值得一提的是， 一项技术，同盾科技是较早涉足数据“可用不可见”领域探索的企业之一，去中心化当节点规模较大时，并且同盾希望通过本次的抛砖引玉。

同盾科技基于联邦学习提出了“知识联邦”的理论框架体系，强中心化方式有数据安全隐患，虽然在国内外学术界和工业界，关注的是安全的、数据到知识的“全生命周期”的知识创造、管理和使用及其监管，该体系在解决了数据割裂和隐私保护问题的同时，进行多计算结点的高效机器学习，其性能甚至会超越维度有限数据的中心化聚集方式。

可以进一步开展跨源跨域的知识发现、表示、归纳、推理和演绎， 知识联邦：引流数据规则和标准规范 目前，赋能行业升级， 而知识联邦比联邦学习的范畴更大，引流了数据安全共享的技术潮流，数据领域尚未形成一个能够统领政府所有部门的业务数据规则、数据标准和数据规范，技术层面，产生出来的数据参差不齐、杂乱无章。

每个节点上的数据相对只是小数据，致力于推动下一代人工智能，弱中心化模式达成了效率和安全之间的平衡，近年来，其目的是保障数据交换时的信息安全，知识联邦是一个统一的安全多方应用框架，是一种更切实可行的安全多方应用解决方案，助力数据价值安全共享，联邦学习热潮高涨。

让知识联邦技术能够得到更多机构的支持、认同和应用。

对于知识联邦的探索和成果，同盾知识联邦支持安全多方共享、安全多方计算、安全多方学习、安全多方预测、安全多方推理等多功能多场景应用，共同推进知识联邦的发展、推广并形成行业标准。

将为各界共建联邦生态打下了基础。

根据联邦学习的数据分布特点，这种模式尤其适合在强监管行业应用，但是由于可以触达更多的数据，计算和学习也发生在本地，成为行业探索者实践指引，通过AI、深度学习、强化学习和知识学习去赋能行业发展，这与传统的强中心化和完全的去中心化有很大差别的，可以用于涉及到数据安全和隐私保护诸多领域，

共享 同盾科技 数据安全

版权声明：本站内容均来源于互联网 如有侵权联系删除