'FEDERATED' 第5页

论文笔记：联邦学习——Federated Learning: Challenges, Methods, and Future Directions

FederatedLearning:Challenges,Methods,andFutureDirections论文链接:linkFederatedLearning:Challenges,Methods,andFutureDirections摘要一、联邦学习的挑战：（1）昂贵的通信（2）系统异构（3）统计异构（4）隐私二、目前相关工作（1）通信效率（2）系统异构（3）统计异构（4）隐私三、未来的方

liuzeyao_Newton·2022-11-23 13:34

论文阅读 Challenges and future directions of secure federated learning: a survey

论文题目：《Challengesandfuturedirectionsofsecurefederatedlearning:asurvey》论文地址：https://doi.org/10.1007/s11704-021-0598-zAbstract大数据时代，敏感信息暴露，人们对隐私安全日益关注—>联邦学习应运而生联邦学习：优点：不收集用户的原始数据，而是聚合每个客户端的模型参数—>保护用户的隐私缺

Limeym·2022-11-23 13:01

Protect Privacy from Gradient Leakage Attack in Federated Learning

wangjunxiao/GradDefense:DefenseagainstGradientLeakageAttack(github.com)Summary针对DGA和DIA攻击，提出了一个轻量、保证训练准确性、够用的的防御机制。防御机制主要包括随机layer添加扰动，然后进行梯度补偿来减少噪声对模型准确性的影响。实验效果优于梯度裁剪、和差分隐私（添加Gaussian和Laplacian噪声）Me

柿子_@·2022-11-23 05:58

Protect Privacy from Gradient Leakage Attack in Federated Learning

wangjunxiao/GradDefense:DefenseagainstGradientLeakageAttack(github.com)Summary针对DGA和DIA攻击，提出了一个轻量、保证训练准确性、够用的的防御机制。防御机制主要包括随机layer添加扰动，然后进行梯度补偿来减少噪声对模型准确性的影响。实验效果优于梯度裁剪、和差分隐私（添加Gaussian和Laplacian噪声）Me

柿子_@·2022-11-23 05:28

FedNCF：Federated Neural Collaborative Filtering | 联邦神经协同过滤

论文信息标题：FedNCF:FederatedNeuralCollaborativeFiltering作者：VasileiosPerifanis∗^*∗,PavlosS.Efraimidis发表年份：2022doi：10.1016/j.knosys.2022.108441Abstract\qquad在这项工作中，我们提出了最先进的神经协同过滤(NCF)方法的联邦版本，用于物品推荐。该算法名为Fed

编程‘小白’·2022-11-23 01:45

【联邦学习安全综述】A Comprehensive Survey of Privacy-preserving Federated Learning: A Taxonomy, Review, and F

作为综述，本文提供了很多写作素材。原文标题：AComprehensiveSurveyofPrivacy-preservingFederatedLearning:ATaxonomy,Review,andFutureDirections索引本文不局限于介绍了以下内容：举例了机器学习的大规模应用；数据隐私泄漏的危机事件；数据保护法规很多别的FLprivacy-preserving综述1.2节主流隐私保护

学渣渣渣渣渣·2022-11-22 20:48

【Paper Reading】BatchCrypt: Efficient Homomorphic Encryption for Cross-Silo Federated Learning

BatchCrypt:EfficientHomomorphicEncryptionforCross-SiloFederatedLearning原文来源：[ATC2020]BatchCrypt-EfficientHomomorphicEncryptionforCross-SiloFederatedLearning文章目录BatchCrypt:EfficientHomomorphicEncryptio

lunan0320·2022-11-22 20:13

（阅读笔记）Federated Learning: Strategies for Improving Communication Efficiency

提高联邦学习下的用户上行通信效率动机优化方法结构化更新”草图“更新实验结果查阅文章请点击动机用户网络连接可靠性低，且通信传输相对缓慢，即上行速率远低于下行速率，使得用户传输网络参数或梯度给服务器的通信效率成为联邦学习的信息瓶颈。提高用户上行链路通信效率的解决办法：结构化更新：直接从一个受限空间学习更新，用较少的变量进行参数化。”草图“更新：学习一个完整的模型更新，压缩传输的网络参数或梯度，例如量化

