抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】