腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

腾讯大数据的专栏

专栏作者

323

文章

450445

阅读量

124

订阅数

直播预告 | 广告推荐与隐私计算的最新实践探索

隐私计算联邦学习 angel 大数据网络安全

7 月 9 日，13:30 - 17:15，腾讯大数据联合DataFun举办的《数据安全与隐私计算峰会》将会在视频号开启直播，由腾讯 Angel PowerFL 隐私计算平台负责人程勇老师出品的「广告推荐与隐私计算论坛」，将邀请来自腾讯、浙江大学、百度、华为、OPPO的5位专家学者，针对广告推荐场景下隐私计算的技术发展趋势和应用实践进行深度分享，欢迎大家一起探讨交流。出品人：程勇腾讯 Angel PowerFL 隐私计算平台负责人腾讯 Angel PowerFL 隐私计算平台负责人，中国专利审查技

腾讯大数据

2022-07-12

9310

直播 | 腾讯Angel PowerFL联邦学习技术与实践

大数据联邦学习

风控是业务健康发展的保障。通过大数据建模可以实现智能风控，对作弊和欺诈等行为进行风险识别和控制，有效提升风控效果。而大数据则是智能风控的基础，在实际应用中却很难集中整合数据用于风控建模。出于隐私保护和商业竞争等因素，数据不能直接共享，给智能风控带来挑战。联邦学习技术可以在原始数据不出域的情况下实现多方联合建模，既可以保护数据隐私，又可以挖掘多方数据协同应用价值，助力实现大数据智能风控。腾讯大数据团队在联邦学习和隐私保护技术上已经深耕多年，4月9日9点，腾讯大数据Angel PowerFL负责人程勇将会在第

腾讯大数据

2022-04-08

4320

腾讯Angel PowerFL联合项目团队斩获iDASH-2021国际隐私计算大赛差分隐私赛道冠军

隐私计算联邦学习 angel 机器学习大数据

1月28日，iDASH-2021国际隐私计算大赛结果正式公布，腾讯云Angel PowerFL和腾讯安全联合项目团队提交的方案，凭借领先的模型准确率和最快的推理速度获得差分隐私赛道冠军。在2020年的iDASH可信计算赛道上，腾讯云也斩获冠军，成为中国企业届首次在可信计算（SGX）赛道上夺冠的技术团队。 “IDASH赛事” iDASH比赛是隐私计算国际最权威的比赛，已经举办八届，是由美国国立卫生研究院 (NIH) 主办，专注于云环境下的隐私计算问题和面向隐私保护的机器学习问题，已成为全球基因组数据隐私保护和

腾讯大数据

2022-02-08

4520

联邦学习在腾讯微视广告投放中的实践

联邦学习迁移学习特征工程机器学习神经网络

分享人：宋凯博士整理者：林宜蓁导读: 本文从广告主的角度，分享联邦学习实践的经验跟思考。先介绍业务与技术选型背景：团队项目为用户增长及成本控制，方式为广告渠道投放，投放目标分为拉新、拉活两类。拉新时，微视侧端内用户特征稀疏，而广告平台积累大量信息，但仅有有限性的oCPX标准化数据回传。拉活时，微视侧具备用户行为序列等宝贵画像数据，与广告平台特征有互补性，但又无法直接粗暴的与广告平台共享数据。所以，希望微视侧能与广告平台侧利用双方数据，实现收益共赢，但保证数据的安全不出域。在这种背景下我

腾讯大数据

2021-09-06

2.2K0

释放数据融合价值！腾讯Angel PowerFL荣获2021数博会“领先科技成果奖”

angel 隐私计算安全联邦学习

导读 / Introduction 5月26日-28日,在2021中国国际大数据产业博览会上,凭借对前沿趋势的把握和技术领先性,腾讯大数据-天工平台上的Angel PowerFL安全联合计算技术,荣获“领先科技成果奖——新技术”奖项。数博会是全球首个以大数据为主题的博览会,由国家发展和改革委员会、工业和信息化部、国家互联网信息办公室和贵州省人民政府共同主办。作为数博会上的“重头戏”, “领先科技成果奖”是目前为止国家科学技术奖励办备案的唯一以博览会名义设奖和唯一以大数据为主题的专业奖项。作为腾讯

