如何保证联邦学习交互过程中,个人隐私数据是安全的?
联邦学习本质是加密的分布式机器学习技术。联邦学习建模过程是数据不动模型动,参与方之间交互的是加密梯度值,数据和模型本身不会进行传输,合作双方无法看到对方的个人隐私数据。
通过联邦学习平台可以直接应用电信的标签体系吗?
需要客户提供规则文件,无法直接使用电信的标签体系。联邦学习通过对客户规则文件中提到的分类进行数据统计,完成建模。
通过联邦学习平台,能否可以对合作方数据进行统计分析,获得有效信息?
对客户提供的规则文件,在电信数据底层进行统计,但用户不会获取这部分统计信息,只能抽象化运用到建模中。
客户应用联邦学习训练好的模型,是否可以做拉新业务?
客户从训练模型到应用模型进行用户标签预测都是应用客户存量客户数据,并且是客户和电信的交集用户,只能做促活。不能实现拉新业务。
与评分卡模型相比,联邦学习的区别是什么?
联邦学习的模型输出分类的评分缺乏可解释性,不会针对用户某一数据字段进行评分,最后在累加,没有权重的概念。