5月25日!联邦学习安全效率与开源生态论坛即将开幕

当下,人工智能与大数据已经渗透到生产生活的方方面面。在保护数据安全的前提下释放数据价值成为社会发展的必然需求,隐私计算联邦学习作为隐私增强计算与人工智能相结合的新型技术范式,将迎来怎样的技术方向和应用创新?可信联邦学习如何平衡安全、可用的双目标?加快培育数据要素市场,给产学研各界带来怎样的机遇?由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导,FATE开源社区、开放群岛(Open Islands)开源社区、智能投研技术联盟(ITL)联合主办的“联邦学习安全效率与开源生态”线上论坛议程

图片

当下,人工智能与大数据已经渗透到生产生活的方方面面。

在保护数据安全的前提下释放数据价值成为社会发展的必然需求,隐私计算联邦学习作为隐私增强计算与人工智能相结合的新型技术范式,将迎来怎样的技术方向和应用创新?可信联邦学习如何平衡安全、可用的双目标?加快培育数据要素市场,给产学研各界带来怎样的机遇?

由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导,FATE开源社区、开放群岛(Open Islands)开源社区、智能投研技术联盟(ITL)联合主办的“联邦学习安全效率与开源生态”线上论坛议程正式发布。5月25日14:30,深度解读从联邦学习到可信联邦学习的跨越路径,从理论完美走向实用完美,一场隐私计算联邦学习生态圈的研讨盛宴,邀请您共同参与!

论坛议程图片

图片

图片

新书速递

日前,AI领域全新著作《可解释人工智能导论》重磅发布,该著作汇集人工智能领域12位名家多年研究成果与实践经验,系统阐述了可解释AI研究的问题和方法,详尽展示其广泛应用和积极作用,全面介绍了可解释人工智能的基础知识、理论方法和行业应用。欢迎大家通过下方专属优惠通道扫码购买。

可以点击《打开人工智能“黑盒”,发展可解释、可扩展、可信赖、安全可靠的人工智能》,获取更多新书内容。

图片

相关资讯

为数据而生,为隐私而战:隐私计算产业加速崛起

在充分保护隐私的同时尽可能多地挖掘数据价值,不仅理论上可行,实践中也有越来越多的团队为之努力并取得进展。

可信联邦学习冬令营·成都开营,产学研共促AI人才培养

近年来,国家对于人工智能和数据安全的重视程度不断加强。国务院《新一代人工智能发展规划》中明确提出了加强人工智能领域的基础研究、培养高素质人才、促进产业融合等方面的要求。联邦学习是人工智能和隐私计算核心技术之一,以“数据不动模型动,数据可用不可见”的核心特征,在保护数据隐私,促进数据要素安全流通等方面发挥关键性作用。

清华大学张璇、周光敏团队在联邦学习实现退役电池协同分类回收研究中取得新进展

编辑 | ScienceAI在退役电池回收行业中,正极材料的回收价值极高。传统的处理方式(例如火法、湿法)通常不对正极材料进行分类,而以混合形式回收,资源利用效率低且利润有限。相较之下,直接回收(修复)方法可以显著提升经济价值,具有工艺流程短、二次能源消耗和污染低、经济效益高的优点,但需要事先获取电池的正极材料信息。这些信息涉及制造商、用户、科研机构等敏感数据,难以获取和集中利用。此外,电池制造标准多样性、历史运行条件差异和多方(回收合作者)协作时的数据隐私问题加剧了退役电池分类的难度,制约了回收效率的提升和回收产