橫向聯邦學習
對于相同特征的樣本參與方實現綜合運算,利用分布于各方的同構進行機器學習建模,適用于業務相似的場景,通過提升樣本數量達到訓練模型效果的提升
對于相同特征的樣本參與方實現綜合運算,利用分布于各方的同構進行機器學習建模,適用于業務相似的場景,通過提升樣本數量達到訓練模型效果的提升
對于樣本用戶重合度高、特征互補的數據,利用梯度下降等技術,通過豐富樣本特征維度,實現機器學習模型優化,適用于跨行業跨機構的數據聯合建模
對于無法滿足橫向與縱向條件的數據,用戶和特征重疊都較少,可采用遷移學習技術,建立適用更廣泛的共享機器學習模型
擁有自動建模功能,支持多種機器學習和深度學習的聯邦學習訓練和模型部署,用戶極易上手
對訓練狀態和訓練效果的全方位監控,用戶對訓練進程一目了然
支持多種數據庫的接入,支持有協調方和去中心化版本,靈活進行私有化部署
通過聯邦學習特有的算法保證數據不出本地,共享數據最小化,通過加密協議確保數據交互的安全性