联邦学习定义了机器学习框架,在此框架下通过设计虚拟模型解决不同数据拥有方在不交换数据的情况下进行协作的问题。虚拟模型是各方将数据聚合在一起的最优模型,各自区域依据模型为本地目标服务。在联邦机制下,各参与者的身份和地位相同,可建立共享数据策略。由于数据不发生转移,因此不会泄露用户隐私或影响数据规范。为了保护数据隐私、满足合法合规的要求,可运用联邦学习方法解决数据孤岛问题。

 

【编写单位】

深圳前海微众银行股份有限公司、中国电子技术标准化研究院、上海计算机软件技术开发中心、国信优易数据有限公司、曙光信息产业(北京)有限公司、北京华宇软件股份有限公司、深圳市优必选科技股份有限公司、东软集团股份有限公司、广州广电运通金融电子股份有限公司、厦门安妮股份有限公司、四川易诚智讯科技有限公司、永辉云计算科技有限公司、哈工大机器人集团股份有限公司、精英数智科技股份有限公司、平安科技(深圳)有限公司、上海娴德教育科技有限公司、北京嘀嘀无限科技发展有限公司。

【标准讲什么】

本标准规定了联邦学习参考架构,包括联邦学习参考架构的概念、用户视图、功能视图以及两者之间的关系。

 

【标准谁来用】

本标准适用于:

a) 计划使用联邦学习技术的组织选择和使用联邦学习服务;

b) 计划使用联邦学习技术的组织建设联邦学习系统;

c) 指导使用联邦学习技术的组织提供联邦学习服务。