'FEDERATED' 第6页

[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

MySQL技术：MySQL—InnoDB存储引擎体系架构

不同的存储引擎存储表的物理结构不同MySQL数据库最大的特点就是插件式的表存储引擎，即支持多种存储引擎，目前默认的存储引擎是InnoDB，但是其还支持：MyISAM，NDB，Memory，Archive，Federated

陌隋·2022-09-30 07:31

Personalized Cross-Silo Federated Learning on Non-IID Data 论文解析

一.介绍使用非IID数据进行个性化跨思洛联盟学习的根本瓶颈是错误地认为一个全局模型可以适合所有客户。基于此，在本文中，作者通过一种新颖的消息传递机制来解决具有挑战性的个性化跨思洛联盟学习问题，该机制通过迭代鼓励相似客户进行更多协作，自适应地促进客户机之间的潜在成对协作。二.相关工作全局联邦学习训练一个单一的全局模型以最小化所有客户数据的经验损失函数。然而当不同客户端之间的数据不是IID时，很难收敛

编程龙·2022-09-28 09:57

Federated Reconnaissance: Efficient, Distributed, Class-Incremental Learning 论文阅读+代码解析

论文地址点这里一.介绍论文中，作者提出了联合侦察，这是一类新的学习问题，分布式模型应该能够独立地学习新的概念，并有效地共享这些知识。通常在联合学习中，单个静态类集由每个客户端学习。相反，联邦侦察要求每个客户机可以单独学习一组不断增长的类，并与其他客户机有效地交流之前观察到的和新的类的知识。这种关于学习类的交流可以从客户那里获得知识;然后期望最终合并的模型支持每个客户机已公开的类的超集。然后可以将合

编程龙·2022-09-28 09:57

【论文阅读】 Beyond Inferring Class Representatives: User-Level Privacy Leakage From Federated Learning

本文提出了一种multi-task的GAN（multi-taskGANforAuxiliaryIdentification(mGAN-AI)），可以恢复client级别的多种隐私，包括数据所属的类别、真假、来自哪一个client，最后还能实现某位client训练数据的恢复。现有工作的不足Hitajetal.[4]proposedaGAN-basedreconstructionattackagain

学渣渣渣渣渣·2022-08-19 07:48

【论文阅读】A Novel Attribute Reconstruction Attack in Federated Learning

本文提出了一种属性重构攻击（AttributeReconstructionAttack，ARA），利用构建样本产生的更新梯度和受害者模型更新的梯度的cos相似度，在联邦学习场景下具有较大的研究价值。不同于先前的模型反演攻击（ModelInversionAttack，MIA），ARA是给定无关属性XothersX_{others}Xothers和标签YYY，对某单一目标属性XsX_{s}Xs进行推断

学渣渣渣渣渣·2022-08-19 07:17

【论文阅读】CAFE: Catastrophic Data Leakage in Vertical Federated Learning

本文主要讲述了恶意server如何在VFL环境下根据数据索引来还原完整的训练数据。这里写目录标题现有工作的不足主要贡献实现assumption&target为什么大批量数据难以恢复？原理现有工作的不足针对大批量训练数据还原存在诸多局限性（缺乏理论证明），通过加大训练的batchsize可以规避那些攻击。条件过于苛刻，例如要求恢复的数据样本数量要远小于总类别数目。主要贡献利用VFL中datainde

学渣渣渣渣渣·2022-08-19 07:17

【联邦学习论文笔记1】Label Inference Attacks Against Vertical Federated Learning

LabelInferenceAttacksAgainstVerticalFederatedLearning0Abstract1Introduction2Background3LabelInferenceAttacks3.1可能存在的隐私泄露3.2威胁模型3.3基于模型不全的被动标签推断3.4基于恶意本地优化器的主动标签推断攻击3.5DirectLabelInferenceAttack4实验设置4.

LilaLenu·2022-08-19 07:12

论文笔记：GRNN: Generative Regression Neural Network - A Data Leakage Attack for Federated Learning

论文名字GRNN:GenerativeRegressionNeuralNetwork-ADataLeakageAttackforFederatedLearning来源未发布年份2021.5.2作者HanchiRen,JingjingDeng,XianghuaXie核心点利用梯度信息对联邦学习中的客户端原始数据进行攻击，反推出原始数据。阅读日期2021.5.14影响因子页数17引用数引用内容总结文章

