安全稳定,高可用隐私计算平台
目前已有包括金融信贷、保险、教育等多个行业的营销落地案例,其中一个信贷营销案例中服务商 A 为了扩大服务投放业务并稳定效果,联合数据方 B 展开了联邦合作,联邦建模效果比服务方 A 独立建模效果有稳定提升,营销投放业务持续正常开展。
在联邦学习应用场景下,所需要的机器资源根据模型训练的数据量级有所不同。Host 侧比较耗费机器资源,按20W样本量级、500维特征的数据量级进行评估,一般要准备16C/64G/2T磁盘/5M宽带的资源,Guest 侧推荐准备16C/32G/2T磁盘/5M宽带。
联邦学习又名联邦机器学习、联合学习、联盟学习。联邦机器学习是一个分布式机器学习框架,它将传统的机器学习进行定制化的隐私保护改造,能够在合规的基础上帮助多个机构,在进行数据合作及联合建模时,有效地保护用户隐私及数据安全。