資料詳細

  • 1 件中、 1 件目

【図書】 Ｆｅｄｅｒａｔｅｄ　Ｌｅａｒｎｉｎｇ

プライバシー保護下における機械学習 --
Ｑｉａｎｇ　Ｙａｎｇ ／著, Ｙａｎｇ　Ｌｉｕ ／著, Ｙｏｕｇ　Ｃｈｅｎｇ ／著, Ｙａｎ　Ｋａｎｇ ／著, Ｔｉａｎｊｉａｎ　Ｃｈｅｎ ／著, Ｈａｎ　Ｙｕ ／著, ホクソエム ／監訳, 牧山幸史 ／訳, 高柳慎一 ／訳, 林樹永 ／訳   -- 共立出版 -- ２０２２．１０ -- ２４ｃｍ -- １９１ｐ

資料詳細

タイトル Ｆｅｄｅｒａｔｅｄ　Ｌｅａｒｎｉｎｇ
副書名 プライバシー保護下における機械学習
著者名等 Ｑｉａｎｇ　Ｙａｎｇ ／著, Ｙａｎｇ　Ｌｉｕ ／著, Ｙｏｕｇ　Ｃｈｅｎｇ ／著, Ｙａｎ　Ｋａｎｇ ／著, Ｔｉａｎｊｉａｎ　Ｃｈｅｎ ／著, Ｈａｎ　Ｙｕ ／著, ホクソエム ／監訳, 牧山幸史 ／訳, 高柳慎一 ／訳, 林樹永 ／訳  
出版 共立出版 ２０２２．１０
大きさ等 ２４ｃｍ １９１ｐ
分類 007.13
件名 機械学習 , 個人情報保護
注記 原タイトル：Ｆｅｄｅｒａｔｅｄ　Ｌｅａｒｎｉｎｇ
注記 文献あり　索引あり
要旨 複数のデータ所有者が、各自の持つ学習データを秘匿したまま、協力して機械学習モデルを構築するにはどうすればよいだろうか？従来型の機械学習のアプローチでは、すべてのデータを１か所（通常はデータセンター）に集める必要がある。しかし、これはユーザーのプライバシーやデータの機密性に関する法律に違反する可能性がある。現在、世界中の多くの地域が、プライバシーに関する法律に従ってユーザーのデータを慎重に扱うことをテクノロジー企業に課している。欧州連合（ＥＵ）が２０１８年に施行したＥＵ一般データ保護規則（ＧＤＰＲ）は、そのような法律の代表例である。本書では、この問題の解決策となる連合学習（ｆｅｄｅｒａｔｅｄ　ｌｅａｒｎｉｎｇ）について解説する。連合学習は、分散機械学習、暗号とセキュリティ、経済学とゲーム理論に基づくインセンティブメカニズムを組み合わせた新しい手法である。本書では、プライバシーの保護を目的としたさまざまな機械学習技術とその技術的背景について説明し、代表的な実用例を紹介する。そして、社会的ニーズが高まりつつある「責任あるＡＩ」（ｒｅｓｐｏｎｓｉｂｌｅ　ＡＩ）を開発・実用化するための技術として、次世代の機械学習の基盤となりうる連合学習の可能性を示す。
目次 第１章　イントロダクション；第２章　プライバシー保護機械学習；第３章　分散機械学習；第４章　水平連合学習；第５章　垂直連合学習；第６章　連合転移学習；第７章　連合学習のインセンティブメカニズムの設計；第８章　コンピュータビジョン、自然言語処理、推薦システムにおける連合学習；第９章　連合強化学習；第１０章　応用事例集；第１１章　まとめと展望
ISBN(13)、ISBN 978-4-320-12495-0　　 4-320-12495-2
書誌番号 1122004611
URL https://opac.lib.city.yokohama.lg.jp/winj/opac/switch-detail.do?bibid=1122004611

ページの先頭へ

所蔵

所蔵は 1 件です。現在の予約件数は 0 件です。

所蔵館 所蔵場所 別置 請求記号 資料区分 状態 取扱 資料コード
中央 ４階自然科学 Map 情報科学 007.1 一般書 利用可 - 2073958701 iLisvirtual

ページの先頭へ