你看见的我·2022-11-22 20:11

Federated Learning: Strategies for Improving Communication Efficiency

FederatedLearning:StrategiesforImprovingCommunicationEfficiency问题联邦学习的通信效率至关重要，考虑到naiveimplementation的联邦学习要求每个client每轮发送一个完整的模型，对于大模型，这是bottleneck：不对称或者不一致的的网络连接上传下载速度，（上传速度远小于下载速度）假设考虑了一个理想的synchroni

想想虔诚怎么做·2022-11-22 20:41

【联邦/元学习】个性化联邦学习论文笔记：《Improving federated learning personalization via model agnostic meta learning》

论文：《Improvingfederatedlearningpersonalizationviamodelagnosticmetalearning》Citation：Y.Jiang,J.Konecny,K.Rush,andS.Kannan,“Improvingfederatedlearningpersonalizationviamodelagnosticmetalearning,”arXivpre

_Blueblue_·2022-11-22 20:41

【Paper Reading】Improving Availability of Vertical Federated Learning Relaxing Inference on Non-overl

ImprovingAvailabilityofVerticalFederatedLearningRelaxingInferenceonNon-overlappingData原文来源：[TIST2022]ImprovingAvailabilityofVerticalFederatedLearningRelaxingInferenceonNon-overlappingData文章目录Improving

lunan0320·2022-11-22 20:03

Multimodal Federated Learning

作者：YuchenZhao,PayamBarnaghi,HamedHaddadi机构：ImperialCollegeLondon1.Whatdoesliteraturestudy?在本文中，我们提出了一个多模态半监督联邦学习框架，该框架训练自动编码器从客户端不同的本地数据模式中提取共享或相关表示。此外，我们还提出了一种多模态FedAvg算法来聚合在不同数据模式下训练的本地自动编码器。2.What’

缄默的天空之城·2022-11-22 03:56

Poisoning Deep Learning based Recommender Model in Federated Learning Scenarios

1.Whatdoesliteraturestudy?本文探讨对象：在联邦学习下针对基于深度学习的推荐模型设计攻击方法。根据两种攻击策略（随机近似和硬用户挖掘）为受操控的恶意用户生成有毒梯度。2.What’stheinnovation?Pastshortcomingsa.具有攻击者先验知识（交互，不能访问）的现有攻击不适用于联邦场景。b.不具有攻击者先验知识的现有攻击其攻击效果不佳。innovati

缄默的天空之城·2022-11-22 03:25

【全文翻译】Can You Really Backdoor Federated Learning?

CanYouReallyBackdoorFederatedLearning?1Introduction2BackdoorAttackScenario3ModelUpdatePoisoningAttacks4Defenses5Experiments6Discussion摘要–联邦学习的分散性质使检测和防御对抗攻击成为一项艰巨的任务。本文重点介绍了联邦学习环境中的后门攻击，在这种情况下，对手的目标是降

白菜苗·2022-11-22 00:22

论文 ❀《尾部攻击：是的，你真的可以后门联邦学习》-Attack of the Tails: Yes, You Really Can Backdoor Federated Learning

摘要Duetoitsdecentralizednature,FederatedLearning(FL)lendsitselftoadversarialattacksintheformofbackdoorsduringtraining.Thegoalofabackdooristocorrupttheperformanceofthetrainedmodelonspeciﬁcsub-tasks(e.g.

i_momoe·2022-11-22 00:20

论文笔记《How to Backdoor Federated Learning》

HowtoBackdoorFederatedLearning作者：EugeneBagdasaryanAndreasVeitYiqingHuaDeborahEstrinVitalyShmatikov会议：AISTATS,2020发表时间：2018.7背景：联邦学习可以使成千上万的参与者构建一个深度学习模型，而无需共享他们的私人数据。但联邦学习容易受到攻击，主要是由于：(1)无法保证参与者中没有恶意的

kooKievovo·2022-11-22 00:47

Can You Really Backdoor Federated Learning

CanYouReallyBackdoorFederatedLearning**作者：**AnandaTheerthaSureshBrendanMcMahanPeterKairouzZitengSun**会议：**NeruIPS**发表时间：**2019.12背景：联邦学习的分布式特征，特别是在使用安全聚合协议增强时，使得检测和防御后门攻击成为一项具有挑战性的任务。而当前针对后门攻击的防御方法，要么

kooKievovo·2022-11-22 00:42

[yzhpdh多读paper]ClusterFL: A Similarity-Aware Federated Learning System forHuman Activity Recognition

