AS联邦第35页

联邦学习系列---读书个人总结

联邦学习系列----1引言1人工智能面临的挑战2联邦学习的来源和挑战2.1联邦学习的由来2.2联邦学习的挑战3联邦学习的定义引言最近刚开源了FedML，对于这个领域挺好奇，觉得好好读一读。

35岁北京一套房·2023-01-05 12:40

我的创作纪念日

日常养成了记录的习惯，对于日常用到的python中一些问题，以及联邦学习中开源平台等小众问题进行分享。憧憬未来继续写，将自己的历程记录下来，记录一路的心路历程。

35岁北京一套房·2023-01-05 12:10

全程回顾 | 隐私计算与联邦学习专场 AI MEETUP

9月4日，由FATE开源社区和白玉兰开源联合主办，众多社区大力支持的隐私计算与联邦学习专场AIMEETUP（线上直播）圆满落幕。

FedAI Ecosystem·2023-01-05 12:09

联邦学习：保护用户数据隐私

对数据保护通常是对数据做加密或移除敏感信息，但实际上即使移除了敏感信息，有足够多的真实的信息，还是可以通过算法是找到对应的人的，如：卡内基梅隆大学的LatanyaSweeney的将匿名化的GIC数据库（包含每位患者的出生日期、性别和邮政编码）与选民登记记录相连后，可以找出马萨诸塞州州长的病历。2006年的Netflix的机器学习比赛，虽然可识别单个客户的所有个人信息已被删除，并且所有客户ID已用随

查里王·2023-01-05 12:09

从联邦学习角度聊人工智能隐私

活动详情地址：话题挑战赛第2期参赛话题地址：人工智能的隐私保护探讨人工智能是个广泛而火爆的概念，隐私保护是重中之重，效率和隐私仿佛是一对矛盾体，需要找到最佳的平衡点，从我的研究方向出发，联邦学习是一种不需要将个人数据集中的传输到云服务端

35岁北京一套房·2023-01-05 12:38

AES加密 — 详解

zhaoyanjun6/article/details/120285594AES简介DES全称为DataEncryptionStandard，即数据加密标准，是一种使用密钥加密的块算法，1977年被美国联邦政府的国家标准局确定为联邦资料处理标准

虎牙阿珂苦练编程·2023-01-05 11:59

联邦学习论文阅读笔记

目录一、前缀基础知识二、论文笔记ATheoreticalPerspectiveonDPFederatedMTL-preprint'20FederatedMulti-TaskLearning-NIPS'17FLTrust_Byzantine-robustFederatedLearningviaTrustBootstrapping-NDSS'21ProvablySecureFederatedLearn

RouTineD·2023-01-04 18:08

FedProx论文阅读笔记

《FEDERATEDOPTIMIZATIONINHETEROGENEOUSNETWORKS》这篇文章提出了一个基于FedAvg的优化框架Fedprox，主要在于解决FedAvg未曾处理的联邦学习中的异构性问题

联邦学习小白·2023-01-04 18:35

联邦学习知识初探——FedProx

概要FederatedOptimizationinHeterogeneousNetworks一文中，针对我们最长使用的FedAvg提出了一些改进，使得面对边缘设备上数据不稳定等异构问题。核心思想FedProx针对FedAvg算法的两个方面进行了调整。一个是不同设备计算能力存在差异,单纯的迭代会让部分设备承受压力过大。同时想让本地模型不偏离全局模型，影响全局模型收敛。针对这两个方面，改进算法如下：引

编程龙·2023-01-04 18:02

MLSys 2020 | FedProx：异质网络的联邦优化

目录前言I.FedAvgII.FedProxIII.实验IV.总结前言题目：FederatedOptimizationforHeterogeneousNetworks会议：ConferenceonMachineLearningandSystems2020论文地址：FederatedOptimizationforHeterogeneousNetworksFedAvg对设备异质性和数据异质性没有太好的

