联邦学习

联邦学习【FATE安装与部署】

FATE支持Linux或Mac操作系统，支持单机部署、集群部署和KubeFATE部署，其中单机和集群部署都属于原生部署，需要配置必要的开发环境和依赖库。这篇文章主要是整合FATE框架安装所需软件环境的方法指南：系统环境是centos7，可以使用阿里云盘获取centos7镜像和VMware16.2；也可以自行官网下载。centos7镜像等文件https://www.aliyundrive.com/s
IFRᝰএ᭄·2023-04-05 09:10

Fate单机部署（主机版本）

4.4测试4.4.1单元测试4.4.2Toy测试4.5安装FATE-Client和FATE-Test4.6开启fateboard服务4.7python命令4.8flow命令1.常用网址Fate1.6.0联邦学习下载网站
一览天下945·2023-04-05 08:21

联邦学习FATE框架安装搭建 - CentOS8

联邦学习FATE(FederatedAITechnologyEnabler)是微众银行AI部门发起的开源项目，为联邦学习生态系统提供了可靠的安全计算框架。
小陈运维·2023-04-05 08:20

2023年3月版联邦学习（fate）从主机安装到实现联邦学习

联邦学习（fate）从主机安装到实现联邦学习一、单机部署1.1虚拟机配置1.2安装python1.3端口检查1.4获取安装包，并解压1.5安装1.6启动1.7测试1.8安装FATE-Client、FATE-Test
小白学习记录·2023-04-05 08:12

【联邦学习FATE框架实战】（一）FATE1.6单机部署教程

目录1.说明2.安装前3.在主机中安装FATE(使用已编译的安装包)3.1端口检查3.2获取安装包3.3安装3.4启动3.5测试3.6FATEBoard4.安装FATE-Client、FATE-Test、FATE-Flow、jupyternotebook4.1FATE-Client、FATE-Test4.2FATE-Flow4.3FATE中的JupyterNotebook1.说明使用虚拟机VMwa
HarrisonWu42·2023-04-05 08:36

联邦学习FATE（单机部署）案例搭建+安装（超详细）

前言最近刚刚接触了联邦学习，准备搭建一个联邦学习的案例，但是遇到了很多问题，因此写这篇文章记录一下，希望能帮助到更多的人。
不拘于时.·2023-04-05 08:57

近期隐私计算行业招聘（9月）

隐私计算研究员工作职责：跟踪隐私计算领域的最新技术动态与发展方向，负责多方安全计算、联邦学习、可信执行环境等方向的前沿研究工作，撰写研究报告；参与隐私计算技术、数据安全合规、数据资产管理、数据流通等方面的标准
开放隐私计算·2023-04-03 02:51

联邦学习之Paillier算法

密码（crypto）的概念由来已久，但与我们的手机解锁“密码”或者WiFi“密码”不同。这些由我们自己设置、用来验证身份的数字或者字母的组合，并非真正意义上的密码，而是“口令”（password）。与简单的口令相比，密码技术则是指通信过程中的一种混淆技术，将明文的消息转变为第三方不可识别的消息，在通信过程被窃听时，防止消息的机密性被泄露。准确地来说，密码技术将明文消息加密成密文，发送给通信的接收方
这孩子谁懂哈·2023-03-31 10:45

联邦学习隐私保护研究进展

联邦学习作为隐私计算的重要技术被广泛关注。从联邦学习的历史发展、概念、架构分类角度，阐述了联邦学习的技术优势，同时分析了联邦学习系统的各种攻击方式及其分类，讨论了不同联邦学习加密算法的差异。
米朵儿技术屋·2023-03-31 09:40

联邦学习的下一代技术趋势：无第三方和组件化 | 算力智库隐私专栏

联邦学习是新兴的人工智能基础技术，在2016年由谷歌最先提出，是一种在不交换数据样本的情况下，多个分散的边缘设备或服务器上训练算法的技术。
算力智库·2023-03-31 09:33

联邦学习新时代即将到来？标准化联邦交互协议FLEX开源！

现在，联邦学习领域的“HTTP协议”也诞生了！
算力智库·2023-03-31 09:33

区块链&联邦学习

区块链&联邦学习2020-CCCF-张彦、卢云龙、黄小红-区块链与联邦学习：融合与互补联邦学习传统的机器学习将数据集中到服务端，依赖于一个中心化的数据集通过运行机器学习算法训练相应的模型。
sgentle·2023-03-31 09:13

