Sedna基于KubeEdge提供的边云协同能力，实现AI的跨边云协同训练和协同推理能力。支持现有AI类应用无缝下沉到边缘，快速实现跨边云的增量学习，联邦学习，协同推理等能力，最终达到降低边缘AI服务构建与部署成本、提升模型性能、保护数据隐私等效果。

在这魔幻且艰难的一年里， 有人见尘埃，也有人见星辰。 无论是意料之中的成长或失败， 还是意料之外的惊喜或惊吓， 一切都将画上句号！ 一定有很多人和博文菌一样， 在阅读中度过了这不平凡的一年。 这一年，我们坚守初心，为大家带来了众多业内佳作， 这其中不乏一些领域内优秀的开山之作， 它们的存在，为推动行业发展带来了积极影响！ 踩在2020年的尾巴尖， 博文菌与你来一同回顾2020年出版的这些 “大咖之作”~ No.1 程序员修炼之道 《程序员修炼之道：通向务实的最高境界（第2版）》 【美】David Thom

5月29日，由VMware中国研发中心和微众银行联合主办的FATE× KubeFATE技术实践沙龙-北京站顺利举办，来自VMware、微众银行、建信金科、光大科技、中国银联、星云Clustar、爱动科技等多位技术专家现场分享了联邦学习相关应用与实践案例。 本次技术沙龙所有讲师的回放视频 将会分为（上）（下）两篇文章推出 上半场都有哪些精彩分享呢？ 一起来看看  活动主持人VMware中国研发中心技术总监张海宁。 01 VMware中国研发中心总经理、“VMware创新网络”联合发起人任道远致开场辞

5月29日，由VMware中国研发中心和微众银行联合主办的FATE× KubeFATE技术实践沙龙-北京站顺利举办，来自VMware、微众银行、建信金科、光大科技、中国银联、星云Clustar、爱动科技等多位技术专家现场分享了联邦学习相关应用与实践案例。 本次技术沙龙所有讲师的回放视频 将会分为（上）（下）两篇文章推出 上半场都有哪些精彩分享呢？ 一起来看看  活动主持人VMware中国研发中心技术总监张海宁。 01 VMware中国研发中心总经理、“VMware创新网络”联合发起人任道远致开场辞

KubeEdge SIG AI是KubeEdge社区的多个特别兴趣小组(Special Interest Group)之一，主要聚焦边缘AI相关的技术讨论、API定义、参考架构、开源实现等，使能AI应用在边缘更好的运行（包括成本节省、性能提升、隐私保护等）。

KubeEdge SIG AI是KubeEdge社区的多个特别兴趣小组(Special Interest Group)之一，主要聚焦边缘AI相关的技术讨论、API定义、参考架构、开源实现等，使能AI应用在边缘更好的运行（包括成本节省、性能提升、隐私保护等）。

KubeEdge SIG AI是KubeEdge社区的多个特别兴趣小组(Special Interest Group)之一，主要聚焦边缘AI相关的技术讨论、API定义、参考架构、开源实现等，使能AI应用在边缘更好的运行（包括成本节省、性能提升、隐私保护等）。

十年演进，腾讯大数据第四代数智融合计算平台「天工」终于问世，它有什么过人之处？ 本文转载自：机器之心 作者：蛋酱 上世纪 80 年代，姚期智教授曾在一篇文章中提出了「百万富翁设想」：如果两个百万富翁在街头相遇，在出于隐私考虑不列举自己所有财产的前提下，他们如何比较出谁更富有？ 这是一个密码学领域的经典问题，即一组互不信任的参与方在保护隐私信息以及没有可信第三方的前提下如何进行协同计算。随着信息技术的快速发展和个性化服务的演进，用户个人信息的跨境、跨系统、跨生态圈交互日益频繁，随之产生的隐私信息保护短板效应

KubeCon+ CloudNativeCon + Open Source Summit China 2021 —— 年度最顶级的云原生开源技术峰会要来了！ 自 2018 年以来，历年的 KubeCon + CloudNativeCon+ Open Source Summit China 汇聚了全球最活跃的开源云原生社区、最先进的技术代表与行业的最佳落地实践，推动云原生计算领域的知识更新和技术进步。 由于疫情的原因，2021年的峰会将采用线上虚拟大会的形式举办，大会专题论坛涵盖云基础设施、人工智能与数

2016年是人工智能（ArtificiaIntelligence，AI）成熟的一年。随着AlphaGo击败人类顶级围棋手，我们真正见证了人工智能的巨大潜力，并开始期待更复杂、更尖端的人工智能技术可以应用在更多的领域，包括无人驾驶、生物医疗、金融等。 如今，人工智能技术在各行各业都显示出了优势。人们自然希望像AlphaGo这样的由大数据驱动的人工智能技术能够很快在生活中应用起来。然而，现实有些令人失望：除了少数行业，大多数领域只拥有有限的数据或质量较差的数据，这使AI技术的落地比我们想象的更困难。是否通过跨组