Cyril_KI·2023-01-04 18:00

联邦学习原始论文解读

目录前言AbstractIntroductionFederatedLearningPrivacyFederatedOptimizationTheFederatedAveragingAlgorithmExperimentalResultsIncreasingparallelismIncreasingcomputationperclientCanweover-optimizeontheclientda

Cyril_KI·2023-01-04 18:59

【联邦学习论文阅读】FedProx（2018）Federated Optimization in Heterogeneous Networks

【FedProx】论文链接：https://arxiv.org/abs/1812.06127摘要联邦学习面临两个关键挑战：系统异构性；统计异构性。

Momahe·2023-01-04 18:29

ICCV 2021 | 兼顾图像超分辨率、图像再缩放，ETH提出新型统一框架HCFlow，已开源

来自苏黎世联邦理工学院计算机视觉实验室的研究者提出了一种统一框架HCFlow，该框架可以同时处理图像超分辨率和图像再缩放，并在通用图像超分辨率、人脸图像超分辨率和图像再缩放上等任务上取得了最佳结果。

AI从入门到实践·2023-01-04 08:31

【翻译】安全的软件供应链：规模化的良好实践

为了应对像SolarWinds[3]、Kaseya[4]这样的安全软件供应链泄露事件，以及其他不太公开的泄露事件[5]，拜登政府发布了一项行政命令，其中包括旨在改善联邦政府对网络威胁的

programmer_ada·2023-01-02 13:21

联邦学习经典算法总结

看过很多联邦学习分类分割的文章了，现在来个总结吧。

抹茶生活·2023-01-01 17:48

联邦学习代码调试

联邦学习代码解读前面一篇文章对联邦学习的代码进行了详细的解读，这篇文章主要是通过调试，更深入地了解一下联邦学习代码是如何运行的，促进后续我们对于其他和联邦学习的相关文章的阅读，以及在本代码基础之上进行修改

一只揪°·2023-01-01 17:45

联邦学习FedAvg自编写代码

联邦学习中，联邦平均算法获得了很大的使用空间，因此常常被用于进行同步训练操作不多废话了，以下为Fedavg代码由于使用场景为NonIID场景，因此我使用了别人的一个MNIST数据集自定义的代码（见附录）

「已注销」·2023-01-01 17:43

联邦学习基本算法FedAvg的代码实现

目录I.前言II.数据介绍1.特征构造III.联邦学习1.整体框架2.服务器端3.客户端4.代码实现4.1初始化4.2服务器端4.3客户端4.4测试IV.实验及结果V.源码及数据I.前言联邦学习(FederatedLearning

Cyril_KI·2023-01-01 17:11

【联邦学习】联邦学习算法分类总结

【联邦学习】联邦学习算法分类总结横向联邦学习、纵向联邦学习和联邦迁移学习横向联邦学习纵向联邦学习联邦迁移学习基于机器学习算法的联邦学习分类联邦线性算法联邦树模型联邦支持向量机联邦深度学习基于优化方法进行分类从通信成本角度优化的联邦学习算法增加客户端训练压力模型压缩从客户端选择入手的联邦学习算法从异步聚合角度优化的联邦学习算法联邦学习作为目前研究的热点

十了个九·2023-01-01 17:11

联邦学习代码解读，超详细

参考文献：[1]BrendanMcMahan,H.,Moore,E.,Ramage,D.,Hampson,S.,andAgüerayArcas,B.,“Communication-EfficientLearningofDeepNetworksfromDecentralizedData”,arXive-prints,2016.参考代码：https://github.com/AshwinRJ/Fede

一只揪°·2023-01-01 17:40

监控易金融行业运维解决方案：信创国产化时不我待

2020年末，黑客利用美国“太阳风”（SolarWinds）公司的“猎户网络”（OrionNetwork）管理平台，成功入侵了美国财政部、国土安全部等多家美国联邦政府机构网站。

MXsoft618·2022-12-30 22:14

去中心化的联邦图神经网络

已有方法已有一些关于中心化联邦图神经网络的研究，中心服务器协调各个参与者从图结构数据中训练的GNN模型。存在问题中心服务器需要进行

Xidian小韩同学·2022-12-30 20:05

阅读笔记：FedGNN: Federated Graph Neural Network for Privacy-Preserving Recommendation

