《聯邦學習原理與套用（全彩）》是2022年電子工業出版社出版圖書，作者是向小佳等。
基於多年在金融科技領域的經驗提煉，聯邦學習算法+套用+平台搭建+實踐+套用案例+FATE
基本介紹
- 中文名：聯邦學習原理與套用（全彩）
- 作者：向小佳 等
- 出版社：電子工業出版社
- 出版時間：2022年1月
- 頁數：312 頁
- 定價：109 元
- 開本：16 開
- ISBN：9787121423017
內容簡介,圖書目錄,作者簡介,
內容簡介
從聯邦學習發展的背景、技術方法和工具的原理、落地實踐的詳細過程、與金融業務相關的套用案例、套用展望等方面，多角度、多層次地展示聯邦學習及其在金融科技行業套用的全貌
圖書目錄
第1章 / 聯邦學習與金融科技套用介紹 1
1.1 聯邦學習的發展背景和歷程 1
1.2 金融數據價值挖掘的聯邦學習實踐 8
第2章 / 聯邦學習算法之建模準備 13
2.1 聯邦學習的分類 13
2.2 樣本對齊的實現方式 16
2.2.1 基於哈希函式的普通對齊方式 16
2.2.2 基於非對稱加密算法的隱私保護對齊方式 17
2.3 特徵工程的聯邦學習實現方式 20
2.3.1 特徵工程簡介 20
2.3.2 聯邦特徵工程 23
第3章 / 聯邦學習算法之模型實現 25
3.1 線性模型的聯邦學習實現方式 25
3.1.1 橫向聯邦學習中的線性模型 27
3.1.2 縱向聯邦學習中的線性模型 29
3.2 極端梯度提升樹的聯邦學習實現方式 39
3.2.1 XGBoost算法介紹 40
3.2.2 SecureBoost算法介紹 42
3.3 深度學習類算法的聯邦學習實現方式 48
3.3.1 深度學習的基本概念 48
3.3.2 常用的深度學習算法介紹 49
3.3.3 聯邦深度學習算法介紹 52
第4章 / 基於聯邦學習的推薦系統 62
4.1 信息推薦與推薦系統 62
4.2 矩陣分解和因子分解機的實現方式 64
4.2.1 基於隱語義模型的推薦算法 65
4.2.2 矩陣分解算法 65
4.2.3 因子分解機模型 67
4.3 聯邦推薦系統算法 69
4.3.1 聯邦推薦算法的隱私保護 69
4.3.2 聯邦推薦系統的分類 70
4.3.3 橫向聯邦推薦系統 71
4.3.4 縱向聯邦推薦系統 76
第5章 / 聯邦學習套用之數據要素價值 87
5.1 聯邦學習貢獻度 87
5.1.1 背景介紹 87
5.1.2 基於缺失法的貢獻度計算 87
5.1.3 基於Shapley值的貢獻度計算 89
5.2 基於聯邦學習的數據要素交易 92
5.2.1 數據要素交易的背景與現狀 92
5.2.2 基於聯邦學習的交易機制構建 95
第6章 / 聯邦學習平台搭建實踐 98
6.1 聯邦學習開源框架介紹 98
6.2 FATE架構與核心功能 100
6.3 金融控股集團聯邦學習平台簡介 106
6.4 FATE集群部署實踐 108
6.4.1 All-in-one方式部署FATE集群 110
6.4.2 Docker-Compose方式部署FATE集群 119
6.4.3 在Kubernetes上部署FATE集群 126
6.4.4 FATE集群部署驗證 141
6.4.5 FATE集群配置管理及注意事項 144
6.5 與異構平台對接 152
6.5.1 與大數據平台對接 152
6.5.2 與區塊鏈平台對接 156
6.5.3 多參與方自動統計任務 160
第7章 / 聯邦學習平台實踐之建模實戰 165
7.1 橫向聯邦學習場景 165
7.1.1 建模問題與環境準備 165
7.1.2 橫向聯邦學習建模實踐過程 168
7.2 縱向聯邦學習場景 187
7.2.1 建模問題與環境準備 187
7.2.2 縱向聯邦學習建模實踐過程 190
第8章 / 跨機構聯邦學習運營套用案例 210
8.1 跨機構數據統計 210
8.2 在交叉行銷場景中的聯邦學習實踐 215
