Skip to content

Commit

Permalink
update
Browse files Browse the repository at this point in the history
  • Loading branch information
TrustworthyFL committed Dec 19, 2023
1 parent 3e95df2 commit 8c4e12a
Showing 1 changed file with 11 additions and 4 deletions.
15 changes: 11 additions & 4 deletions _includes/about.html
Original file line number Diff line number Diff line change
Expand Up @@ -27,18 +27,25 @@
<td style="vertical-align: middle; width: 70%; height: 250px;">

<p style="font-size:17px">
近年来,随着政府和个人对数据隐私的重视不断,联邦学习(GNN)取得了快速、令人难以置信的进展。图神经网络又称为图深度学习、图表征学习(图表示学习)或几何深度学习,是机器学习特别是深度学习领域增长最快的研究课题。图论和深度学习交叉领域的这波研究浪潮也影响了其他科学领域,包括推荐系统、计算机视觉、自然语言处理、归纳逻辑编程、程序合成、软件挖掘、自动规划、网络安全和智能交通等
近年来,人工智能技术取得了令人瞩目的发展,伴随而来的是隐私和数据安全也比以往更受关注。 同时,随着相关法律法规的进一步实施,已有很多互联网、金融机构等企业由于泄露用户数据而被罚。国家强调探索建立安全规格的数据要素流通规则。这意味着,监管趋严背景下,机构对数据的采集、流通与应用愈发谨慎;而同时现实又在不断推动数据要素加速走向开放共享
</p>

<p style="font-size:17px">
可信联邦学习 (Trustworthy Federated Learning,TFL) 是一种增强型的联邦学习,它除了保证原始数据的隐私安全和模型的可证安全,还保证学习过程的高效率和模型的可用性,模型决策机制的可解释性、及模型的可溯源和审计监管。

在此背景下,人们迫切希望有一种技术,能够有效解决数据安全与开放共享矛盾。联邦学习(Federated Learning, FL)作为隐私增强计算与人工智能相结合的新型技术范式,成为了解决数据安全与开放共享矛盾的一个重要技术路径。自联邦学习提出以来,联邦学习取得了快速的进展,不管在工业界还是学术界都取得了令人印象深刻的成果。但随着联邦学习的发展,传统联邦学习的概念存在一些模糊和不足的地方,例如概念定义过于宽泛,尤其是在安全性层面,导致部分用户在使用过程中,会将联邦学习与分布式机器学习等价起来;在应用落地的过程中,安全、性能和效率的平衡考量越发重要,但传统联邦学习没有体现出这一点。
</p>

<p style="font-size:17px">
为此研究人员对联邦学习的概念和定义进行了不断的完善,提出了可信联邦学习 (Trustworthy Federated Learning,TFL) ,具体来说可信联邦学习是一种增强型的联邦学习,它除了保证原始数据的隐私安全和模型的可证安全,还保证学习过程的高效率和模型的可用性,模型决策机制的可解释性、及模型的可溯源和审计监管。
</p>

<p style="font-size:17px">
尽管图神经网络已经取得令人瞩目的成就,但我们在将其应用于其他领域时仍面临着许多挑战,包括从方法的理论理解到实际系统中的可拓展性和可解释性,从方法的合理性到应用中的经验表现,等等。然而,随着图神经网络的快速发展,要获得图神经网络发展的全局视角时非常具有挑战性的。因此,我们感到迫切需要弥合上述差距,并就这一快速增长但具有挑战性的主题编写一本全面的书,这可以使广大读者收益,包括高年级本科生和研究生、博士后研究人员、讲师及相关的从业人员。
当前可信联邦学习的理论还在快速发展,与新兴技术(如大模型技术)的结合也在不断涌现,因此,想要从全局视角上深入浅出了解可信联邦学习的技术全貌,是非常具有挑战性的,我们也感到迫切需要一本读物,能够全面且深入地讨论可信联邦学习的方方面面,并就未来的发展方向编写一本全面的书,这可以使广大读者收益。


</p>
<p style="font-size:17px">
本书涵盖图神经网络的广泛主题,从基础到前沿,从方法到应用,涉及从方法论到应用场景方方面面的内容。我们致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用
本书涵盖可信联邦学习的广泛主题,从基础算法到高级技术,从理论分析到应用实战,适用于包括高年级本科生和研究生、博士后研究人员、讲师及相关的从业人员
</p>


Expand Down

0 comments on commit 8c4e12a

Please sign in to comment.