【联邦论文】联邦异任务学习的基准

数据管理4.3Evaluation5PreliminaryExperimentalAnalysis5.1Graph-DC结果5.2ResultsAnalysisonGraph-DT0Abstract强调了联邦学习参与者在数据分布和学习任务方面的不一
LilaLenu·2023-03-31 09:07

联邦学习新时代即将到来？同盾科技FLEX协议开源

现在，联邦学习领域的“HTTP协议”也诞生了！
智瑾财经·2023-03-31 09:45

联邦学习，为何而生？

2018年，Facebook因黑客入侵导致2900多万个用户的个人数据泄露，一下子陷入了舆论中，同时也引发了我们每个人对信息安全的思考：我们的隐私数据是否早已泄露，而我们却毫无察觉？随着大数据、边缘计算、大型云计算平台和各种开源框架的发展，机器学习等人工智能技术以前所未有的速度应用到各个行业。然而，人工智能技术在为我们带来机遇的同时，也带来了新的挑战。数据的隐私和安全引起了全世界的重视。2018年
博文视点·2023-03-31 09:10

飞桨联邦学习框架PaddleFL新升级，实现纯两方安全计算协议

伴随着智能化时代的迈进，AI无处不在，万事皆可智能化，很多企业走到了时代的风口，也不断有着更多的企业想跻身队伍，跨上AI大时代的战车。大家都深知人工智能的三大基石是：算法、算力与数据。传统企业有着丰富的数据基础，却缺乏技术能力；新型企业的技术能力紧跟时代步伐却苦于数据贫瘠。算力可以花钱买到，算法可以通过培养招聘技术人才来补齐，但是数据匮乏却使人在人工智能赛道上举步维艰。在国内外监管环境日渐完善的今
飞桨PaddlePaddle·2023-03-31 08:26

联邦学习技术应运而生！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：王健宗等，联邦学习技术负责人联邦学习作为一种强调数据安全和隐私保护的分布式机器学习技术，在人工智能广泛发挥作用的背景下
Datawhale·2023-03-31 08:50

极客星球 | 联邦学习与产品化之路

一、背景——联邦学习与fate简介1、联邦学习联邦学习（FederatedLearning）是一种新兴的人工智能基础技术，由谷歌最先提出于2016年，原用于解决安卓手机终端用户在本地更新模型的问题。
MobTech袤博科技·2023-03-31 08:11

面向数据安全共享的联邦学习研究综述

联邦学习可以联合多个用户在不传输本地数据的情况下协同训练机器学习模型，是实现数据安全共享的新范式。
aK031999·2023-03-29 21:23

隐私计算主流技术

隐私计算目前主流的技术路线有三种：多方安全计算、联邦学习和TEE。
西木风落·2023-03-29 09:41

2021-11-03-联邦学习攻防调研

近日，看了许多联邦学习中的攻防论文，看时，总有几个作者出现在眼前，看名字应该是中国人，看大学却不是中国的大学，心生好奇，遂去网上查了查他们，百度查不到，于是用谷歌查，查到了，这些作者都很强，本科在中国读
科研er·2023-03-16 09:03

联邦学习分类合集

联邦学习分类（吐血整理）每日一诗：《中秋李漕冰壶燕集》宋·戴复古诸亭环立一湖湾，区界无多眼界宽。苍石传为伪刘物，绿波曾浴葛仙丹。两边堤树四时碧，一片冰壶六月寒。咫尺云烟接沧海，须知此地有龙蟠。
咫尺云烟·2023-03-13 14:36

联邦学习实战：用python从零实现横向联邦图像分类

本文主要参考了杨强教授的《联邦学习实战》https://github.com/FederatedAI/Practicing-Federated-Learning/tree/main/chapter03_
IFRᝰএ᭄·2023-03-13 14:36

《联邦学习实战—杨强》之使用Python从零开始实现一个简单的横向联邦学习模型

文章目录前言环境准备完整代码配置文件(conf.json)获取数据集(datasets.py)获取PyTorch中自带深度学习网络预训练模型(models.py)客户端(client.py)服务端(server.py)main.py运行知识点补充argparse基本用法tensor.copy_()[Pythondict()函数](https://www.runoob.com/python/pyth
Waldocsdn·2023-03-13 14:36

