| 作者 |
| 王健宗 李泽远 何安珣 |
| 丛书名 |
| 智能系统与技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782104231757 |
| 简要 |
| 简介 |
| 这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。 作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。 全书共9章，分为4个部分。 第1部分 基础（第1~2章） 主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。 第二部分 原理（第3~5章） 详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。 第三部分 实战（第6~7章） 主要讲解了PySyft、TFF、CrypTen等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。 第四部分 拓展（第8~9章） 概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。 . ---------------------------8075159 - 金融智能：AI如何为银行、保险、证券业赋能--------------------------- 内容简介 这是一部讲解如何用AI技术解决银行、保险、证券行业的核心痛点并帮助它们实现数智化转型的著作。 作者从金融智能一线从业者的视角，深入剖析了传统金融行业的痛点与局限，以及金融智能的特点与优势，阐明了人工智能等技术在金融业的必要性，并针对金融智能在银行、保险和证券业的诸多应用场景，给出了具体解决方案。此外，本书还分析了金融智能在各行业中的未来发展趋势。 本书从金融智能的现实意义出发，围绕底层技术和赋能应用对金融智能展开了全方位、多视角的深度剖析，聚焦科技赋能金融中的热点领域，充分挖掘潜在商业价值，洞悉与变革未来金融新生态，详尽展现了金融智能的产业版图。本书注重技术模式与应用实践相结合，涵盖大量金融场景下的应用案例和前瞻分析，对金融从业者具有指导意义。 |
| 目录 |
| [套装书具体书目] 8075159 - 金融智能：AI如何为银行、保险、证券业赋能 - 9787111666097 - 机械工业出版社 - 定价 79 8080128 - 深入浅出联邦学习：原理与实践 - 9787111679592 - 机械工业出版社 - 定价 79 ---------------------------8080128 - 深入浅出联邦学习：原理与实践--------------------------- 前言 第一部分 基础 第1章 联邦学习的前世今生2 1.1 联邦学习的由来2 1.2 联邦学习的发展历程3 1.3 联邦学习的规范与标准8 1.4 联邦学习的社区与生态9 1.5 本章小结10 第2章 全面认识联邦学习11 2.1 什么是联邦学习11 2.2 联邦学习的架构思想12 2.3 联邦学习的应用场景14 2.4 联邦学习的优势与前景15 2.5 本章小结16 第二部分 原理 第3章 联邦学习的工作原理18 3.1 联邦学习的计算环境18 3.1.1 可信执行环境18 3.1.2 无可信计算环境22 3.2 联邦学习的算法23 3.2.1 中心联邦优化算法24 3.2.2 联邦机器学习算法25 3.2.3 联邦深度学习算法28 3.3 联邦学习的算子29 3.3.1 联邦学习数据预处理算子30 3.3.2 联邦学习模型训练算子34 3.4 本章小结49 第4章 联邦学习的加密机制50 4.1 联邦学习的安全问题50 4.1.1 模型完整性问题50 4.1.2 模型可用性问题51 4.1.3 模型机密性问题52 4.1.4 问题总结53 4.2 联邦学习的加密方式53 4.2.1 同态加密53 4.2.2 差分隐私55 4.2.3 安全多方计算57 4.2.4 国密SM2算法58 4.2.5 国密SM4算法60 4.2.6 Deffie-Hellman算法61 4.2.7 混合加密61 4.3 本章小结63 第5章 联邦学习的激励机制64 5.1 数据贡献评估65 5.2 数据贡献与激励支付的关系66 5.3 参与方贡献效益评估67 5.4 参与方贡献效益与激励支付的关系68 5.5 计算和通信消耗评估68 5.6 计算消耗、通信消耗和激励支付的关系69 5.7 本章小结70 第三部分 实战 第6章 联邦学习开发实践72 6.1 联邦学习开源框架部署：PySyft72 6.1.1 PySyft基本介绍72 6.1.2 开发环境准备与搭建72 6.1.3 PySyft安装指南75 6.1.4 开发前的准备76 6.1.5 PySyft测试样例76 6.1.6 实操：分布式联邦学习部署87 6.2 联邦学习开源框架部署：TFF93 6.2.1 TFF基本介绍93 6.2.2 开发环境准备与搭建94 6.2.3 TFF安装指南94 6.2.4 开发前的准备95 6.2.5 TFF测试样例95 6.3 联邦学习开源框架部署：CrypTen100 6.3.1 CrypTen基本介绍100 6.3.2 开发环境准备与搭建100 6.3.3 CrypTen安装指南101 6.3.4 开发前的准备101 6.3.5 CrypTen测试样例102 6.4 本章小结111 第7章 联邦学习的行业解决方案112 7.1 联邦学习+智慧金融112 7.1.1 联邦学习+银行112 7.1.2 联邦学习+保险121 7.1.3 联邦学习+投资125 7.2 联邦学习+智慧医疗128 7.2.1 联邦学习+医疗影像诊断128 7.2.2 联邦学习+疾病风险预测130 7.2.3 联邦学习+药物挖掘133 7.2.4 联邦学习+医护资源配置135 7.3 联邦学习+智慧城市137 7.3.1 联邦学习+零售137 