腾讯大数据

2021-06-02

8100

「腾讯大数据-天工」问世，鹅厂想用AI给大数据平台做自动驾驶系统

angel 机器学习联邦学习大数据数据分析

十年演进，腾讯大数据第四代数智融合计算平台「天工」终于问世，它有什么过人之处？本文转载自：机器之心作者：蛋酱上世纪 80 年代，姚期智教授曾在一篇文章中提出了「百万富翁设想」：如果两个百万富翁在街头相遇，在出于隐私考虑不列举自己所有财产的前提下，他们如何比较出谁更富有？这是一个密码学领域的经典问题，即一组互不信任的参与方在保护隐私信息以及没有可信第三方的前提下如何进行协同计算。随着信息技术的快速发展和个性化服务的演进，用户个人信息的跨境、跨系统、跨生态圈交互日益频繁，随之产生的隐私信息保护短板效应

腾讯大数据

2021-05-06

8760

快速上手联邦学习——腾讯自研联邦学习平台PowerFL实战

联邦学习 kubernetes 编程算法 yarn node.js

导语：近10年，机器学习在人工智能领域迅猛发展，其中一个关键的推动燃料就是人类社会积累的大量数据。然而，尽管数据规模在总体上快速增长，绝大部分数据却分散在各个公司或部门内，导致数据被严重隔离和碎片化；也正因为此，各个组织间有很强的数据合作意愿，可是基于数据隐私和安全的考量，要在合规的情况下实现数据合作面临着诸多挑战。基于上述原因形成的数据孤岛正严重阻碍着各方协同数据共同构建人工智能模型，也因此迫切需要一种新的机制来解决上述问题。联邦学习应运而生，通过这一新兴技术，可以在确保用户隐私和数据安全的前提下，各

腾讯大数据

2020-10-26

3.4K0

解密Angel PowerFL联邦学习平台中的纵向GBDT算法

编程算法决策树联邦学习机器学习神经网络

导语: GBDT（或XGBoost）算法是一种十分流行的树集成学习算法，不但是数据科学竞赛的常胜工具，在工业界的具体业务场景也有广泛的落地场景。然而，近年来用户隐私数据保护条例逐渐完善，“数据孤岛”逐渐形成，不但数据难以收集，不同公司或团队之间的数据也难以共享，这直接影响着机器学习模型的效果。为了应对这个问题，联邦学习技术逐渐进入人们的视线。本文聚焦腾讯自研的联邦学习平台Angel PowerFL中纵向联邦GBDT算法实现，介绍纵向联邦GBDT算法的原理和流程，并讲解相关的优化技术。梯度提升决策树算法

腾讯大数据

2020-09-09

4K0

助力联邦——Pulsar在Angel PowerFL联邦学习平台中的应用

angel zookeeper 打包联邦学习大数据

导语 Apache Pulsar是Yahoo开源的MQ解决方案，功能上跟Kafka、RocketMQ、TubeMQ等类似，同时支持多租户、读写分离、跨地域复制等特性。联邦学习作为新一代人工智能基础技术，通过解决数据隐私与数据孤岛问题，重塑金融、医疗、城市安防等领域。本文将介绍Pulsar在Angel PowerFL 联邦学习平台中的应用，探索MQ和联邦学习的跨界合作过程。 01 背景 Angel PowerFL联邦学习平台及其通信模块要求 Angel PowerFL联邦学习平台构建在Angel之

腾讯大数据

2020-08-06

1.2K0

对话腾讯大数据团队：自研联邦学习系统的技术实践和难点

angel 联邦学习机器学习深度学习神经网络

作者 | 蔡芳芳近两年，联邦学习发展迅速，开始从理论研究迈向批量应用的落地阶段，越来越多企业尝试引入联邦学习，用它来解决人工智能大规模落地过程中遭遇的数据瓶颈问题。但现成的联邦学习工具和框架并非拿来即用的“灵丹妙药”，联邦学习要真正在企业实际业务场景中发挥作用，仍有许多问题需要摸索，比如如何匹配业务的实际需求、如何兼容现有业务流程、如何尽可能减少对已有训练系统的改动等。为此，InfoQ 采访了腾讯 TEG 数据平台部的智能学习团队，深入了解联邦学习在腾讯的实践情况，以及他们对联邦学习技术难点的解决思

腾讯大数据

2020-03-19

1.1K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态