覺應(yīng)用
10.1.1 聯(lián)邦計算機(jī)視覺簡述
10.1.2 研究現(xiàn)狀與應(yīng)用展望
10.2 聯(lián)邦學(xué)習(xí)在自然語言處理領(lǐng)域的應(yīng)用
10.2.1 聯(lián)邦自然語言處理技術(shù)進(jìn)展
10.2.2 聯(lián)邦自然語言處理應(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 安全多方計算的SPDZ協(xié)議
參考文獻(xiàn)