杨强教授演讲视频：数据要素与联邦学习（附文字摘要）

回复kubefate，可以加入联邦学习开源项目KubeFATE交流群。9月25日，VMware联合多家合作伙伴举办了「2021AceCon智能云边开源峰会」。
普通网友·2023-03-13 14:36

联邦学习算法介绍-FedAvg详细案例-Python代码获取

联邦学习算法介绍-FedAvg详细案例-Python代码获取一、联邦学习系统框架二、联邦平均算法（FedAvg）三、联邦随梯度下降算法(FedSGD）四、差分隐私随联邦梯度下降算法(DP-FedSGD）
i_chensihuo_888·2023-03-13 14:35

关于 Fate 和单机直接训练效果差别的疑问

测试了一下发现联邦学习方式建模和单机直接训练的结果差异很大，以下叙述具体的测试流程。
taojy123·2023-03-11 12:39

隐私计算：可信硬件技术

那么为了实现这样的目的现在所具有的技术主流的三种：多方安全计算（密码学技术）、联邦学习（融合延伸）、可信执行环境（可信硬件）以及其他的非主流技术。
摸肚子的小胖子·2023-03-11 08:10

#凯哥讲数字化# 联邦学习：人工智能的明日之星

关于联邦学习联邦学习的定义2019年4月10日，科学家首次拍摄了星系M87的一张黑洞核心的照片，该图像显示了一个明亮的环，这张期待已久的图像为迄今为止存在的黑洞提供了最有力的证据。
凯哥讲故事·2023-03-09 14:56

群体学习Swarm Leaning学习笔记

但实际上，可用于训练的医疗数据非常分散，想要把世界各地的数据都集合起来又会引发对数据所有权、隐私性、保密性、安全性的担忧，甚至数据垄断的威胁……常用的方法如联邦学习，可以解决上述的一些问题，但该模型的参数由
Benbaobaos·2023-03-09 07:05

【FATE】联邦学习FATE框架的document 微微指南

FATE官方文档：https://fate.readthedocs.io/e...，点击【learnmore】就进入文档正文了FATE是一个服务，需要先下载，后运行。文档中在【deploy】部分也写了推荐使用docker下载，一般来说想快速玩玩就用【standalone】模式。docker启动后，可以移步到tutorial的【Usage】选项，其中列出的每一项都是一个小例子，可以运行着玩。但是里面
·2023-02-21 16:58

联邦学习开源框架FATE新版本发布！配套引擎EggRoll更新，联邦应用场景再拓展

而联邦学习这门技术，则可以
联邦学习·2023-02-18 15:43

2020-04-13

联邦学习论文《AdvancesandOpenProblemsinFederatedLearning》文章对联邦学习的定义：联邦学习是多个实体（clients）在一个中央服务器或服务提供方的协调下，协作解决机器学习问题的机器学习设定
Ashinhuang·2023-02-17 12:38

联邦GNN综述与经典算法介绍

作者：京东科技李杰联邦学习和GNN都是当前AI领域的研究热点。联邦学习的多个参与方可以在不泄露原始数据的情况下，安全合规地联合训练业务模型，目前已在诸多领域取得了较好的结果。
·2023-02-16 20:34

【论文速递】ICCCS2022 - FedMMD：基于多教师和多特征蒸馏的异构联邦学习

【论文速递】ICCCS2022-FedMMD：基于多教师和多特征蒸馏的异构联邦学习【论文原文】：FedMMD:HeterogenousFederatedLearningbasedonMulti-teacherandMulti-featureDistillation
長__安·2023-02-06 08:00

【论文速递】ICCCS2022 - FedMMD：基于多教师和多特征蒸馏的异构联邦学习

【论文速递】ICCCS2022-FedMMD：基于多教师和多特征蒸馏的异构联邦学习【论文原文】：FedMMD:HeterogenousFederatedLearningbasedonMulti-teacherandMulti-featureDistillation
長__安·2023-02-06 08:30

