FATE联邦学习

联邦学习框架FATE实践（训练/测试步骤及参数说明）

联邦学习框架FATE实践（训练/测试步骤及参数说明）一、FATE概念1.角色二、训练1.准备2.定义上传数据配置文件（1）参数说明：（2）示例3.定义DSL配置文件（1）概念（2）参数说明（3）示例4．
wendong97·2022-12-17 20:52

隐私计算--29--联邦学习平台FATE实践

一、FATE平台介绍FATE是全球首个联邦学习工业级开源框架，其基于Python开发，可以让企业和机构在保护数据安全和数据隐私的前提下进行数据协作。
武天旭·2022-12-17 20:51

当机器学习遇上隐私保护，聊聊联邦学习和分布式机器学习

导读：我认为，任何一门技术的突破发展，首先都需要解决问题，然后才是创造新价值。最近比特币行情大起大落，身边炒币的哥们纷纷大呼刺激。我一直不太清楚，支撑比特币背后的价值究竟是什么，不过，作为一名技术爱好者，我知道比特币最初推出来，为的不是让大家发家致富，而是“去中心化”，设计一套不依赖中央银行也能运行的货币体系。中心化和去中心化的，一直是技术发展史的一条浓墨重彩的主线，今天之所以有互联网，当初也是起
hzbooks·2022-12-17 13:17

免费电子书｜《联邦学习综合应用》

联邦学习自2016年首次由谷歌（Google）提出、2018年由微众银行引入国内并率先在B端进行创新应用以来，逐渐成为一种解决合作中数据隐私与数据共享矛盾的新路径，被大量应用于金融、安防、医疗、在线推荐系统等领域
DataFunTalk·2022-12-16 00:03

论文阅读笔记--Clustered Federated Learning:Model-Agnostic Distributed Multitask Optimization Under Privacy

Introduction传统的ParameterServer（P-S）架构的联邦学习系统尝试训练出一个模型，让它能适用于每一个client的数据分布，这暗含了一个假设，模型的最优解θ∗\theta^*θ
Shawn2134123·2022-12-15 18:23

Ubuntu16.04安装使用anaconda、PyTorch、Jupyter notebook以及Facebook *foltr-es*代码运行测试

Ubuntu16.04安装使用anaconda、PyTorch、Jupyternotebook以及Facebookfoltr-es代码运行测试想要运行测试下Facebook的一个有关联邦学习的工作FOLtR-ES
nan1994·2022-12-15 15:26

torch中内置的数据集：

之前研究过一些数据集可以通过代码在训练的时候进行下载，刚刚得知这些数据集是torch中内置的数据集，想自己总结记录一下Torchvision中的数据集：MNIST：手写图像组成的数据集，60,000张训练图像和10,000张测试图像（也是联邦学习实验中经常使用的数据集
白兔1205·2022-12-15 14:47

IJCAI 2021联邦学习与迁移学习国际研讨会即将召开，重磅嘉宾及精华议程不容错过！

“国际人工智能联合会（简称IJCAI）”自1969年创立至今，已成功举办29届，并成为业内公认历史最悠久、最优秀的人工智能领域国际顶级学术会议。受新冠疫情影响，今年IJCAI2021主会依然采用线上（VR技术）方式，于8月19日-8月26日在加拿大蒙特利尔举行。作为AI领域老牌顶会，IJCAI2021依然延续其行业前瞻性，聚焦AI领域最新动态。近年来，为解决人工智能数据不足这一“最后一公里”问题而
FedAI Ecosystem·2022-12-14 14:15

论文模型构建的步骤_7篇ICLR论文，遍览联邦学习最新研究进展

机器之心分析师网络作者：仵冀颖编辑：H4O本篇提前看重点关注ICLR2020中关于联邦学习(FederatedLearning)的最新研究进展。
weixin_39898380·2022-12-14 14:44

7篇ICLR论文，遍览联邦学习最新研究进展

2020-04-3013:10:54机器之心分析师网络作者：仵冀颖编辑：H4O本篇提前看重点关注ICLR2020中关于联邦学习（FederatedLearning）的最新研究进展。
东大梅西·2022-12-14 14:43

FATE开源项目向可信联邦学习进发

题图摄于北京798艺术区2019年初，微众银行开源了全球首个工业级联邦学习框架FATE（FederatedAITechnologyEnabler），大幅降低联邦学习的应用门槛。
普通网友·2022-12-14 14:42

杨强教授：希望2022年实现从联邦学习到可信联邦学习的跨越

题图摄于北京景山：CBD远眺本期转发杨强教授关于“可信联邦学习”的演讲内容，来自可信联邦学习最新论文，从信息论角度，提出隐私与模型性能的No-freelunch定理，值得大家学习。
普通网友·2022-12-14 14:42

面向隐私计算的联邦学习激励机制与效率优化研究

大致是了解了申请项目的全过程，写一份好的申请书，选择合适的课题真的十分重要科研项目进展希望能拿到国家级项目–好消息是拿国家级了--坏消息是EI即以上一篇论文+专利，未来有学弟看到这篇文章，申请大创时可以考虑联邦学习这方面的内容
破茧于复旦·2022-12-14 14:42

