深度学习终端隐私
社区干货
我的深度学习项目经验分享|社区征文
AI的爆火在于它确实能促进整个社会中大多人群的学习工作和生活的效率的提升,这是非常实用的。我要和大家分享的项目也是我学习AI过程中做的小项目,是利用视频分析技术结合深度学习构建的一个智能视频监控系统,用来进... 要确保视频数据的安全和隐私的保护,禁止没有授权的访问和篡改等恶意操作。## 技术可行性做项目之前,也是查了很多资料,确保项目能顺利实施。视频监控项目一般都需要进行视频流的采集,并且处理视频流,这里我选用...
基于深度学习的工业缺陷检测详解——从0到1|社区征文
# beginning2023年可谓是人工智能浪潮翻涌的一年,AI在各个领域遍地开花。以我最熟悉的工业为例,深度学习也在其中起着重要作用。不知道小伙伴们熟不熟悉工业领域的缺陷检测腻?🧐🧐🧐今天就以钢轨表面缺陷为例,和大... 图像尺度的终端视觉测量的数据结构等,由不同尺度的数据结构可以生成一条轨道交通线路的密集量化地图。最后,把这个目标检测算法模型部署应用在桌面端、云端、web端、网页端、智能手机端和智能硬件端,实现每秒钟20帧...
边缘计算技术:深度学习与人工智能的融合|社区征文
**TinyML:** 是指超低功耗的机器学习在物联网各种终端微控制器中的应用。TinyML通常功耗为毫瓦(mW)级别甚至更低,因此可以支持各种不同的电池驱动的设备,和需要始终在线的应用。这些设备包括智能摄像头、远程监控设... 如何使用PyTorch框架对深度学习模型进行训练和优化,以及如何将模型部署到边缘设备上? 以下是我的答案```pythonimport torch import torch.nn as nn import torch.optim as optim from torch.utils.mobile_...
大模型助力科技革命:2023年的里程碑与大模型的未来展望 | 社区征文
# 📑前言> 对大模型的简单理解:有着大量数据进行的深度学习或机器学习的模型,这些数据可以通过训练过程自动调整以捕获输入数据中的复杂关系。这类模型通常具有较深的网络结构和较多的神经元,以增加模型的表示能力... 计算资源和数据隐私等多方面的挑战。
特惠活动
深度学习终端隐私-优选内容
深度学习终端隐私-相关内容
火山引擎数据安全中心Jeddak隐私计算平台在行业的实践与探索
近日,火山引擎数据安全中心Jeddak隐私计算平台(以下简称“Jeddak”)亮相2022世界人工智能大会,作为面向数据安全与隐私计算的综合平台,Jeddak可以直面解决生产领域最棘手的端到端数据安全、特别是计算环境下的隐私保... 以及完整的联邦学习任务。首先通过高性能PSI来实现训练样本的对齐,用联邦特征工程进行训练预处理,之后利用树模型/深度神经网络来实现联邦建模,最后通过离线或在线预测的方式进行打分和投放,实现在保护各方数据不出...
隐私计算团队荣获第十届国际iDash大赛机密大赛赛道冠军
2023年11月,第10届iDASH国际隐私计算竞赛落下帷幕,字节跳动安全研究 - Jeddak可信隐私计算团队联合南京大学、南方科技大学、香港城市大学组建的Jeddak Team联合战队,获得机密计算赛道第一名、同态加密赛道第二名的... 故要求使用隐私计算技术在密态数据基础上执行运算,从而既实现业务目标、又保障数据的安全隐私。此次Jeddak Team所使用的核心技术均源于自研的Jeddak可信隐私计算平台,涵盖机密计算、联邦学习、多方安全计算、同态加...
深度探索E3PO:360° 视频传输平台的前沿技术与应用|社区征文
对于用户数据的安全和隐私问题尤为重要。制定适当的加密和认证措施,以保护用户数据不被未经授权的访问。# THE ENDE3PO作为360°视频传输模拟的平台,为研究人员和开发人员提供了丰富的实验环境。通过分享对其运行体验、基于其的项目设计以及其他相关内容的认识,我们可以共同推动VR/360°视频传输技术的发展。通过这个开源项目,我们有机会在这个领域做出更多的创新和贡献。InfoQ 首发文章的原文链接:[深度探索E3PO:360° 视...
深度解读 Android 14 重要的 8 个新特性|社区征文
而且稍有不慎还可能牵扯到隐私问题。那么 Android 14 为了规范这种开发需求,推出了专用 API,即 `ScreenShotCallback`。它无需无需 Runtime 级别的读写权限,申明专用权限即可,在 App 安装的时候即被授予:``` ``... ## 5.Locale Preferences有相当部分的一群人使用的设备语言和他的日常习惯是不同的。譬如想要学习英语的人可能将系统语言设置成英语,但会造成不少麻烦,比如日历 App 会变成公历类型,没了农历、也没了节假日调休标...
字节跳动在联邦学习领域的探索及实践
这与分布式机器学习中的模型数据并行训练方式类似。 如果探究联邦学习的历史,其经历了大概 3 到 5 年的发展。起初是 2015 年,Privacy-Preserving Deep Learning 这样的概念被提出,而后谷歌的 McMahan 提出若干深度学习方面的训练和应用模式。2018 年,微众发布联邦学习白皮书。 究其本质,联邦学习最重要的就是保护数据的可用而不可见,也就是数据的隐私保护,其研究有如下方面:一是基于差分隐私的数据保护;二是基于秘密共享的加密计...
迁移学习综述与未来展望 | 社区征文
而迁移学习,可以利用来自类似任务的有价值的知识和以前的经验来显著提高传统的 AI 技术的学习性能。## 迁移学习优点总结来看迁移学习相较于以往的机器学习和深度学习,有以下优点:- 提高训练数据的质量和数... 学习中大部分的数据在被训练的模型转移到目标域之前,都是经过其他源域的训练,从而大大减少了目标域的训练过程的计算需求。- 减少通信开销: 不需要发送大量的原始数据,只需要传输知识- 保护数据隐私: 用户无需...
大数据学习架构实践|社区征文
开放数据与保护隐私的矛盾。**其中包含用户隐私成为牺牲品、有可能危害国家安全等问题,我们的解决思路就是发展隐私保护数据挖掘方法和完善立法。# **在此做出几点预测:**1.移动大数据分析将逐步成为云计算和物联网的研究聚焦点。2.移动互联网UGC和MGC数据的深度融合将催生新的产业。3.专注...
学习 SSL/TLS ,这一篇就够了
可以帮到正在或将要学习 SSL/TLS 证书的你。# **01 基础概念**### 证书中心全文是关于证书在技术层面的介绍和一些案例枚举,如果你觉得枯燥或者想结合实际案例进行操作,那么可以试试火山引擎的证书中心产品... 证书链是从终端用户证书到其后跟着的一系列 CA 证书,而通常最后一个(即根证书)是自签名证书。假设我们当前的证书链包含叶子证书、中间证书和根证书三级,那么他们之间将包含如下关系:1. 在证书链上除根证书外,证...
边缘计算的深入学习之路|社区征文
边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据,不但解决了数据隐私和传输延迟问题节省成本,而且大大提高了数据处理的实时性更好满足 AIoT 智能计算的新需求。