Abstract联邦学习（FL）最近由于其保护数据隐私的能力受到了广泛关注。然而，现有的FL范式对于一大类人类活动识别（HAR）应用产生了令人不满意的性能，因为它们忽略了不同用户数据之间的内在关系。我们提出了ClusterFL，这是一个相似性感知的联邦学习系统，可以为HAR应用提供高模型精度和低通信开销。ClusterFL采用了一种新的集群多任务联合学习框架，该框架最大限度地提高了多个学习模型的训

ye6·2022-11-21 04:34

【Paper Reading】VAFL: a Method of Vertical Asynchronous Federated Learning

VAFL:aMethodofVerticalAsynchronousFederatedLearning原文来源：[Arxiv2020]VAFL:aMethodofVerticalAsynchronousFederatedLearning文章目录VAFL:aMethodofVerticalAsynchronousFederatedLearning0.Abstract1.Introduction1.1

lunan0320·2022-11-21 04:01

【个性化联邦学习】Towards Personalized Federated Learning 论文笔记整理

TowardsPersonalizedFederatedLearning一、背景二、解决策略2.1策略一.全局模型个性化2.2策略二.学习个性化模型三、具体方案3.1全局模型个性化3.1.1基于数据：减少客户端数据统计异构性3.1.2基于模型：在学习一个强大的全局模型，以便进行个性化设置或提高本地模型的适应性能3.1.3全局模型个性化方法对比3.2学习个性化模型3.2.1基于架构的方法:旨在通过针

self--mockery·2022-11-20 18:17

【文献阅读】Label Inference Attacks Against Vertical Federated Learning

【文献阅读】LabelInferenceAttacksAgainstVerticalFederatedLearning这篇文章提出了三种针对纵向联邦学习的标签推理攻击：被动标签推理攻击（补全本地模型使之具有推理能力）主动标签推理攻击（主动地增加本地模型在全局的权重）直接标签推理攻击（直接通过梯度符号判断标签）并利用常见的VFL防御方法对本文提出的攻击手段进行了测试，结果表明本文提出的攻击手段具有良

牛了个牛·2022-11-20 18:43

【文献阅读】Desirable Companion for Vertical Federated Learning: New Zeroth-Order Gradient Based Algorithm

DesirableCompanionforVerticalFederatedLearning:NewZeroth-OrderGradientBasedAlgorithm背景解决的问题：现有的VFL算法不能同时很好地满足模型适用性、隐私安全、通信耗费、高效计算这四点要求。大多数现有的VFL框架使用基于梯度的更新策略，很难适用于难以获得甚至无法获得梯度的ML问题。本文将零阶优化与VFL相结合，提出了基

牛了个牛·2022-11-20 18:43

[阅读笔记] 联邦学习攻防综述 An Overview of Federated Deep Learning Privacy Attacks and Defensive Strategies

✍️[阅读笔记]AnOverviewofFederatedDeepLearningPrivacyAttacksandDefensiveStrategies本文是一篇关于联邦学习的隐私攻击和防御策略的综述文章，作者2020年挂在CoRR上。‍♂️张同学[email protected]有问题请联系我~这里是目录呀~✍️[阅读笔记]AnOverviewofFederatedDeepLear

文三路张同学·2022-11-20 18:11

【论文阅读】A Survey of Incentive Mechanism Design for Federated Learning 联邦学习激励机制设计综述

ASurveyofIncentiveMechanismDesignforFederatedLearning联邦学习激励机制设计综述摘要：联邦学习有望在不暴露原始数据的情况下实现大规模客户机学习。它不仅可以使客户保留隐私信息，而且可以实现较高的学习性能。现有的联邦学习研究主要集中在提高模型准确性和学习任务完成时间方面。然而，在实践中，客户不愿意在没有获得报酬的情况下参与学习过程。因此，如何有效地激励