隐私计算FATE-核心概念与单机部署

一、说明Fate是一个工业级联邦学习框架，所谓联邦学习指的就是可以联合多方的数据，共同构建一个模型；与传统数据使用方式相比，它不需要聚合各方数据搭建数据仓库，联邦学习在联合计算建模的过程中，多方机构之间的数据是不会进行共享的
zlt2000·2023-02-06 02:28

FedAvg--联邦学习最基础算法

分布式机器学习采用client-server架构(或master-slave架构),联邦学习则不一样，它需要考虑系统异构性统计异构性(non-IID)数据隐私FedAvg兼顾了通信开销和收敛率问题，具体过程如下
欧阳AI锋·2023-02-04 13:09

Batch Normalization在联邦学习中的应用

回想一下联邦学习（FL）中的FedAvg，这个算法是将每个参与方的模型的所有参数进行加权平均聚合，包括BatchNormalization（BN）的参数。再回顾一下BN。
联邦学习小白·2023-02-04 11:51

联邦持续学习——Federated Weighted Inter-client Transfer(FedWeIT)

联邦持续学习的目的联邦持续学习意在将联邦学习和持续学习相结合，以解决“每个客户端从私有本地数据流中学习一系列任务，不同客户端之间也可以互相借鉴彼此已有的知识以增强自身的学习效果”的场景，目前这方面的研究还很少
联邦学习小白·2023-02-04 11:51

pytorch中model.parameters()和model.state_dict()使用时的区别

联邦学习模拟实验中涉及模型参数的聚合和广播，需要提取模型参数。这个时候一般有两个选择，model.parameters()和model.state.dict()。
联邦学习小白·2023-02-04 11:50

联邦学习（一）基础概述

哔站视频简介：什么是联邦学习（FederatedLearning）？
游星凌·2023-02-02 17:11

联邦学习part1概述

1.联邦学习定义：联邦学习是利用分散在各参与方的数据集，通过隐私保护技术融合多方数据信息，协同构建全局模型的一种分布式训练方式。
kkcodeer·2023-02-02 17:37

联邦学习(Federated Learning)概述

概念本质：联邦学习本质上是一种分布式机器学习技术，或机器学习框架。目标：联邦学习的目标是在保证数据隐私安全及合法合规的基础上，实现共同建模，提升AI模型的效果。
flyzer·2023-02-02 17:32

《联邦学习实战》杨强 读书笔记二——联邦学习概述

目录联邦学习的定义联邦学习的分类按照数据样本空间以及特征空间的关系根据协调方式联邦学习的定义联邦学习是利用分散在各参与方的数据集，通过隐私保护技术融合多方数据信息，协同构建全局模型的一种分布式训练方式。
超威橘猫·2023-02-02 17:59

(隐私计算)联邦学习概述

一、是什么概念联邦学习（FederatedLearning，FELE）是一种打破数据孤岛、释放AI应用潜能的分布式机器学习技术，能够让联邦学习各参与方在不披露底层数据和底层数据加密（混淆）形态的前提下，
Mr.Lee jack·2023-02-02 17:28

第一章 隐私计算科普与解读

前言提醒：全文10千字，预计阅读时长15分钟；读者：对隐私计算感兴趣的小伙伴；目的：读者利用15~30分钟对本文沉浸式阅读理解，能够掌握隐私计算80%的概念；关键词：隐私计算、多方安全计算、联邦学习、同态加密
书香度年华·2023-02-02 16:46

机器学习-联邦学习安全方面的论文汇总

1、最先由谷歌提出联邦学习的概念KONEČNÝJ,MCMAHANHB,RAMAGED,etal.Federatedoptimization:distributedmachinelearningforon-deviceintelligence
河大吴彦祖·2023-02-02 14:05

【技术博客】纵向联邦学习简介及实现

B希望能够将他所独有的特征信息与A所独有的特征信息相结合，训练出一个更强大的识别客户信用风险的模型，但由于不同行业之间的行政手续，用户数据隐私安全等因素，企业A，B无法直接互通数据，联邦学习应运而生。
MoModel·2023-02-02 14:04

纵向联邦学习及相关算法

二.纵向联邦学习简单一句话介绍：纵向联邦学习的参与方是用户群体相同，特征空间不同（比如同一地区的银行和电商平台）纵向联邦学习步骤对齐共同用户（不暴露各自数据）加密模型训练（1）C创建密钥对，将公钥发送给
sean xiao。·2023-02-02 14:03
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他