导读:本文包含了数据联邦论文开题报告文献综述及选题提纲参考文献，主要关键词:数据孤岛,AI,隐私保护,网络商城,底层数据,通用数据,用户行为,异构系统,加密机制,模型质量
数据联邦论文文献综述
马爱平,马越[1]（2019）在《AI训练遇隐私难题 联邦学习这样打通数据孤岛》一文中研究指出数据可以说是人工智能的燃料。但随着AI落地各个应用场景，数据隐私泄露问题日益严重。数据的交流使用和数据的隐私保护似乎成为了不可调和的矛盾。如何在不泄露各自数据隐私的情况下实现数据的共享和模型的共建，同时连通数据割裂的孤岛是当前所面临的问题。目前各(本文来源于《科技日报》期刊2019-11-19）
马爱平[2]（2019）在《破解数据信任难题 联邦学习标准或明年出台》一文中研究指出AI技术在实际应用落地的过程中面临着两大瓶颈：一方面，多数企业拥有的“小数据”难以聚沙成塔取长补短；另一方面，对数据隐私与安全的日益重视早已成为世界性趋势。而“联邦学习”作为加密的分布式机器学习范式，可以使得各方在不披露原始数据的情况下达到共建模型的目的(本文来源于《科技日报》期刊2019-11-12）
王梦钰[3]（2019）在《美国联邦教育部发布高中职业技术教育数据》一文中研究指出据美国联邦教育部官网2019年9月27日消息,美国联邦教育部于当日发布高中职业技术教育(Career and Technical Education,CTE)互动数据,详细阐述了美国高中职业技术教育的发展与成果。数据聚焦参加2门或多门CTE课程的学生学习情况,揭示了美国职业技术教育参与度。职业技术教育互动数据显示,有77%的高中学生至少学习了1门CTE课程,而其中只有37%的人专注于单一类型的职业研究。8年学习期满之后,接受了CTE的学生在未来就业与(本文来源于《世界教育信息》期刊2019年21期）
付淑琼[4]（2019）在《数据治教:美国联邦政府的高等教育现代化策略》一文中研究指出20世纪末期以来,美国联邦政府十分重视数据的治理功能,并采取了一系列策略发挥数据在推进高等教育现代化中的作用。这些策略包括通过全美教育统计中心的大学记分卡等开放数据,监督高校的办学行为从而推进高等教育公平;通过大学生资助、科研项目申请与管理等电子政务,简化办事流程从而提升学习与工作效率;通过隐私制度、隐私机构等,确保信息安全从而保障多方权益。由此,为了充分发挥数据的治理功能,应完善相关的法律与制度,健全机构体制,最大化数据的特色与优势,并有效规避其存在的问题。与此同时,高校也应该致力于培养与提升学生的数据素养。(本文来源于《比较教育研究》期刊2019年11期）
杨强[5]（2019）在《AI与数据隐私保护：联邦学习的破解之道》一文中研究指出伴随着计算力、算法和数据量的巨大进步,人工智能迎来第3次发展高潮,开始了各行业的落地探索.然而,在"大数据"兴起的同时,更多行业应用领域中是"小数据"或者质量很差的数据,"数据孤岛"现象广泛存在.例如在信息安全领域的应用中,虽然多家企业推出了基于人工智能技术的内容安全审核、入侵检测等安全服务,但出于用户隐私和商业机密的考虑,企业之间很难进行原始数据的交换,各个企业之间服务是独立的,整体协作和技术水平很难在短时间内实现突破式发展.如何在保护各机构数据隐私的前提下促成更大范围的合作,能否通过技术手段破解数据隐私保护难题,联邦学习是解决这一问题、实现跨企业协同治理的有效方式.(本文来源于《信息安全研究》期刊2019年11期）
