【赠书】重磅好书联邦学习实战来袭！你值得拥有一本-优快云博客

我们以前给大家介绍过杨强教授团队所著的业界首本联邦学习的书籍，现在这本书的实战版来了，5月刚刚出版，本次给大家赠送3本新书，即《联邦学习实战》。

这是一本什么样的书

所谓联邦学习技术，是一种新型的分布式机器学习训练和应用范式，从提出以来就备受关注，也被认为是当前产业界解决数据隐私与数据共享之间矛盾的一种有效方案。

举个简单的例子来说，有10个团队要做同样的任务，各自都有自己业务上的数据集，它们都希望可以借助别人的数据提升模型性能，但不愿意把自己数据都暴露出去；联邦学习的解决方案就是不共享对方的数据，但是共享对方的模型参数，实现云端的分布式模型训练。这样一来大家都可以保护自己的数据，并且共享更多数据带来的模型性能提升。更多联邦学习的架构，可以参考2020年出版的第一本联邦学习的书籍，如下。

时隔一年，这本书的实战版来了，顾名思义，重点就在于实战。

本书内容

本书主要面向人工智能/数据科学相关的从业者，全书共19章，超过300页，全彩色印刷。

第一部分：联邦学习基础

第1章，联邦学习概述，主要是回顾联邦学习的提出背景，定义，以及算法分类。

第2章，联邦学习的安全机制，讲解如何保护数据，包括基于同态加密的安全机制，基于差分隐私的安全机制，基于安全多方计算的安全机制。

第二部分：联邦学习快速入门

第3章，用Python 从零实现横向联邦图像分类，以CIFAR10为数据集，ResNet18为模型。

第4章，微众银行FATE平台，包括FATE 安装与部署。

第5章，用FATE从零实现横向逻辑回归，包括数据准备，模型训练与评估。

第6章，用FATE从零实现纵向线性回归，包括数据准备，模型训练与评估。

第7章，联邦学习实战资源，包括本书配套的代码以及其他家的联邦学习平台。

第三部分：联邦学习案例实战详解

第8章，联邦学习在金融保险领域的应用案例，包括基于纵向联邦学习的保险个性化定价案例，基于横向联邦的银行间反洗钱模型案例。

第9章，联邦个性化推荐案例，其核心技术包括联邦矩阵分解，联邦因子分解机等。

第10章，联邦学习视觉案例，基于联邦学习进行目标检测。

第11章，联邦学习在智能物联网中的应用案例，为用户的出行预测，包括构建模型与实现。

第12章，联邦学习医疗健康应用案例，包括联邦医疗大数据与脑卒中预测，肺结节的识别。

第13章，联邦学习智能用工案例，提出了基于多人博弈游戏的联邦学习奖励机制方案。

第14章，构建公平的大数据交易市场，如何基于联邦学习构建新一代大数据交易市场，包括激励机制助力数据交易设计，FedCoin 支付系统设计。

第15章，联邦学习攻防实战，包括后门攻击，差分隐私，模型压缩，同态加密技术。

第四部分：联邦学习进阶

第16章，联邦学习系统的通信机制，包括socket，RPC，RMI，MPI等。

第17章，联邦学习加速方法，包括同步参数更新的加速方法，异步参数更新的加速方法，基于学习的联邦模型集成，硬件加速。

第18章，联邦学习与其他前沿技术，介绍了Split Learning，区块链，边缘计算。

第19 章总结与展望

本书第1作者：

杨强教授

微众银行首席人工智能官（CAIO）和香港科技大学（HKUST）计算机科学与工程系讲席教授。曾任香港科技大学计算机科学与工程系系主任。研究兴趣包括人工智能、机器学习和数据挖掘，特别是迁移学习、自动规划、联邦学习和基于案例的推理。当选多个国际协会会士（Fellow），包括ACM、AAAI、IEEE、IAPR， CAAI和AAAS。华为诺亚方舟实验室的创始主任（2012-2014 年）和第四范式（AI 平台公司）的共同创始人。

著有多本书籍：《智能规划》 Intelligent Planning （Springer）、《学术研究，你的成功之路》（清华大学出版社） Crafting Your Research Future （Morgan & Claypool）、《迁移学习》（机械工业出版社华章公司）Transfer Learning （Cambridge University Press）、《联邦学习》（电子工业出版社）Federated Learning （Morgan Claypool），Constraint-based Design Recovery for Software Engineering（Springer）。

赠书

接下来是福利时间，本次我们赠送出3本书籍，想要获得书籍的同学，在本公众号下方留言，根据点赞数的高低，下周一5月17日晚上22:00统计出获奖读者，届时联系有三微信Longlongtogo即可。

如果没有获得赠书，也可以点击阅读原文购买。