2016年是人工智能（ArtificiaIntelligence，AI）成熟的一年。随着AlphaGo击败人类顶级围棋手，我们真正见证了人工智能的巨大潜力，并开始期待更复杂、更尖端的人工智能技术可以应用在更多的领域，包括无人驾驶、生物医疗、金融等。 如今，人工智能技术在各行各业都显示出了优势。人们自然希望像AlphaGo这样的由大数据驱动的人工智能技术能够很快在生活中应用起来。然而，现实有些令人失望：除了少数行业，大多数领域只拥有有限的数据或质量较差的数据，这使AI技术的落地比我们想象的更困难。是否通过跨组

Transformer 作为一种基于注意力的编码器 - 解码器架构，不仅彻底改变了自然语言处理（NLP）领域，还在计算机视觉（CV）领域做出了一些开创性的工作。与卷积神经网络（CNN）相比，视觉 Transformer（ViT）依靠出色的建模能力，在 ImageNet、COCO 和 ADE20k 等多个基准上取得了非常优异的性能。 正如德克萨斯大学奥斯汀分校的计算机科学家 Atlas Wang 说：我们有充分的理由尝试在整个 AI 任务范围内尝试使用 Transformer。 因此，无论是学术界的研究人员，

题图摄于延庆妫水河 在最近CNCF举办的首届“Cloud Native + Open Source Virtual Summit China 2020”线上开源峰会上，我们云原生实验室资深研究员彭麟和研发工程师陈家豪向观众介绍了如何通过 Kubeflow 在 Kubernetes 中做联邦学习（FML）以及在Kubernetes中运行FML的经验。 联邦机器学习（FML）是最有前景的机器学习技术之一，可以解决数据竖井问题，加强数据隐私和安全性，允许合作组织创建模型而不泄露数据隐私。FATE是一个开源项目，提

人工智能系统需要依赖大量数据，然而数据的流转过程以及人工智能模型本身都有可能泄漏敏感隐私数据。

题图摄于奥利匹克中心 转发给读者们一则会议消息，欢迎大家参加我们举办的 ACECon 智能云边大会，包含云原生、边缘计算、人工智能、隐私计算等精彩内容，专家阵容鼎盛，本周五开始线上直播！  //  2022年8月19日至20日，VMware将联合多位ACE智能云边共创生态（ACE Co-innovation Ecosystem）合作伙伴共同在线上举办2022智能云边开源峰会（2022 Open Source AceCon）。 议题亮点： 来自国内外开源领袖的“开放创新领导力”主题分享 构建开源创新生态、赋

机器之心专栏深圳市洞见智慧科技有限公司 本文阐释梳理了可信执行环境（TEE）的概念定义及发展脉络，剖析 TEE 与基于密码学的隐私保护技术的对比及其在联邦学习中的应用，最后介绍 TEE 的现有框架和相关应用。 随着移动互联网和云计算技术的迅猛发展，越来越多的数据在云环境下进行存储、共享和计算，云环境下的数据安全与隐私保护也逐渐成为学术界以及工业界关注的热点问题。目前阶段，隐私保护技术主要基于密码算法及协议（如安全多方计算、同态加密等）完成场景落地，其优点主要在于具有较高的安全性和可靠性，然而，由于这些算法或

推荐系统，对于我们来说并不陌生，它已经无时无刻不方便着我们的生活、学习、工作等方方面面，并且已经成为许多社交/购物/新闻平台中必不可少的组件。近些年来学术界以及工业界的研究者们已经对其进行了大量研究并提出了许多经典有效的推荐模型，比如UserCF、ItemCF、MF、FM、BPR、Item2vec、NCF、DIN等等。

昨天申请的100张门票已经被抢完了！腾讯云原生再次申请了200张价值350元的门票！先到先得，获取方式见文末。 KubeCon+ CloudNativeCon + Open Source Summit China 2021 —— 年度最顶级的云原生开源技术峰会要来了！ 自 2018 年以来，历年的 KubeCon + CloudNativeCon+ Open Source Summit China 汇聚了全球最活跃的开源云原生社区、最先进的技术代表与行业的最佳落地实践，推动云原生计算领域的知识更新和技

题图摄于北海公园 联邦学习是AI领域一个新兴的方向，被认为是 AI 领域最重要的研究和应用趋势之一。联邦学习可在用户之间进行联合建模，构造精确的人工智能模型，同时数据不用离开机构，可以保证双方数据的隐私安全性，应用前景广阔，因此，联邦学习已经得到越来越广泛的关注。 我们 VMware 云原生实验室的团队参与了联邦学习开源项目 FATE 和 KubeFATE 的开发，文后附有作者相关课程的视频。 （本文作者系VMware云原生实验室工程师陈家豪，FATE / KubeFATE开源联邦学习项目的贡献者。）

题图摄于北海公园 联邦学习是AI领域一个新兴的方向，被认为是 AI 领域最重要的研究和应用趋势之一。联邦学习可在用户之间进行联合建模，构造精确的人工智能模型，同时数据不用离开机构，可以保证双方数据的隐私安全性，应用前景广阔，因此，联邦学习已经得到越来越广泛的关注。 我们 VMware 云原生实验室的团队参与了联邦学习开源项目 FATE 和 KubeFATE 的开发，文后附有作者相关课程的视频。 （本文作者系VMware云原生实验室工程师陈家豪，FATE / KubeFATE开源联邦学习项目的贡献者。）