RenLJ1895·2022-11-20 18:00

论文笔记 SCAFFOLD Stochastic Controlled Averaging for Federated Learning

论文题目：《SCAFFOLDStochasticControlledAveragingforFederatedLearning》论文地址：https://arxiv.org/pdf/1910.06378.pdfAbstractFedAvg：简单、低通行成本-->联邦学习首选算法But！数据异构（non-IID）时，FedAvg会遭受“客户端漂移”，从而导致收敛不稳定和缓慢。解决方案：新算法SCAF

Limeym·2022-11-20 10:26

论文笔记 Federated Optimization in Heterogeneous Networks

论文题目：《FederatedOptimizationinHeterogeneousNetworks》论文地址：https://arxiv.org/pdf/1812.06127.pdf论文代码、数据地址：github.com/litian96/FedProxAbstract联邦学习两个关键挑战：系统异质性（systemheterogeneity）：网络中每个设备上的系统特性的显著可变性（通信、计算

Limeym·2022-11-20 10:55

论文阅读-Federated Social Recommendation with Graph NeuralNetwork

末世灯光·2022-11-19 23:54

CD2-pFed: Cyclic Distillation-guided Channel Decoupling for ModelPersonalization in Federated Lear论文

背景知识蒸馏将同一批数据同时放入两个模型中，将教师模型的预测输出作为软标签，将真实标签作为硬标签，分别计算学生模型的两种损失，最后将两个损失加权求和，作为最终损失更新网络参数。预测的时候，仅使用学生模型。本文内容模型个性化的通道解耦1）给目标模型的每一层分配一个可学习的个性化权重的自适应比例2）定义了每一层的统一个性化分配率p∈[0,1]。3）p比例的通道参数在本地进行训练不需要中央服务器聚合。4

Mp4r8672v·2022-11-19 17:01

联邦学习（（Federated Learning，FL）

每日一诗：题竹（十三岁应试作于楚王孙园亭）——明*张居正绿遍潇湘外，疏林玉露寒。凤毛丛劲节，只上尽头竿。近期在阅读联邦学习领域相关文献，简单介绍如下文。本文仅供学习，无其它用途。如有错误，敬请批评指正！一、联邦学习（FederatedLearning，FL）：举目四望皆”联邦“，“信息孤岛”尽凉凉1.通俗理解：传统的机器学习算法需要用户将源数据上传到高算力的云服务器上集中训练，这种方式导致了数据流

咫尺云烟·2022-11-19 13:20

联邦学习（Federated Learning）

联邦学习简介联邦学习（FederatedLearning）是一种新兴的人工智能基础技术，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。其中，联邦学习可使用的机器学习算法不局限于神经网络，还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。联邦学习的系统构架以包含两个数据拥有方

培根芝士·2022-11-19 13:40

联邦学习（Federated Learning）概述

哈尔滨工程大学区块链讨论课2018065124杨儒浓1.什么是联邦学习也许很多人从未听说过联邦学习是联邦学习？甚至从词义本身也无法得知是何种领域的技术。今天我将为大家介绍一下这种近几年由人工智能与区块链技术结合并衍生出的一种全新概念，联邦学习。关于联邦学习的定义，可以理解为是在保证数据隐私安全及合法合规的基础上，利用各个节点掌握的数据实现共同建模，提升AI模型的效果。联邦学习最早在2016年由谷歌

qq_43651384·2022-11-19 13:35

详解联邦学习Federated Learning

今天我们来讲下最近比较博眼球的联邦学习。应该很多人听过但是始终都没懂啥是联邦学习？百度一下发现大篇文章都说可以用来解决数据孤岛，那它又是如何来解决数据孤岛问题的？对于联邦学习，大部分文章还都处于其学术分享会的报道阶段，并未详细介绍联邦学习的实现方法，难以理解其真容，本篇文章将从技术角度介绍联邦学习。1、联邦学习的背景介绍近年来人工智能可谓风风火火，掀起一波又一波浪潮，从人脸识别、活体检验发现刑事案

hellozhxy·2022-11-19 12:53

【代码解析（6）】Communication-Efficient Learning of Deep Networks from Decentralized Data

federated_main.py#!

