0
尽管联邦学习在隐私保护和数据安全上有着众多优势，但这一技术目前也存在不小进步空间，效率就是亟待改善的问题之一。
联邦学习的模型训练过程，很难绕开同态计算和密文传输，二者对算力和网络都有严苛的要求，星云Clustar也因此选择从GPU加速同态运算，以及高速网络助力密文传输效力的角度切入，来改善联邦学习的计算速度。
如何理解联邦学习的性能与效率问题？星云Clustar的解决思路又是怎样的？6月4日，香港人工智能与机器人学会（HKSAIR）邀请到星云Clustar首席科学家胡水海做客线上讲堂，以“GPU在联邦学习中的探索”为主题，分享探索过程中的成果与技术挑战。
这也是HKSAIR主办的《AI金融公开课———隐私计算和联邦学习在金融领域的应用与机遇》系列公开课第五期。
本系列由HKSAIR理事长、微众银行首席人工智能官杨强教授领衔，共六位顶尖专家做客线上讲堂，围绕隐私计算和联邦学习的研究热点与商业应用展开最前沿的分享和讨论。
雷锋网《AI金融评论》作为独家合作媒体，也将对此次系列公开课进行全程报道，敬请关注。
GPU在联邦学习中的探索
胡水海，星云Clustar首席科学家，星云Clustar新技术研发负责人
香港科技大学博士，数据中心网络、云计算、RDMA网络、分布式AI系统方向专家，在顶级网络学术会议及期刊（SIGCOMM、NSDI、CoNEXT、ToN等）上发表过多篇论文。
目前负责星云Clustar 产品新技术研究及创新等工作，带领团队进行星云深度安全AI处理器产品的研发；长期聚焦于人工智能在制造、保险、银行等多个领域的技术研究，致力于将联邦学习技术推向AI商用落地。
2020年6月4日 20:00-21:00
雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
