Print

联邦可视化：一种隐私保护的可视化新模型

论文摘要

概述了联邦可视化的概念、框架、方法与应用。联邦可视化框架能够在不进行数据整合的情况下,针对具体任务和特定场景进行加密训练,得出反映全体数据特征的可视化模型。联邦可视化是联邦学习框架在可视化领域的拓展应用,主要强调在保障数据隐私的前提下,互利共赢的联邦协作方式在对多数据源数据进行可视分析方面的应用,以打破各领域、各行业的数据壁垒,实现数据与知识的共享。

论文目录

  • 1 引言
  • 2 相关工作
  •   2.1 隐私保护
  •   2.2 AI与可视化
  •   2.3 联邦学习
  • 3 联邦可视化框架
  •   3.1 可视化模型
  •   3.2 框架架构
  • 4 实验
  •   4.1 数据预处理
  •   4.2 技术实施
  •   4.3 实验结果
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 魏雅婷,王智勇,周舒悦,陈为

    关键词: 联邦学习,数据隐私,视觉特征,数据可视化,人工智能

    来源: 智能科学与技术学报 2019年04期

    年度: 2019

    分类: 社会科学Ⅱ辑,信息科技

    专业: 计算机软件及计算机应用

    单位: 浙江大学计算机辅助设计与图形学国家重点实验室

    基金: 国家自然科学基金资助项目（No.61772456)~~

    分类号: TP309

    页码: 415-420

    总页数: 6

    文件大小: 617K

    下载量: 229

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/c1a8c9a5dec50a91128b33a2.html