缄默的天空之城·2022-11-19 08:31

A Blockchain-based Decentralized Federated Learning Framework wth Committee Consensus

ABlockchain-basedDecentralizedFederatedLearningFrameworkwithCommitteeConsensus基于区块链的具有委员会共识的分散联邦学习框架模型优点Highefficiency:onlyafewnodeswillvalidatetheupdates,ratherthanbroadcastingtoeverynodeandreachanag

weixin_42827001·2022-11-19 04:44

A Blockchain-Based Decentralized Federated Learning Framework with Committee Consensus

本文简易框架demo源码背景问题定义在联邦学习场景中，客户端通过交换模型梯度或更新后的模型参数，不暴露私人数据，从而合作训练一个共享的全局模型。但是容易存在恶意攻击的行为，分别是恶意客户端和中央服务器对模型或数据的攻击，导致存在安全性问题。中央服务器的稳定性、公平性和安全性对FL至关重要。简单结合区块链，利用智能合约执行聚合、存储、共享全局模型可以避免中央服务器带来的挑战，但是给维护区块链的客户端

iam-·2022-11-19 04:43

联邦学习-区块链论文笔记：Blockchain and Federated Learning for Privacy-Preserved Data Sharing in Industrial IoT

链接：IEEEXploreFull-TextPDF:ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8843900作者：YunlongLu（北京邮电大学团队）Motivation：1）构建一联邦学习模型，不分享本地数据；2）提出了一种新的区块链授权协作架构，通过分布式多方共享数据，降低数据泄漏风险，数据所有者可以进一步控制共享数据的访问；3）将差异

学习的学习者·2022-11-19 04:41

【论文】【BFLC】 A Blockchain-based Decentralized Federated Learning Framework with Committee Consensus

中山大学研究团队2020提出基于区块链委员会机制的联邦学习系统（BFLC）。主要贡献：1、减少共识计算量2、抵抗恶意攻击并讨论了BFLC的扩展性（理论安全、存储优化、激励机制）============【1】FL（C/S）中央服务器功能：执行更新聚合并广播（要求网络高带宽）、客户端节点选择、全局模型的维护存在的问题：服务器稳定性受服务器提供商影响、偏向某些客户端导致模型倾斜、服务器恶意投毒或从模型更

猪蹄花·2022-11-19 04:38

[CPE 2021] Differentially private locality sensitive hashing based federated recommender system

sinat_38007523·2022-11-19 04:07

SecureBoost: A Lossless Federated Learning Framework论文笔记

摘要保护用户隐私是机器学习中的一个重要问题，2018年5月欧盟推出的《通用数据保护条例》(GeneralDataprotectionRegulation，简称GDPR)就是明证。GDPR旨在让用户对自己的个人数据有更多的控制权，这激发了我们探索在不侵犯用户隐私的情况下共享数据的机器学习框架。为了实现这一目标，在本文中，我们提出了一种新的基于联邦学习的无损隐私保护树增强系统SecureBoost。该

猪猪家的小可爱·2022-11-19 04:05

Blockchain and Federated Learning for Privacy-Preserved Data Sharing in Industrial IoT

系统模型威胁模型K个数据提供者，一个数据请求者，都可能是不诚实的。提供数据的质量：可能不准确有偏见。数据的隐私性：攻击者尝试推断攻击，合谋攻击。数据的授权：一旦原始数据被分享，数据拥有者会失去控制权。我们提出的架构许可链模型和联邦计算模型。许可链：为设备之间建立安全连接。矿工是基站节点和路边单元节点。两种类型交易：检索交易和数据分享交易。安全数据分享的区块链和联邦学习标准化的加权图定义一个两步距离

GUAI拐·2022-11-19 04:31

[TOIS 2022] A Generic Federated Recommendation Framework via Fake Marks and Secret Sharing

