
星云 Clustar 团队研究并撰写的论文《Aegis: A Trusted, Automatic and Accurate Verification Framework for Vertical Federated Learning 》荣获 FL-IJCAI’21 最佳应用论文奖(Best Application Award)。
星云 Clustar 团队研究并撰写的论文《Aegis: A Trusted, Automatic and Accurate Verification Framework for Vertical Federated Learning 》荣获 FL-IJCAI’21 最佳应用论文奖(Best Application Award)。
联邦学习作为一种解决数据隐私问题的重要路径,当联邦学习与推荐系统擦出火花,能否为我们提供一种既能优化个性化推荐效果,又能保障个人隐私数据安全的新思路?我们将介绍一种新的概念——联邦推荐系统。它是联邦学习在推荐系统应用场景中的一个实例,为我们解决推荐系统隐私保护与数据稀缺提供了一个重要思路。