熊瑛子[6]（2019）在《从大数据探讨瑞士联邦最高法院对体育仲裁的审查》一文中研究指出仲裁,以其解决纠纷的专业性和效率性着称。仲裁规则中,一般均赋予仲裁裁决终局效力,如《与体育有关的仲裁法典》第46条第3款规定:"仲裁裁决应是终局的,并对当事人具有约束力。"然而,仲裁的终局性,并不能排除仲裁地国法院对裁决的审查,法院从国家司法机关的角度,需要核实仲裁程序是否尊重当事人的基本权利。法院司法审查所采取的原则,体现了司法干预仲裁领域的范围和深度。研究仲裁地国法院对待仲裁裁决的态度,可以采用数据分析的统计方法,从申请撤销裁决的案件数量、获得法院支持的案件数量、申请撤销的各项理由、法院审理程序的时间、诉讼费用等方面展开。国家法院审查仲裁裁决,从根本上维护了当事人的权益。自2009年始,体育仲裁上诉案件数量急剧增多,约占瑞士联邦最高法院受理的所有仲裁上诉案件的一半左右,吸引了越来越多的学者开始关注瑞士联邦最高法院对体育仲裁司法审查的态度。CAS仲裁庭受理并审结的案件中,约8%被当事人上诉至瑞士联邦最高法院,这一比例,较之其他领域的仲裁裁决引发的上诉案件,明显偏高。体育仲裁成为瑞士法院针对仲裁进行司法审查中的特殊类别。瑞士联邦最高法院处理体育仲裁裁决的撤销之诉,与其他类型的仲裁撤销之诉,有何区别?瑞士联邦最高法院应如何妥善处理体育仲裁案件,如何尊重体育仲裁的特殊属性?这些问题值得我们进一步探究。本文从数据角度探析瑞士联邦最高法院对待CAS体育仲裁裁决的态度,得出以下结论:第一,当事人针对CAS体育仲裁上诉的案件数量急剧增加,约占所有受理案件的一半左右;造成案件数量增长的原因,一方面是普通商事仲裁中当事人不满仲裁裁决,提请法院撤销的维权意识得到增强;另一方面是由于近年间,CAS体育仲裁上诉案件数量呈显着增长之态。针对体育仲裁裁决的撤销之诉日渐增多。第二,瑞士联邦最高法院判断CAS裁决的合理性时,需要考虑体育的特殊属性。CAS体育仲裁具有一定的特殊性,需要法院适用与处理普通商事仲裁案件不同的原则,法院对CAS体育仲裁的司法审查,标准更加灵活,增加了其被撤销的可能性。法院在对CAS体育仲裁进行司法审查时,需要在尊重当事人基本程序权利的前提下,重新界定体育仲裁的特殊属性,例如:兴奋剂的严格责任原则、体育领域禁赛处罚与公共秩序等,这些均是瑞士联邦最高法院需要考虑的关键问题。第叁,瑞士联邦最高法院审查仲裁裁决的撤销之诉,大多依据程序性理由,仅有极少数严重违反公共秩序的裁决,可能会被撤销。瑞士联邦最高法院适用五条上诉理由审查体育仲裁的实践,可以大致分为叁个部分:(1)仲裁程序开始前的程序事项的审查,包括仲裁庭组成不当和仲裁庭无管辖权两条理由;(2)仲裁程序进行中的程序事项的审查,包括仲裁庭超裁或漏裁和违反平等听证原则两条理由;(3)仲裁裁决中涉及公共秩序的审查事项,包括程序性公共秩序,如已决之案原则,实体性公共秩序,如禁止权力滥用、禁止限制劳工自由原则等。这样的分类,一方面是依据仲裁程序进展过程的自然顺序,另一方面也是出于各章节篇幅平衡的考虑。总体而言,瑞士联邦最高法院审查仲裁裁决的撤销之诉,依据的大多是程序性理由,仅有极少数严重违反瑞士公序良俗的仲裁裁决,可能基于实体性公共秩序的上诉理由而被撤销。由瑞士联邦最高法院受理仲裁裁决的数据可知:第一,随着CAS逐渐发展成为体育领域解决纠纷的权威机构,当事人针对CAS体育仲裁上诉的案件数量急剧增加,约占所有受理案件的一半左右;第二,瑞士联邦最高法院判断CAS裁决的合理性时,需要考虑体育的特殊属性,如强制仲裁协议、运动员弱势地位等,处理撤销裁决的理由时需特殊对待;第叁,瑞士联邦最高法院审查仲裁裁决的撤销之诉,大多依据程序性理由,如平等听证权利、管辖权异议、仲裁庭组成不当等,仅有极少数严重违反公共秩序的裁决,可能会被撤销。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