三金samkam·2022-08-19 07:41

Label Inference Attacks Against Vertical Federated Learning

USENIXSecurity2022摘要：随着欧盟《通用数据保护条例》、中国《中华人民共和国数据安全法》等法案的颁布实施，联邦学习（FederatedLearning，FL）作为一种具有隐私保护属性的分布式机器学习模型训练范式，日益被各大互联网公司所重视。FL中的分支之一，水平联邦学习（HorizontalFederatedLearning，HFL）适用于如下场景：各个训练参与者（或称数据提供者，

偷懒不学习·2022-08-19 07:35

论文阅读:Privacy Leakage of Real-World Vertical Federated Learning

文章目录联邦学习横向联邦学习纵向联邦学习小节反向攻击1、加噪声破坏神经网络2、成员推理攻击同态加密SecureXGBoost现实世界中联邦学习的隐私泄露反向乘法攻击反向求和攻击幻数一些可能的防御措施联邦学习为什么叫联邦学习？联邦学习的概念是在2016年由McMahan等人在2016年引入：“我们之所以将我们的方法称为联邦学习，因为学习任务是通过由中央服务器协调的参与设备（我们称为客户端）的松散联邦

irrationality·2022-08-19 07:03

mysql分区

MySQL分区不能与使用MERGE，CSV或FEDERATED存储引擎。分区适用于表的所有数据和索引;您不能只分区数据而不分区索引，反之亦然，也不能只分区表的一部分。

sunpy·2022-08-06 18:07

（转载）联邦学习 Federated Learning 相关资料整理

https://github.com/WeBankFinTech/FATE谷歌联邦迁移学习TensorFlowFederated（TFF）框架代码：https://www.tensorflow.org/federated

浅若清风cyf·2022-07-16 07:08

【一种利用插值验证的FL隐私保护框架】VFL: A Verifiable Federated Learning

原文标题：VFL:AVerifiableFederatedLearningwithPrivacy-PreservingforBigDatainIndustrialIoT本文useLagrangeinterpolationtoelaboratelysetinterpolationpointsforverifyingthecorrectnessoftheaggregatedgradients.Comp

学渣渣渣渣渣·2022-07-16 07:37

扫读 | Towards Personalized Federated Learning

arxiv:2103.00710传送门综述个性化联邦学习（PersonalizedFL，PFL）的进展。讨论了PFL目前的发展阻碍，并将PFL分为基于数据的和基于模型的方法。展望PFL的发展轨迹、PFL的benchmarking、可信赖的PFL方法PFL的发展阻碍有限的FL框架隐私保护约束。现有很多方法不满足隐私保护的需求，有的允许本地数据或元数据的共享，有的假设可以用能代表整体分布的代理数据集P

欧恩方·2022-07-16 07:02

Blockchained On-Device Federated Learning学习笔记

BlockchainedOn-DeviceFederatedLearning学习笔记一、文献翻译一、文献翻译知云文献翻译在区块链的设备上进行联合学习**摘要:**通过利用区块链，本文提出了一个区块链联邦学习(BlockFL)架构，其中交换和验证本地学习模型的更新。通过使用区块链中的共识机制，可以在没有任何集中训练数据或协调的情况下实现设备上的机器学习。此外，我们分析了BlockFL的端到端延迟模型

青癯·2022-07-16 07:00

论文笔记——Client Selection for Federated Learning with Heterogeneous Resources in Mobile Edge

论文笔记——ClientSelectionforFederatedLearningwithHeterogeneousResourcesinMobileEdge本文提出了一种基于边缘计算的协议来改进联邦学习算法。由服务器和基站（BS）组成的位于无线网络中的特定MEC平台管理服务器和客户端的行为。通过MECoperator对客户端进行选择。首先，随机选取一定占比的客户端，要求这些客户端发送其资源信息（

smile_and_ovo·2022-07-16 07:47

【阅读笔记】Towards Personalized Federated Learning个性化联邦综述

文章目录前言1背景1.1机器学习、联邦学习1.2促进个性化联邦学习的动机2个性化联邦学习的策略2.1全局模型个性化2.1.1基于数据的方法2.1.1.1数据增强DataAugmentation2.1.1.2挑选客户端ClientSelection2.1.2基于模型的方法2.1.2.1增加模型局部损失正则项RegularizedLocalLoss2.1.2.2元学习Meta-learning2.1.

charlessun9·2022-07-16 07:44

《Decentralized_Privacy_Using_Blockchain-Enabled_Federated_Learning_in_Fog_Computing》精读

论文地址：https://ieeexplore.ieee.org/document/9019859糟心的一篇文章，整段照抄引用文章、放公式不解释变量字母含义、题目起攻击的防御不写防御，不知这文章怎么上的一区期刊一、基本信息、前置知识1.1基本信息《DecentralizedPrivacyUsingBlockchain-EnabledFederatedLearninginFogComputing》作

