边缘学习在工业应用中如何实现？

本文共计6616个文字，预计阅读时间需要27分钟。

借助白皮书，深入了解学习《边缘学习》。白皮书地址：https://pan.baidu.com/s/1lOvVwKUs5lSLZSLjNiF2GQ?pwd=95c1提取码：95c1前沿：个人信息保护技术、同态加密、秘密共享、安全传输（OT）及混淆电路。

借助白皮书，了解学习“边缘学习”。

白皮书地址： pan.baidu.com/s/1lOvVwKUs5lSLZSLjNiF2GQ?pwd=95c1 提取码: 95c1

前沿

（1）个人信息保护技术

• 同态加密
• 秘密共享
• 茫然传输（OT）
• 混淆电路
• 零知识证明
• 差分隐私
• 群 / 盲签名
• 远程证明
• 等

（2）基于以上技术，可以形成当前隐私计算的三大方向

• 联邦学习
• 安全多方计算
• 可信执行环境

（3）基于云的中心化机器学习
应用广泛，发展火热。但面临计算延迟大、可扩展性不足、数据隐私保护能力差等多重挑战

（4）边缘学习
定义：是一种基于“云 - 边 - 端”层次化、分布式的计算架构，使得数据在数据源本地或者最近的边缘服务器上得到处理，用于训练本地的机器学习模型和进行模型推理，只需要和云中心通信必要的模型参数，大大减少了对云中心的依赖，降低了模型计算延迟，提高了可扩展性，保护了数据的隐私性。