清淘社智讯清淘社智讯 · 观点检索
找一篇评论
按关键词、作者或立场检索全部署名文章“联邦学习” 命中 5 篇
生成式AI边缘计算落地：算力优化与隐私保护的动态平衡
5G网络深化推动AI向边缘端迁移，但企业面临算力压缩与隐私泄露的矛盾。本文提出包含延迟、能耗比、隐私泄露风险等级的量化评估框架，并解析联邦学习、同态加密等技术的落地实践路径。
技术路线之争 来源：清淘社智讯编辑部生成式AI环保监测：精度与隐私的合规突围战
生态环境部新规要求AI污染预测模型精度≥95%，但数据脱敏导致模型性能下降30%-50%。本文解析企业如何通过联邦学习+差分隐私构建合规监测体系，附三甲医院环境数据脱敏案例
每周立场 来源：清淘社智讯编辑部生成式AI金融合规双轨制：隐私计算与审计追踪的跨境实践与风险预判
2026年FATF跨境数据流动新规实施后，金融行业生成式AI面临隐私计算框架缺失与审计标准模糊的双重困境。本文解析联邦学习、多方安全计算等技术的合规落地路径，提出审计追踪的日志标准化与区块链存证方案，揭示跨境数据流动中的三大风险阈值。
技术路线之争 来源：清淘社智讯编辑部生成式AI首破跨国罕见病协作壁垒：某跨国医疗数据项目的技术路径与合规启示
全球首例跨国罕见病AI诊断项目实现数据跨境协作，本文解析其采用的多模态联邦学习框架、动态差分隐私技术及双轨伦理审查机制，揭示医疗AI跨国落地的关键路径。
专栏作者 来源：清淘社智讯编辑部联邦学习在医疗AI中的隐私实践困局与伦理突围
医疗AI商业化加速背景下，联邦学习技术正面临隐私保护与模型效能的平衡难题。本文通过解剖某三甲医院与药企的联邦学习合作案例，揭示数据主权归属、算法偏见放大、责任主体模糊三大核心矛盾，并首次提出医疗场景联邦学习的'三阶合规框架'。
AI 伦理 来源：清淘社智讯编辑部