7.3.2 联邦学习+交通140 7.3.3 联邦学习+物流141 7.3.4 联邦学习+政府143 7.3.5 联邦学习+安防146 7.4 联邦学习+物联网148 7.4.1 联邦学习+车联网148 7.4.2 联邦学习+智能家居150 7.4.3 联邦学习+可穿戴设备153 7.4.4 联邦学习+机器人155 7.5 本章小结160 第四部分 拓展 第8章 联邦学习的延伸162 8.1 联邦学习的布局162 8.1.1 Google的联邦学习162 8.1.2 Facebook的联邦学习166 8.1.3 联邦智能167 8.1.4 共享智能169 8.1.5 知识联邦172 8.1.6 异构联邦177 8.1.7 联邦学习方案对比178 8.2 联邦学习系统框架179 8.2.1 工业级联邦学习系统179 8.2.2 企业级联邦学习系统181 8.2.3 实验开发级联邦学习系统181 8.3 本章小结183 第9章 联邦学习的挑战、趋势和展望184 9.1 联邦学习应对的挑战184 9.2 联邦学习的趋势和展望187 9.3 本章小结189 ---------------------------8075159 - 金融智能：AI如何为银行、保险、证券业赋能--------------------------- 前言 第1章 全面了解人工智能1 1.1 人工智能的定义和应用2 1.1.1 人工智能的定义2 1.1.2 人工智能的十大应用8 1.2 人工智能的三大流派14 1.2.1 符号主义流派15 1.2.2 连接主义流派16 1.2.3 行为主义流派17 1.3 人工智能发展历程17 1.3.1 第一次兴起：1956—197418 1.3.2 第一次低谷：1974—198023 1.3.3 第二次兴起：1980—198724 1.3.4 第二次低谷：1987年至21世纪初30 1.3.5 第三次兴起：2006年至今30 第2章 走近人工智能技术38 2.1 人工智能基础技术39 2.1.1 云计算39 2.1.2 大数据44 2.1.3 区块链49 2.1.4 5G57 2.2 人工智能应用技术60 2.2.1 机器学习61 2.2.2 计算机视觉67 2.2.3 自然语言处理71 2.2.4 语音识别73 2.2.5 联邦学习75 2.2.6 图计算81 2.2.7 图神经网络85 第3章 金融智能：人工智能催生智慧金融89 3.1 人工智能对金融业的必要性90 3.1.1 金融科技和金融智能的概念90 3.1.2 传统金融行业的痛点和局限91 3.1.3 金融智能的特点与优势92 3.2 人工智能对金融界的影响94 3.2.1 金融智能是当前趋势热点94 3.2.2 传统金融到智慧金融的发展历程95 3.2.3 金融企业的科技转型97 3.2.4 互联网公司布局金融行业102 3.2.5 新兴金融科技公司的诞生107 3.3 金融智能领域未来的发展112 3.3.1 金融智能发展的驱动因素113 3.3.2 产业未来生态结构121 3.3.3 金融智能的5个发展趋势122 第4章 金融智能引领银行新生态125 4.1 银行业的发展现状126 4.1.1 银行业概览126 4.1.2 我国银行业发展历程128 4.1.3 科技对银行业发展的影响133 4.2 传统银行业的痛点139 4.2.1 贷款业务方面的痛点139 4.2.2 存款业务方面的痛点142 4.2.3 支付业务方面的痛点143 4.3 传统银行的转型道路143 4.3.1 传统金融机构与金融科技企业合作144 4.3.2 部分银行互联网贷款、线上业务办理145 4.4 智能化在银行业的应用场景与解决方案146 4.4.1 “智慧员工”推动银行发展，提升用户体验147 4.4.2 声纹识别助力银行风控防堵150 4.4.3 线下刷脸支付便利生活154 4.4.4 RPA加速银行业务流程自动化156 4.4.5 智能预测分析工具阻绝失败交易158 4.4.6 大数据技术加强银行风险管理160 4.4.7 图计算技术洞察反洗钱风险164 4.4.8 区块链助推征信的数据共享交易166 4.4.9 区块链技术融入跨境支付应用170 4.4.10 联邦学习为“数据孤岛”破局174 4.5 “智能银行”的挑战与未来176 4.5.1 银行信用体系的革新176 4.5.2 银行模式的开放化177 4.5.3 加密前提下的银行数据共享179 4.5.4 智能银行自主预测与规避风险180 4.5.5 科技把控银行监管尺度182 第5章 金融智能开启保险新常态183 5.1 保险业发展现状184 5.1.1 保险业的起源与发展186 5.1.2 中国保险业的发展历程188 5.1.3 科技对保险业发展的影响193 5.2 传统保险业的痛点196 5.2.1 客服痛点196 5.2.2 理赔痛点198 5.2.3 风控痛点201 5.2.4 营销痛点206 5.3 传统保险业的转型道路210 5.4 智能化在保险业的应用场景与解决方案212 5.4.1 智能客服213 5.4.2 智能理赔216 5.4.3 智能风控224 5.4.4 智能营销 225 5.5 “智能保险”的挑战与未来233 第6章 金融智能打造证券新业态239 6.1 证券业发展现状240 6.1.1 证券业的概念240 6.1.2 我国证券业的发展历程及趋势243 6.1.3 科技对证券业发展的影响247 6.2 传统证券业的痛点248 6.3 传统证券业的转型道路250 6.3.1 金融智能引领证券业务模式变革250 6.3.2 金融智能与证券业深度融合251 6.3.3 金融智能加速传统证券业的线上化转型253 6.4 金融智能在证券业的应用场景及解决方案254 6.4.1 创新应用254 6.4.2 业务应用260 6.5 “智能证券”的挑战与未来271 6.5.1 证券市场格局日趋多元化271 6.5.2 智能化推动证券监管规则重塑272 6.5.3 证券信息透明化遏制智能证券风险273 |