隐私保护计算技术

FEDERATED（联邦学习）是一种在保护数据隐私的前提下，实现多方数据联合建模的技术，其核心价值在于让数据“可用不可见”，从而打破数据孤岛，在数字化转型的深水区，数据合规已成为企业发展的生命线，传统的集中式机器学习要求将数据汇聚到单一服务器，这不仅增加了数据泄露的风险，也触碰了《个人信息保护法》等法规的红线……