FederatedGraphNeuralNetworkforPrivacy-PreservingRecommendationICML’21|隐私保护下的图神经网络推荐系统(qq.com).重点是看GNN与联邦学习怎么结合的

缄默的天空之城·2022-12-30 20:35

论文笔记：ICML‘21 FedGNN: Federated Graph Neural Network for Privacy-Preserving Recommendation

目录一、论文背景二、目前存在的问题和解决方案1、问题一和解决方案问题：解决方案不足之处2、问题二和解决方案问题解决方案不足之处3、问题三和解决方案问题解决方案三、相关工作1、联邦学习相关论文2、图神经网络相关论文四

探索计算机知识的边缘·2022-12-30 20:04

时空数据建模的跨节点联邦图神经网络：KDD21 Cross-Node Federated Graph Neural Network for Spatio-Temporal Data Modeling

前言联邦学习（FL）虽然已经被广泛研究，但是对复杂的时空依赖关系进行建模以提高预测能力仍然是一个开放的问题。此外目前最优的时空预测模型假定对数据的访问不受限制，忽略了对数据共享的限制。

no one847·2022-12-30 20:04

论文笔记-FedGraphNN: A Federated Learning Benchmark System for Graph Neural Networks

1.简述GNN已经在业界有了很广泛的应用且很多领域已有SOTA的效果，但是在隐私安全日渐趋严的背景下，如何通过FL实现gnn的跨域联邦学习是一个有益的结合，本文通过联邦环境下对于Graph数据的如何在不同

cruise-tang·2022-12-30 20:04

隐语小课丨「论文研究」隐私保护纵向联邦图神经网络

在7月份举办的IJCAI-ECAI2022（第31届国际人工智能联合会议与第25届欧洲人工智能会议）上，蚂蚁集团参与撰写的论文《针对Node分类任务的隐私保护纵向联邦图神经网络》被收录。

隐语SecretFlow·2022-12-30 20:03

【论文导读】-Vertically Federated Graph Neural Network for Privacy-Preserving Node Classification纵向联邦图神经网络

文章目录论文信息摘要主要贡献verticallyfederatedGNN(VFGNN)执行过程1.生成初始节点嵌入2.生成局部节点嵌入3.生成全局节点嵌入4.采用DP增强隐私论文信息原文地址：https://www.ijcai.org/proceedings/2022/0272.pdf摘要GraphNeuralNetwork(GNN)hasachievedremarkableprogressesi

1 + 1=王·2022-12-30 20:31

华能 + Alluxio | 数字化浪潮下跨地域数据联邦访问与分析

1.数字化转型与国产化进程推进为了响应国家“十四五”数字经济发展规划的号召，中国企业推动创新资源共建共享，促进创新模式开放化演进，在信息化、数字化、智能化的强烈需求下，中国龙头企业统筹全渠道的技术能力，逐渐形成了一套覆盖集团业务发展、经营管理等核心发展战略需要的战略方向。数字化转型初见成效，数据能力不断挖掘与创新；大数据技术推陈出新，国产化步伐日益加快。无论是互联网企业还是传统行业下的领导企业，有

Alluxio·2022-12-30 09:27

联邦学习原理-分类-python代码实现

1、介绍联邦学习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。

蜡笔大新home·2022-12-30 01:31

隐私计算 FATE - 多分类神经网络算法测试

一、说明本文分享基于Fate使用横向联邦神经网络算法对多分类的数据进行模型训练，并使用该模型对数据进行多分类预测。

Xiaohong0716·2022-12-29 16:55

FedRecover: Recovering from Poisoning Attacks inFederated Learning using Historical Information

0、摘要联邦学习很容易在中毒攻击上中招，恶意客户端通过向服务器发送恶意模型更新来毒害全局模型。

友好的Spider-man·2022-12-29 14:22

关于gpu使用不了bug的修复

Gpu老是使用不上，导致联邦学习、深度学习等训练缓慢，多半是python环境和torch包不配对造成的，下载的Anaconda自带python.exe，你必须把环境也换到那里，把torch包也下在那里，