王梦钰[7]（2019）在《美国联邦教育部进一步改善教育民权数据质量》一文中研究指出据美国联邦教育部官网2019年8月23日消息,联邦教育部部长贝齐·德沃斯(Betsy De Vos)宣布美国教育部民权办公室(the U.S. Department of Education’s Office for Civil Rights,OCR)将与国家教育统计中心(National Center for Education Statistics,NCES)开展合作。此次合作致力于改善民权数据搜集处(Civil Right Data Collection,CRDC)有关教育信息的收集工作,以确保数据的有效性与可靠性,并能更准确地反映教育领域的主要民权问题。德沃斯指出,OCR将通过与NCES的合作(本文来源于《世界教育信息》期刊2019年20期）
邹媛[8]（2019）在《微众银行首席人工智能官杨强：运用联邦学习破解数据安全难题》一文中研究指出在金融领域，尤其是银行机构，越来越多的服务需要人工智能和机器人来完成，比如业务咨询、审核批准贷款文件、对申请人进行人脸识别、语音识别等身份核验、客服问答等等，这些应用都离不开一个元素——数据。但越来越多的数据泄露等问题，也让大数据逐渐变成了人工智能的挑战(本文来源于《深圳特区报》期刊2019-09-30）
马爱平[9]（2019）在《联邦学习或可破解机器学习数据获取难题》一文中研究指出随着人工智能的不断发展与落地，用户隐私问题越来越受到重视。近日，人工智能大数据公司因为违反相关法规而被罚巨额罚款，用户隐私问题再次回归大众视野。人工智能企业在分享数据的同时应遵守哪些道德原则？隐私保护法规对于AI的发展与落地而言是机遇还是挑战？更强大的数(本文来源于《科技日报》期刊2019-09-03）
潘碧莹,丘海华,张家伦[10]（2019）在《不同数据分布的联邦机器学习技术研究》一文中研究指出联邦机器学习把训练数据保留在本地且在不共享原始数据的前提下,使用分散在各终端上的数据高效地训练模型。由于联邦机器学习技术有效地保护了用户隐私,因此一经推出便引起众多关注。使用Mnist和Cifar-10两个数据集对联邦机器学习模型算法进行了研究,通过控制参与训练的客户端数量和更改不同数据分布,评估共享模型的准确率和稳定性。(本文来源于《5G网络创新研讨会（2019）论文集》期刊2019-08-15）
数据联邦论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
AI技术在实际应用落地的过程中面临着两大瓶颈：一方面，多数企业拥有的“小数据”难以聚沙成塔取长补短；另一方面，对数据隐私与安全的日益重视早已成为世界性趋势。而“联邦学习”作为加密的分布式机器学习范式，可以使得各方在不披露原始数据的情况下达到共建模型的目的
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据联邦论文参考文献
[1].马爱平,马越.AI训练遇隐私难题联邦学习这样打通数据孤岛[N].科技日报.2019
[2].马爱平.破解数据信任难题联邦学习标准或明年出台[N].科技日报.2019
[3].王梦钰.美国联邦教育部发布高中职业技术教育数据[J].世界教育信息.2019
[4].付淑琼.数据治教:美国联邦政府的高等教育现代化策略[J].比较教育研究.2019
[5].杨强.AI与数据隐私保护：联邦学习的破解之道[J].信息安全研究.2019
[6].熊瑛子.从大数据探讨瑞士联邦最高法院对体育仲裁的审查[C].第十一届全国体育科学大会论文摘要汇编.2019
[7].王梦钰.美国联邦教育部进一步改善教育民权数据质量[J].世界教育信息.2019
[8].邹媛.微众银行首席人工智能官杨强：运用联邦学习破解数据安全难题[N].深圳特区报.2019
[9].马爱平.联邦学习或可破解机器学习数据获取难题[N].科技日报.2019
[10].潘碧莹,丘海华,张家伦.不同数据分布的联邦机器学习技术研究[C].5G网络创新研讨会（2019）论文集.2019
标签：数据孤岛; AI; 隐私保护; 网络商城; 底层数据; 通用数据; 用户行为; 异构系统; 加密机制; 模型质量;