文献

J-GLOBAL ID：202002239071395573   整理番号：20A0901643

連合学習によるデータプライバシーの保存:挑戦と解決策【JST・京大機械翻訳】

Preserving Data Privacy via Federated Learning: Challenges and Solutions

著者 (3件)： Li Zengpeng (Qingdao University) ,  Sharma Vishal (Soonchunhyang University) ,  P. Mohanty Saraju (University of North Texas)
資料名： IEEE Consumer Electronics Magazine  (IEEE Consumer Electronics Magazine)
巻： 9  号： 3  ページ： 8-16  発行年： 2020年 
JST資料番号： W2310A  ISSN： 2162-2248  CODEN： ICEMCQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データは常にすべてのサイズのビジネスに対する主要な優先事項であった。ビジネスは,データを文脈化することにおけるそれらの能力を強化する傾向があり,データ自体が技術の進歩によって増殖するので,それから新しい洞察を引き出した。連合学習はプライバシー保存機械学習技術の特殊形式として機能し,データを文脈化することができる。それは,異なる地理的位置に位置するモバイル機器によって提供されるデータを,個人的に収集し,訓練するための分散訓練手法である。さらに,ユーザは,それらのプライバシーに敏感な個人データをクラウドに送ることなく,良く訓練された機械学習モデルを得ることから利益を得ることができる。本論文は,連合学習によるデータプライバシーの保存に関連する最も重要な課題に焦点を合わせた。価値ある攻撃メカニズムを検討し,関連する解を対応する攻撃に対して強調した。連合学習による有望な将来の方向と応用に沿ったいくつかの研究側面をさらに議論した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地理学 ,  プライバシー ,  *機械学習
準シソーラス用語： 連合学習 ,  モバイルデバイス ,  データプライバシー , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 学習 ,  データプライバシー ,  保存 ,  解決策