联邦学习在电子政务中的应用初探

摘要

随着大数据的发展,新兴的方法论、架构和技术缓解了大数据存储与计算所带来的问题,从而促进了以深度学习为代表的机器学习的再度兴起.为得到性能更佳的模型,传统做法是尽量集中研究对象的各种数据,从而得到关于更多、更全面的特征.随着数据安全、隐私、资产意识的不断提升,数据集中越来越难或根本无法实现.在这种情况下,“联邦学习”的概念被提出,旨在保护数据安全与隐私的同时,利用分布的数据进行联合模型训练,从而达到或接近基于数据集中的训练效果.机器学习在电子政务领域也得到了广泛应用,而政府部门所收集保存的数据中很多涉及国家与社会安全、商业秘密与个人隐私等事项,在跨部门和与社会实体联合的应用中,亟待引入“联邦学习”技术.介绍了机器学习在电子政务中的应用案例,并从概念、理论上探讨了“联邦学习”在电子政务领域的应用模式与方法,给出初步建议.这些建议还需通过具体案例实践进行检验.