源码引言当你打开淘宝，发现首页上每一件商品都是心头所好，你是否感到疑问？当你播放音乐，发现每日推荐里每一首歌都悦耳动听，你是否感到困惑？当你打开抖音，发现每一条视频都妙趣横生，你是否感到惊奇？这背后其实是推荐系统在发挥作用，它为你在信息爆炸的时代守护一方乐园，让你喜欢的靠近，让你不喜的远离。但是，推荐系统为你带来便利的同时，也带走了你的隐私。为了猜得准你喜欢的，它不得不知道你的性别、年龄、地理位置

sinat_38007523·2022-11-19 04:16

Federated Knowledge Distillation 联邦知识蒸馏

背景介绍机器学习在当前是应用广泛的技术，在一些应用场景中，机器学习模型用大量数据样本进行训练，这些样本由边缘设备（如手机、汽车、接入点等）产生并分散在各处。收集这些原始数据不仅会产生大量的通信开销，还可能会侵犯数据隐私。在这方面，联邦学习是一个有希望的通信效率和隐私保护的解决方案，它定期交换本地模型参数，而不共享原始数据。然而，在现代深度神经网络架构下，交换模型参数的成本非常高，因为它往往有大量的

Cl元气满满·2022-11-11 13:59

【论文笔记】A Survey on Federated Learning: The Journey From Centralized to Distributed On-Site Learning a

优质资源分享学习路线指引（点击解锁）知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统ASurveyonFederatedLearning:TheJourneyFromCentralizedtoDistrib

虚幻私塾·2022-11-11 09:49

【论文笔记】A Survey on Federated Learning: The Journey From Centralized to Distributed On-Site...（综述）

我的博客园：https://www.cnblogs.com/MaplesWCT/ASurveyonFederatedLearning:TheJourneyFromCentralizedtoDistributedOn-SiteLearningandBeyondAuthorsSawsanAbdulRahman,HanineTout,HakimaOuld-Slimane,AzzamMourad,Cham

你的莽莽没我的好吃·2022-11-11 08:15

联邦学习安全与隐私保护综述 A survey on security and privacy of federated learning

联邦学习安全与隐私保护综述写在前面的话联邦学习是什么联邦学习工作流程联邦学习的技术分类安全问题和解答隐私问题和解答未来方向写在前面的话本篇博客参考《Asurveyonsecurityandprivacyoffederatedlearning》以及河南大学的林同学翻译，本人做了一些补充，仅供参考。联邦学习是什么联邦学习是一种隐私保护，安全加密技术的分布式机器学习框架。目的在于分散的各参与方在满足不向

粥粥粥少女的拧发条鸟·2022-10-28 10:30

Data-Free Knowledge Distillation for Heterogeneous Federated Learning论文阅读+代码解析

论文地址点这里一.介绍联邦学习具有广阔的应用前景，但面临着来自数据异构的挑战，因为在现实世界中用户数据均为Non-IID分布的。在这样的情况下，传统的联邦学习算法可能会导致无法收敛到各个客户端的数据。在本文中，我们提出了一个基于无数据的知识蒸馏算法——FEDGEN。具体来说，FEDGEN学习一个仅从用户模型的预测规则派生的生成模型，给定一个目标标签，可以生成与用户预测集合一致的特征表示。该生成器随

编程龙·2022-10-26 19:18

【论文导读】- GraphFL: A Federated Learning Framework for Semi-Supervised Node Classiﬁcation on Graphs

文章目录论文信息摘要主要工作Model-agnosticmetalearning(MAML)GraphFLFramework1.GraphFL用于联合GraphSSC和非IID图数据2.GraphFed用于联合GraphSSC和新标签3.通过自训练来利用未标记节点论文信息原文地址：https://arxiv.org/abs/2012.04187摘要Graph-basedsemi-supervise

1 + 1=王·2022-10-18 17:24

精通innodb引擎_《MySQL技术内幕:InnoDB存储引擎》PDF 下载

1.2mysql体系结构1.3mysql表存储引擎1.3.1innodb存储引擎1.3.2myisam存储引擎1.3.3ndb存储引擎1.3.4memory存储引擎1.3.5archive存储引擎1.3.6federated

weixin_39799561·2022-10-15 01:20

Mysql 事务与Spring事务

Mysql存储引擎mysql的存储引擎包括：MyISAM、InnoDB、BDB、MEMORY、MERGE、EXAMPLE、NDBCluster、ARCHIVE、CSV、BLACKHOLE、FEDERATED

不看白不看，看了不白看·2022-10-12 20:22

2022MySQL面试题

存储引擎主要有：1.Mylsam，2.InnoDB，3.Memory，4.Archive，5.Federated2.In

Qinꦿ.๓·2022-10-12 20:12

推荐频道

'FEDERATED'