文杰@·2022-06-25 18:58

联邦学习-区块链论文笔记：Record and Reward Federated Learning Contributions with Blockchain

链接：IEEEXploreFull-TextPDF:作者：IsmaelMartinez（蒙特利尔大学团队）前言：这篇文章虽然是投在国内举办的会议上面（没有丝毫瞧不起CyberC会议的想法哈），但是其想法我觉得还是很新颖的。该方案主体是采用了EOS区块链结构，使用off-chain来直接存储本地模型训练的梯度值，使用on-chain来存储本地模型训练得到梯度值的hash值，防止数据被篡改。激励机制是

James Ken·2022-06-25 18:54

4.Paper小结——《A Secure Federated Learning Framework for5G Networks》

题目：《ASecureFederatedLearningFrameworkfor5GNetworks》0.Abstract联邦学习(FL)最近被提出作为一种新兴的范式，使用分布式训练数据集构建机器学习模型，这些数据集本地存储和维护在5G网络的不同设备上，同时为参与者提供隐私保护。在FL中，中央聚合器积累由参与者上传的本地更新来更新一个全局模型。有两个关键的安全威胁：中毒&成员推理攻击。这些攻击可能

DK学到头秃·2022-06-25 18:44

8.Paper小结——《VFL: A Verifiable Federated Learning withPrivacy-Preserving for Big Data...》

题目：《VFL:AVerififiableFederatedLearningwithPrivacy-PreservingforBigDatainIndustrialIoT》——VFL：一种可验证的基于隐私的联邦学习0.Abstract由于大数据具有较强的分析能力，深度学习已被广泛应用于工业物联网中收集到的数据的建模。然而，对于隐私问题，传统的数据收集集中式学习并不适用于对训练集敏感的工业场景。近年

DK学到头秃·2022-06-25 18:44

9.Paper小结——《VerifyNet: Secure and Verifiable Federated Learning》

题目：《VerifyNet:SecureandVerififiableFederatedLearning》——《安全的和可验证的联邦学习》0.Abstract联邦学习作为一种新兴的神经网络训练模型，由于其能够在不收集用户原始数据的情况下更新参数而受到了广泛的关注。然而，由于对手可以从共享的梯度中跟踪和获得参与者的隐私，联邦学习仍然暴露在各种安全和隐私威胁中。在本文中，我们考虑了深度神经网络(DNN

DK学到头秃·2022-06-25 18:44

《GFL: A Decentralized Federated Learning Framework Based On Blockchain》读书笔记

《GFL:ADecentralizedFederatedLearningFrameworkBasedOnBlockchain》读书笔记

权侑莉老婆·2022-06-25 18:14

Privacy-Preserving Blockchain-Based Federated Learning for IoT Devices读书笔记

Privacy-PreservingBlockchain-BasedFederatedLearningforIoTDevices读书笔记

权侑莉老婆·2022-06-25 18:13

【阅读笔记】PPFL全面综述文章: A Comprehensive Survey of Privacy-preserving Federated Learning

PPFL全面综述前言一、个人拙见1.什么是联邦学习？2.联邦学习与分布式机器学习的区别3.联邦学习的应用与前景二、综述解析1.INTRODUCTION1.1Background1.2Motivation1.3MainContributions2.ANOVERVIEWOFFEDERATEDLEARNING2.1BriefIntroductiontoFL2.2CategorizationofCurre

HERODING23·2022-06-25 17:23

2.Paper小结——《Privacy-preserving blockchain-based federated learning for traffic flow prediction》

题目：基于区块链的基于隐私保护的交通流量预测的联邦学习0.Abstract：交通流量预测已成为智能交通系统的重要组成部分。然而，现有的基于集中式机器学习的交通流量预测方法需要收集原始数据以进行模型训练，这涉及到严重的隐私暴露风险。为了解决这些问题，共享模型更新而不交换原始数据的联邦学习最近被引入，作为实现隐私保护的有效解决方案。然而，现有的联邦学习框架是基于一个集中的模型协调器，它仍然面临着严重的

