联邦可视化:一种隐私保护的可视化新模型

• 作者: 周舒悦 王智勇 陈为 魏雅婷
• 来源期刊: 智能科学与技术学报
• 学科: 工学
• 关键词: 联邦学习 数据隐私 视觉特征 数据可视化 人工智能
• 年，卷（期）: 2019,（4）
• 页码范围: 415-420
• 页数: 6页
• 分类号: TP183

摘要

概述了联邦可视化的概念、框架、方法与应用。联邦可视化框架能够在不进行数据整合的情况下,针对具体任务和特定场景进行加密训练,得出反映全体数据特征的可视化模型。联邦可视化是联邦学习框架在可视化领域的拓展应用,主要强调在保障数据隐私的前提下,互利共赢的联邦协作方式在对多数据源数据进行可视分析方面的应用,以打破各领域、各行业的数据壁垒,实现数据与知识的共享。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈为	浙江大学计算机辅助设计与图形学国家重点实验室	10	28	1.0	5.0
2	魏雅婷	浙江大学计算机辅助设计与图形学国家重点实验室	1	0	0.0	0.0
3	王智勇	浙江大学计算机辅助设计与图形学国家重点实验室	1	0	0.0	0.0
4	周舒悦	浙江大学计算机辅助设计与图形学国家重点实验室	1	0	0.0	0.0