智能科学与技术学报 ›› 2019, Vol. 1 ›› Issue (4): 415-420.doi: 10.11959/j.issn.2096-6652.201946

• 学术论文 • 上一篇    下一篇

联邦可视化:一种隐私保护的可视化新模型

魏雅婷,王智勇,周舒悦,陈为()   

  1. 浙江大学计算机辅助设计与图形学国家重点实验室,浙江 杭州 310058
  • 修回日期:2019-11-21 出版日期:2019-12-20 发布日期:2020-02-29
  • 作者简介:魏雅婷(1994- ),女,浙江大学计算机辅助设计与图形学国家重点实验室博士生,主要研究方向为可视分析、可视设计、感知、认知|王智勇(1996- ),男,浙江大学计算机辅助设计与图形学国家重点实验室硕士生,主要研究方向为可视分析、机器学习|周舒悦(1996- ),女,浙江大学计算机辅助设计与图形学国家重点实验室硕士生,主要研究方向为可视化、可视分析、感知认知|陈为(1976- ),男,博士,浙江大学计算机辅助设计与图形学国家重点实验室教授,博士生导师,CCF 高级会员,主要研究方向为可视化、可视分析、大数据分析、人机混合智能
  • 基金资助:
    国家自然科学基金资助项目(61772456)

Federated visualization:a new model for privacy-preserving visualization

Yating WEI,Zhiyong WANG,Shuyue ZHOU,Wei CHEN()   

  1. State Key Lab of CAD&CG,Zhejiang University,Hangzhou 310058,China
  • Revised:2019-11-21 Online:2019-12-20 Published:2020-02-29
  • Supported by:
    The National Natural Science Foundation of China(61772456)

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。

关键词: 联邦学习, 数据隐私, 视觉特征, 数据可视化, 人工智能

Abstract:

The concept,architecture,methods and applications of federated visualization were introduced.The federated visualization framework is capable of encrypting and training a visual model that reflect the characteristics of the entire data for specific tasks and scenarios.The federated visualization framework is an extension and application of federated learning,which emphasized using mutual benefit and win-win federal cooperation to visually analyze multi-source data under the premise of ensuring data privacy,towards breaking down data barriers in various fields and industries and realizing the sharing of data and knowledge.

Key words: federated learning, data privacy, visual feature, data visualization, artificial intelligence

中图分类号: 

No Suggested Reading articles found!