DK学到头秃·2022-06-25 17:18

联邦学习入门（一）-Advances and Open Problems in Federated Learning详解

本文主要是联邦学习的入门级笔记，主要参考了论文AdvancesandOpenProblemsinFederatedLearning和微众银行的联邦学习白皮书，笔者作为初次接触该领域的小白，对感觉必要的知识做一个总结和记录。本文首发于我的个人博客原文请点击这里！！！！！定义联邦学习（FederatedLearning简称FL）是一种机器学习设置，其中多个实体（客户端）在中央服务器或服务提供商的协调下

wenzhu2333·2022-06-17 07:07

2、联邦学习介绍（federated learning）

一、概述（1）问题引出在神经网络中，如果一个网络的训练数据越多，其训练效果往往会越好。那么如果说一个公司有数据，另一个公司也有数据，两家公司的数据共享出来一起使用岂不是更爽？但是，用户数据能够被随意的使用和转发吗？答案是否定的。那么有什么办法可以使得两家公司不泄露用户的情况下，利用到用户数据呢？2016年，为解决安卓系统更新的问题。谷歌提出，可以在用户的手机上部署神经网络训练，只需要将训练好的模型

小黄不头秃·2022-06-01 19:48

mysql 体系结构和存储引擎介绍

目录1前言2mysql配置文件加载顺序3mysql引擎介绍3.1InnoDB引擎3.2MyISAM引擎3.3NDB引擎3.4Archive引擎3.5Federated引擎3.6Maria引擎3.7其它引擎

·2022-05-06 16:10

【论文笔记】Federated Learning for Wireless Communications: Motivation, Opportunities, and Challenges（综述）

FederatedLearningforWirelessCommunications:Motivation,Opportunities,andChallengesAuthorsSolmazNiknam,HarpreetS.Dhillon,JeffreyH.Reed

MaplesWCT·2022-05-03 22:00

【论文笔记】A review of applications in federated learning（综述）

AreviewofapplicationsinfederatedlearningAuthorsLiLi,YuxiFan,MikeTse,Kuo-YiLinKeywordsFederatedlearning;Literaturereview;Citation

MaplesWCT·2022-05-01 00:00

最新论文笔记(+19)：Biscotti_ A Blockchain System for Private and Secure Federated Learning / TPDS21

Biscotti:ABlockchainSystemforPrivateandSecureFederatedLearning"译为“Biscotti：一个用于隐私和安全联邦学习的区块链系统”这是IEEETransactionsonParallelandDistributedSystems21（简称TPDS）上的一篇联邦学习和区块链相结合的文章。众所周知，TPDS是CCFA类期刊，上面论文的质量都不

Brilliantzhu·2022-04-28 08:18

最新论文笔记(+18)：TrustFed: A Framework for Fair and Trustworthy Cross-Device Federated Learning in IIoT

TrustFed:AFrameworkforFairandTrustworthyCross-DeviceFederatedLearninginIIoT"译为“TurstFed：在工业物联网中一种公平可信的跨设备联邦学习框架”这篇文章是IEEETransactionsonIndustrialInformatics21上的一篇联邦学习和区块链相结合应用到物联网中的文章。总体来看，本文内容还不错，明确指

Brilliantzhu·2022-04-28 08:18

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

ASurveyonFederatedLearning:TheJourneyFromCentralizedtoDistributedOn-SiteLearningandBeyondAuthorSawsanAbdulRahman,HanineTout,Hakima

MaplesWCT·2022-04-25 11:00

故障分析 | Federated 存储引擎表导致监控线程处于 Opening table 状态

作者：李鹏博爱可生DBA团队成员，主要负责MySQL故障处理和SQL审核优化。对技术执着，为客户负责。本文来源：原创投稿*爱可生开源社区出品，原创内容未经授权不得随意使用，转载请联系小编并注明来源。--最近发现客户的一台MySQL5.7.32实例的监控线程状态一直处于Openingtable状态，且都是在对information_schema.tables表做相关查询，如图：通过showopent

·2022-04-22 10:51

联邦平均算法（Federated Averaging Algorithm，FedAvg）

设一共有$K$个客户机，中心服务器初始化模型参数，执行若干轮（round），每轮选取至少1个至多$K$个客户机参与训练，接下来每个被选中的客户机同时在自己的本地根据服务器下发的本轮（$t$轮）模型$w_t$用自己的数据训练自己的模型$w^k_{t+1}$，上传回服务器。服务器将收集来的各客户机的模

MaplesWCT·2022-04-18 23:00

Meta-HAR: Federated Representation Learning for Human Activity Recognition

目录一、Title1.1前言：二、introduction（idea）2.1研究背景：2.2相关工作2.2存在问题：2.3设计目的：三、Method3.1简述四、Experiment4.1实验步骤一、Title1.1前言：背

bu volcano·2022-03-24 02:50

SCAFFOLD: Stochastic Controlled Averaging for Federated Learning

背景传统的联邦学习在数据异构(non-iid)的场景中很容易产生“客户漂移”(client-drift)的现象，这会导致系统的收敛不稳定或者缓慢贡献提出了考虑到clientsampling和数据异构的一个更接近的收敛边界证明即便没有clientsampling，使用全批次梯度(fullbatchgradients)，传统的FedAvg依旧会因为client-drift而比SGD收敛速度更慢提出St

