深入浅出联邦学习 原理与实践

（1）作者资深：资深AI技术专家，某大型金融集团科技公司联邦学习团队负责人。（2）院士推荐：中国科学院外籍院士/英国皇家学会院士/欧洲科学院院士/英国爱丁堡皇家学会院士樊文飞、加拿大工程院院士郭嵩联袂推荐。（3）企业界和学术界高度评价：来自清华大学、华中科技大学教授、蚂蚁集团、百度、同盾科技等院校和企业的专家高度评价。（4）4个维度：从基础、原理、实战、拓展4个维度系统讲解联邦学习。

这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。全书共9章，分为4个部分。第1部分基础(第1～2章)主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。第二部分原理(第3～5章)详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。第三部分实战(第6～7章)主要讲解了PySyft、TFF、CrypTen等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。第四部分拓展(第8～9章)概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。

 

前言
第一部分 基础
第1章 联邦学习的前世今生
1.1 联邦学习的由来
1.2 联邦学习的发展历程
1.3 联邦学习的规范与标准
1.4 联邦学习的社区与生态
1.5 本章小结
第2章 全面认识联邦学习
2.1 什么是联邦学习
2.2 联邦学习的架构思想
2.3 联邦学习的应用场景
2.4 联邦学习的优势与前景
2.5 本章小结
第二部分 原理
第3章 联邦学习的工作原理
3.1 联邦学习的计算环境
3.1.1 可信执行环境
3.1.2 无可信计算环境
3.2 联邦学习的算法
3.2.1 中心联邦优化算法
3.2.2 联邦机器学习算法
3.2.3 联邦深度学习算法
3.3 联邦学习的算子
3.3.1 联邦学习数据预处理算子
3.3.2 联邦学习模型训练算子
3.4 本章小结
第4章 联邦学习的加密机制
4.1 联邦学习的安全问题
4.1.1 模型完整性问题
4.1.2 模型可用性问题
4.1.3 模型机密性问题
4.1.4 问题总结
4.2 联邦学习的加密方式
4.2.1 同态加密
4.2.2 差分隐私
4.2.3 安全多方计算
4.2.4 国密SM2算法
4.2.5 国密SM4算法
4.2.6 Deffie-Hellman算法
4.2.7 混合加密
4.3 本章小结
第5章 联邦学习的激励机制
5.1 数据贡献评估
5.2 数据贡献与激励支付的关系
5.3 参与方贡献效益评估
5.4 参与方贡献效益与激励支付的关系
5.5 计算和通信消耗评估
5.6 计算消耗、通信消耗和激励支付的关系
5.7 本章小结
第三部分 实战
第6章 联邦学习开发实践
6.1 联邦学习开源框架部署：PySyft
6.1.1 PySyft基本介绍
6.1.2 开发环境准备与搭建
6.1.3 PySyft安装指南
6.1.4 开发前的准备
6.1.5 PySyft测试样例
6.1.6 实操：分布式联邦学习部署
6.2 联邦学习开源框架部署：TFF
6.2.1 TFF基本介绍
6.2.2 开发环境准备与搭建
6.2.3 TFF安装指南
6.2.4 开发前的准备
6.2.5 TFF测试样例
6.3 联邦学习开源框架部署：CrypTen
6.3.1 CrypTen基本介绍
6.3.2 开发环境准备与搭建
6.3.3 CrypTen安装指南
6.3.4 开发前的准备
6.3.5 CrypTen测试样例
6.4 本章小结
第7章 联邦学习的行业解决方案
7.1 联邦学习+智慧金融
7.1.1 联邦学习+银行
7.1.2 联邦学习+保险
7.1.3 联邦学习+投资
7.2 联邦学习+智慧医疗
7.2.1 联邦学习+医疗影像诊断
7.2.2 联邦学习+疾病风险预测
7.2.3 联邦学习+药物挖掘
7.2.4 联邦学习+医护资源配置
7.3 联邦学习+智慧城市
7.3.1 联邦学习+零售
7.3.2 联邦学习+交通
7.3.3 联邦学习+物流
7.3.4 联邦学习+政府
7.3.5 联邦学习+安防
7.4 联邦学习+物联网
7.4.1 联邦学习+车联网
7.4.2 联邦学习+智能家居
7.4.3 联邦学习+可穿戴设备
7.4.4 联邦学习+机器人
7.5 本章小结
第四部分 拓展
第8章 联邦学习的延伸
8.1 联邦学习的布局
8.1.1 Google的联邦学习
8.1.2 Facebook的联邦学习
8.1.3 联邦智能
8.1.4 共享智能
8.1.5 知识联邦
8.1.6 异构联邦
8.1.7 联邦学习方案对比
8.2 联邦学习系统框架
8.2.1 工业级联邦学习系统
8.2.2 企业级联邦学习系统
8.2.3 实验开发级联邦学习系统
8.3 本章小结
第9章 联邦学习的挑战、趋势和展望
9.1 联邦学习应对的挑战
9.2 联邦学习的趋势和展望
9.3 本章小结