ACM

ACM通信

首页 / 杂志存档 / 2020年12月(第63卷第12期) / 隐私保护AI的联邦学习 /摘要

的观点

隐私保护AI的联邦学习

程勇，刘杨，陈天健，杨强
美国ACM通讯，2020年12月，第63卷第12期，第33-36页
10.1145 / 3387107
评论

认为: 打印手机应用程序 ACM数字图书馆数码版分享: 通过电子邮件发送在reddit上分享在StumbleUpon上分享分享黑客新闻在推特上分享在Facebook上分享

钥匙孔和图案背景，插图 — 资料来源:Andrij Borys Associates, Shutterstock

机器学习(ML)技术在增强实际人工智能(AI)应用方面取得了显著的成功，例如自动语音识别和计算机视觉。然而，我们今天在采用人工智能方面面临着两大挑战。一是大多数行业的数据都以孤岛的形式存在。另一个是对保护隐私的人工智能的需求不断增长。传统的基于集中数据收集的人工智能方法无法应对这些挑战。如何在遵守隐私保护法律法规的同时解决数据碎片化和隔离问题，是AI研究人员和从业者面临的重大挑战。

在法律方面，立法者和监管机构正在制定新的法律，规定如何管理和使用数据。^3.一个突出的例子是欧盟在2018年通过了《通用数据保护条例》(GDPR)。在美国，加州消费者隐私法案将于2020年颁布。中国于2017年生效的《网络安全法》也对数据收集和交易进行了严格控制。

没有找到条目

登录阅读全文

需要访问吗?

请选择以下其中一个选项以访问优质内容和功能。

创建一个网络帐户

如果您已经是ACM会员，通信订阅用户，或数码图书馆订阅用户，请设立网上帐户，以便阅览本网站的优质内容。

加入ACM

成为ACM会员可以充分利用ACM卓越的计算信息资源、网络机会和其他优势。

订阅ACM杂志通讯

获得完全访问超过50年的CACM内容，并每月收到印刷版杂志。

购买物品

非会员可以购买这篇文章或它出现的杂志的副本。