クズの本懐·2022-03-04 07:19

【阅读笔记】Towards Efficient and Privacy-preserving Federated Deep Learning

TowardsEfficientandPrivacy-preservingFederatedDeepLearning前言一、论文解析Abstract1.INTRODUCTION2.SYSTEMMODELANDTHREATMODEL2.1SystemModel2.2ThreatModel3.PRELIMINARIES3.1NeuralNetworkandFederatedDeepLearning3.

HERODING23·2022-02-15 19:01

【流行前沿】联邦学习 Federated Learning with Only Positive Labels

核心问题：如果每个用户只有一类数据，如何进行联邦学习？FelixX.Yu,,AnkitSinghRawat,AdityaKrishnaMenon,andSanjivKumar."FederatedLearningwithOnlyPositiveLabels."(2020).简述在联邦学习中，如果每个用户节点上只有一类数据，那么在本地训练时会将任何数据映射到对应标签，此时使用分布式SGD或FedAv

木坑·2022-02-15 19:00

推荐频道

'FEDERATED'

[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

MySQL技术：MySQL—InnoDB存储引擎体系架构

Personalized Cross-Silo Federated Learning on Non-IID Data 论文解析

Federated Reconnaissance: Efficient, Distributed, Class-Incremental Learning 论文阅读+代码解析

【论文阅读】 Beyond Inferring Class Representatives: User-Level Privacy Leakage From Federated Learning

【论文阅读】A Novel Attribute Reconstruction Attack in Federated Learning

【论文阅读】CAFE: Catastrophic Data Leakage in Vertical Federated Learning

【联邦学习论文笔记1】Label Inference Attacks Against Vertical Federated Learning

论文笔记：GRNN: Generative Regression Neural Network - A Data Leakage Attack for Federated Learning

Label Inference Attacks Against Vertical Federated Learning

论文阅读:Privacy Leakage of Real-World Vertical Federated Learning

mysql分区

（转载）联邦学习 Federated Learning 相关资料整理

【一种利用插值验证的FL隐私保护框架】VFL: A Verifiable Federated Learning

扫读 | Towards Personalized Federated Learning

Blockchained On-Device Federated Learning学习笔记

论文笔记——Client Selection for Federated Learning with Heterogeneous Resources in Mobile Edge

【阅读笔记】Towards Personalized Federated Learning个性化联邦综述

《Decentralized_Privacy_Using_Blockchain-Enabled_Federated_Learning_in_Fog_Computing》精读

联邦学习-区块链论文笔记：Record and Reward Federated Learning Contributions with Blockchain

4.Paper小结——《A Secure Federated Learning Framework for5G Networks》

8.Paper小结——《VFL: A Verifiable Federated Learning withPrivacy-Preserving for Big Data...》

9.Paper小结——《VerifyNet: Secure and Verifiable Federated Learning》

《GFL: A Decentralized Federated Learning Framework Based On Blockchain》读书笔记

Privacy-Preserving Blockchain-Based Federated Learning for IoT Devices读书笔记

【阅读笔记】PPFL全面综述文章: A Comprehensive Survey of Privacy-preserving Federated Learning

2.Paper小结——《Privacy-preserving blockchain-based federated learning for traffic flow prediction》

联邦学习入门（一）-Advances and Open Problems in Federated Learning详解

2、联邦学习介绍（federated learning）

mysql 体系结构和存储引擎介绍

【论文笔记】Federated Learning for Wireless Communications: Motivation, Opportunities, and Challenges（综述）

【论文笔记】A review of applications in federated learning（综述）

最新论文笔记(+19)：Biscotti_ A Blockchain System for Private and Secure Federated Learning / TPDS21

最新论文笔记(+18)：TrustFed: A Framework for Fair and Trustworthy Cross-Device Federated Learning in IIoT

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

故障分析 | Federated 存储引擎表导致监控线程处于 Opening table 状态

联邦平均算法（Federated Averaging Algorithm，FedAvg）

Meta-HAR: Federated Representation Learning for Human Activity Recognition

SCAFFOLD: Stochastic Controlled Averaging for Federated Learning

【阅读笔记】Towards Efficient and Privacy-preserving Federated Deep Learning

【流行前沿】联邦学习 Federated Learning with Only Positive Labels