8.2.1 聯邦學習在交叉行銷場景中的套用 215
8.2.2 信用卡交叉行銷的聯邦學習案例 216
8.3 聯邦規則抽取算法及其在反欺詐與行銷場景中的套用 220
8.3.1 基於F-score的聯邦集成樹模型和其對應的業務背景 220
8.3.2 損失函式、剪枝和自動化規則抽取 222
8.3.3 縱向和橫向Fed-FEARE 227
8.3.4 橫向Fed-FEARE套用於金融反欺詐 229
8.3.5 縱向Fed-FEARE套用於精準行銷 232
第9章 / 跨機構聯邦學習風控套用案例 235
9.1 聯邦學習下的評分卡建模實踐 235
9.1.1 背景需求介紹 235
9.1.2 聯邦學習框架下的評分卡建模 236
9.1.3 聯邦學習框架下的評分卡模型最佳化 237
9.1.4 套用案例 239
9.2 對企業客戶評估的聯邦學習和區塊鏈聯合解決方案 243
9.2.1 金融控股集團內對企業客戶評估的套用背景 243
9.2.2 聯邦解決方案的內容 244
9.2.3 券商對公客戶的評級開發 245
9.3 在保險核保場景中銀行保險數據聯邦學習實踐 247
9.3.1 保險核保 247
9.3.2 智慧型核保 248
9.3.3 聯邦學習與智慧型核保 249
第10章 / 聯邦學習套用擴展 256
10.1 基於聯邦學習的計算機視覺套用 256
10.1.1 聯邦計算機視覺簡述 257
10.1.2 研究現狀與套用展望 259
10.2 聯邦學習在自然語言處理領域的套用 261
10.2.1 聯邦自然語言處理技術進展 261
10.2.2 聯邦自然語言處理套用 262
10.2.3 挑戰與展望 263
10.3 聯邦學習在大健康領域中的套用 263
10.3.1 聯邦學習的大健康套用發展歷程 264
10.3.2 挑戰與顧慮 266
10.4 聯邦學習在物聯網中的套用 268
10.4.1 物聯網與邊緣計算 268
10.4.2 人工智慧物聯網 270
10.4.3 研究現狀與挑戰 271
附錄1 RSA公鑰加密算法 272
附錄2 Paillier半同態加密算法 275
附錄3 安全多方計算的SPDZ協定 285
參考文獻 290
作者簡介
向小佳，光大科技有限公司副總經理。光大科技有限公司植根於金融科技領域，於2018年就開始探索數據的加密共享。在國內金控領域，他於2018年第一個發起聯邦學習套用研究，並將其在風控、行銷方面落地，建設了自主可控的聯邦學習平台。他曾任中國科學院副研究員和碩士生導師、哥倫比亞大學訪問學者、華為架構師。他在雲計算、大數據、機器學習領域具有豐富的學術與產業套用經驗。他於2010年獲得清華大學博士學位，曾參與多個“863”“973”項目，主持國家自然科學基金項目一項，發表期刊和會議論文20餘篇。
李琨，光大科技有限公司追光實驗室負責人，擁有國內外多個行業數據挖掘建模和算法創新領域的多年實踐經驗，致力於金控集團數據協同和數據挖掘方向的解決方案實現與算法創新。他於2011年獲得北京大學計算數學博士學位，發表算法相關的期刊和會議論文10餘篇。
王鵬，光大科技有限公司大數據研究團隊負責人。負責金控集團聯邦學習生態系統的建設和技術創新，參與了多個隱私計算行業標準制定，是聯邦學習開源項目FATE專家技術指導委員會成員。他擁有10餘年的大數據、人工智慧系統設計經驗，並在金控集團套用領域中實現了技術創新，其創新成果獲得了多項行業獎項。
鄭方蘭，光大科技有限公司追光實驗室技術專家，在多個業務場景中有豐富的數據挖掘經驗，現主要致力於開發算法模組解決實際業務問題和算法創新。他於2012年獲得博士學位，在國際主流的學術會議和期刊上發表論文10餘篇。
田江，工學博士，光大科技有限公司大數據部負責人，在大數據、人工智慧領域擁有豐富的理論研究及實踐經驗，發表國內外期刊和會議論文30餘篇，參與起草國家標準《數據管理能力成熟度評估模型》並受聘為評估專家，同時多次獲得中國人民銀行信息科技課題研究獎項。