论文笔记：联邦学习——Federated Learning: Challenges, Methods, and Future Directions

论文阅读 Challenges and future directions of secure federated learning: a survey

Protect Privacy from Gradient Leakage Attack in Federated Learning

Protect Privacy from Gradient Leakage Attack in Federated Learning

FedNCF：Federated Neural Collaborative Filtering | 联邦神经协同过滤

【联邦学习安全综述】A Comprehensive Survey of Privacy-preserving Federated Learning: A Taxonomy, Review, and F

【Paper Reading】BatchCrypt: Efficient Homomorphic Encryption for Cross-Silo Federated Learning

（阅读笔记）Federated Learning: Strategies for Improving Communication Efficiency

Federated Learning: Strategies for Improving Communication Efficiency

【联邦/元学习】个性化联邦学习论文笔记：《Improving federated learning personalization via model agnostic meta learning》

【Paper Reading】Improving Availability of Vertical Federated Learning Relaxing Inference on Non-overl

Multimodal Federated Learning

Poisoning Deep Learning based Recommender Model in Federated Learning Scenarios

【全文翻译】Can You Really Backdoor Federated Learning?

论文 ❀《尾部攻击：是的，你真的可以后门联邦学习》-Attack of the Tails: Yes, You Really Can Backdoor Federated Learning

论文笔记《How to Backdoor Federated Learning》

Can You Really Backdoor Federated Learning

[yzhpdh多读paper]ClusterFL: A Similarity-Aware Federated Learning System forHuman Activity Recognition

【Paper Reading】VAFL: a Method of Vertical Asynchronous Federated Learning

【个性化联邦学习】Towards Personalized Federated Learning 论文笔记整理

【文献阅读】Label Inference Attacks Against Vertical Federated Learning

【文献阅读】Desirable Companion for Vertical Federated Learning: New Zeroth-Order Gradient Based Algorithm

[阅读笔记] 联邦学习攻防综述 An Overview of Federated Deep Learning Privacy Attacks and Defensive Strategies

【论文阅读】A Survey of Incentive Mechanism Design for Federated Learning 联邦学习激励机制设计综述

论文笔记 SCAFFOLD Stochastic Controlled Averaging for Federated Learning

论文笔记 Federated Optimization in Heterogeneous Networks

论文阅读-Federated Social Recommendation with Graph NeuralNetwork

CD2-pFed: Cyclic Distillation-guided Channel Decoupling for ModelPersonalization in Federated Lear论文

联邦学习（（Federated Learning，FL）

联邦学习（Federated Learning）

联邦学习（Federated Learning）概述

详解联邦学习Federated Learning

【代码解析（6）】Communication-Efficient Learning of Deep Networks from Decentralized Data

A Blockchain-based Decentralized Federated Learning Framework wth Committee Consensus

A Blockchain-Based Decentralized Federated Learning Framework with Committee Consensus

联邦学习-区块链论文笔记：Blockchain and Federated Learning for Privacy-Preserved Data Sharing in Industrial IoT

【论文】【BFLC】 A Blockchain-based Decentralized Federated Learning Framework with Committee Consensus

[CPE 2021] Differentially private locality sensitive hashing based federated recommender system

SecureBoost: A Lossless Federated Learning Framework论文笔记

Blockchain and Federated Learning for Privacy-Preserved Data Sharing in Industrial IoT

[TOIS 2022] A Generic Federated Recommendation Framework via Fake Marks and Secret Sharing

Federated Knowledge Distillation 联邦知识蒸馏

【论文笔记】A Survey on Federated Learning: The Journey From Centralized to Distributed On-Site Learning a

【论文笔记】A Survey on Federated Learning: The Journey From Centralized to Distributed On-Site...（综述）

联邦学习安全与隐私保护综述 A survey on security and privacy of federated learning

Data-Free Knowledge Distillation for Heterogeneous Federated Learning论文阅读+代码解析

【论文导读】- GraphFL: A Federated Learning Framework for Semi-Supervised Node Classiﬁcation on Graphs

精通innodb引擎_《MySQL技术内幕:InnoDB存储引擎》PDF 下载

Mysql 事务与Spring事务

2022MySQL面试题