雾淞沆砀·2022-12-29 12:49

3节点Fate集群实战记录 -- 纵向联邦学习

前一篇博客记录了3节点fate集群实现横向联邦学习的实践过程link，本篇接着记录纵向联邦学习的实践过程，其中有些简单步骤未详细列出，具体执行方法可以参考上篇博客。

Acecai01·2022-12-28 23:12

经典同态加密算法Paillier解读 - 原理、实现和应用

同态加密，是解决云计算和分布式机器学习中数据安全问题的关键技术，也是隐私计算中，横跨多方安全计算，联邦学习和可信执行环境多个技术分支的热门研究方向。

京东云开发者·2022-12-28 13:34

ETH联合Meta和鲁汶大学提出视频恢复算法VRT，在视频超分辨率、去模糊和去噪性能达到SOTA...

详细信息如下：作者单位：苏黎世联邦理工大学、Meta、鲁汶大学论文链接：https://arxiv.org/pdf/2201.12288.pdf项目链接：https://github.com/JingyunL

我爱计算机视觉·2022-12-27 21:34

AP考试取消的影响是什么？如何寻找出路？

用AP申请英联邦的同学，缺少了AP成绩，可能会影响到录取。有部分英美同申的同学，是拿着AP成绩申请英联邦学校的。如果手拿英本有条件录取offer需要用AP成绩

AP课程助手·2022-12-27 19:15

网络攻防第一周作业

主要成就：他是第一个在美国联邦调查局“悬赏捉拿”海报上露面的黑客。15岁的米特尼克闯入了“北美空中防务指挥系统”的计算机主机内，他和另外一些朋友翻遍了

weixin_34401479·2022-12-27 18:41

多方安全计算（MPC）发展脉络及应用实践

隐私计算技术中，多方安全计算（MPC）、联邦学习（FL）与可信执行环境（TEE）是三大主流技术派系，此前洞见君为大家介绍过联邦学习的前世今生，解读过可信执行环境，今天为大家带来多方安全计算的相关简介及应用

洞见科技InsightOne·2022-12-27 16:24

【NeurIPS&&知识图谱】联邦环境下，基于元学习的图谱知识外推（阿里&浙大&含源码）

来源:AINLPer微信公众号（每日论文干货分享！！）编辑:ShuYini校稿:ShuYini时间:2022-09-27引言知识图谱（KGs）目前被广泛应用，但不论是传统的KGs和新建的KGs都会存在不完整的问题。虽然知识图谱嵌入(KGE)可以解决该类问题，但是新兴的KG往往伴随着新的关系和实体，在已有KG上训练的KGE模型，是不能应用于在新建KG上去获取这些看不到的实体和关系的。为此本文引入了元

AINLPer·2022-12-27 14:09

FedALA | 用于个性化联邦学习的自适应本地聚合方法

该论文提出了一种用于联邦学习的自适应本地聚合方法，通过从全局模型中自动捕获客户机所需信息的方式来应对联邦学习中的统计异质性问题。作者对比了11个

aK031999·2022-12-27 14:23

微软研究院：如何在机器学习的框架里实现隐私保护？

本文介绍了目前机器学习中隐私保护领域的最新研究进展，讨论了机密计算、模型隐私和联邦学习等不同层面的隐私保护方法。在大数据和人工智能的时代，人们能够更方便高效地获取信息。

智能推荐系统·2022-12-27 10:10

IJCAI‘22 推荐系统论文梳理

AI算法札记·2022-12-26 11:25

联邦学习：MOCHA框架

1.概述:MOCHA主要是为了解决联邦学习中的系统难题和统计难题而提出的联邦学

咫尺云烟·2022-12-26 07:54

联邦学习：FedProx框架

1.概述：联邦学习不同于传统的分布式优化的两个关键挑战:高度的系统和统计异构性。引入了一个框架，FedProx以解决联邦网络的异构