各位大佬觉得联邦学习可以研究的问题有些什么？小白了解一下这个水深不深?#联邦学习

其实联邦学习就是一种特殊的分布式学习。分布式学习已经被研究十几年了，Low-hangingfruits早就被人摘了。联邦学习有一些特殊的设定，比普通的分布式学习要困难一些，所以还是有的做的。
AI致力·2022-12-14 14:42

纵向联邦学习：

联邦学习联邦学习（FederatedLearning,FL）概念最早由Google在2016年出[29]，原本用于解决大规模Android终端协同分布式机器学习的隐私问题。
maoguan121·2022-12-14 14:42

横向联邦学习

联邦学习联邦学习（FederatedLearning,FL）概念最早由Google在2016年出[29]，原本用于解决大规模Android终端协同分布式机器学习的隐私问题。
m0_74079109·2022-12-14 14:12

数据安全前言技术研究联邦学习

联邦学习联邦学习（FederatedLearning,FL）概念最早由Google在2016年出[29]，原本用于解决大规模Android终端协同分布式机器学习的隐私问题。
m0_73803866·2022-12-14 14:11

一文详解百度、谷歌、京东、腾讯在分布式网络训练下的联邦学习解决方案

fedprox|fedavg|联邦学习机器学习|差分隐私|分布式网络训练随着机器学习、隐私计算、高性能计算、深度学习训练、差分隐私的快速发展，如今的人工智能仍然面临两大挑战。
高性能服务器·2022-12-14 14:40

《2021联邦学习全球研究与应用趋势报告》发布，中美为最大领跑者 | 附下载链接...

撰文：XT编审：寇建超排版：李雪薇7月31日，美国亚马逊公司（Amazon）被卢森堡数据保护委员会处以7.46亿欧元（约合57.2亿元人民币）的罚款，原因是Amazon违反了欧盟的《通用数据保护条例》。事实上，Amazon并非是首次遭遇数据隐私巨额罚款的公司，此前Facebook和Google也因违反相关数据隐私保护规定而被处以巨额罚款。如今，随着人们越来越重视个人隐私权、政策法规愈发严格、数据协
智源社区·2022-12-14 14:39

联邦学习学习方法及科研论文分析

联邦学习科研论文，综述文章联邦学习推荐入门资料学习资料分享，取路径如下（notfree）链接：https://pan.baidu.com/s/1020JvXk5JZug7HksnhaPgA提取码：pn86
AI致力·2022-12-14 14:39

个性化联邦学习综述

OK从今天开始，我将从个性化联邦学习出发，研究如何缓解联邦学习中的模型异构性问题。
联邦学习小白·2022-12-14 07:46

WorldS4 2020 | 联邦学习的个性化技术综述

目录前言摘要I.引言II.个性化需求III.方法A.添加用户上下文B.迁移学习C.多任务学习D.元学习E.知识蒸馏F.基础+个性化层G.全局模型和本地模型混合IV.总结前言题目：SurveyofPersonalizationTechniquesforFederatedLearning会议：2020FourthWorldConferenceonSmartTrendsinSystems,Securit
Cyril_KI·2022-12-14 07:41

博士申请 | 悉尼科技大学澳大利亚人工智能研究院招收联邦学习全奖博士生...

目前，AAII研究院龙国栋副教授（A/ProfGuodongLong）和张成奇杰出教授（ProfChengqiZhang）的研究组招收联邦学习（偏机器学习方向）
深度学习技术前沿·2022-12-13 21:34

Model-Agnostic Meta-Learning （MAML）模型介绍及算法详解

在学习联邦学习过程中，有涉及到MAML的内容，这里将学习资料做转载原文地址添加链接描述MAML在学术界已经是非常重要的模型了，论文Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks
联邦学习的道路上·2022-12-12 20:05

基于联邦学习的MNIST手写数字识别-Pytorch实现

参考：基于联邦学习的MNIST手写数字识别-Pytorch实现-灰信网（软件开发博客聚合）(freesion.com)一、MNIST数据集大量参考：MNIST数据集_保持理智802的博客-CSDN博客_
晨曦未眠·2022-12-12 16:29

联邦学习开山之作代码解读与收获

参考：联邦学习代码解读，超详细_一只揪°的博客-CSDN博客_联邦学习代码参考文献：[1602.05629]Communication-EfficientLearningofDeepNetworksfromDecentralizedData
晨曦未眠·2022-12-12 16:29

【文献阅读】联合学习：挑战、方法和未来方向

本次阅读的是联邦学习的一篇综述FederatedLearning:Challenges,Methods,andFutureDirections，作者是TianLi等。
晨曦未眠·2022-12-12 16:29

【文献学习】群体知识转移:边缘大型cnn的联邦学习

为了解决边缘设备资源受限的现实，文章将FL重新定义为一种组知识转移训练算法，称为FedGKT。FedGKT设计了交替最小化方法的一种变体，在边缘节点上训练小型CNN，并定期通过知识蒸馏（KnowledgeDistillation）将其知识转移到大型服务器端CNN。它减少了边缘计算的需求，降低大型cnn的通信带宽，以及异步训练，同时保持与FedAvg相当的模型精度。结果表明，FedGKT可以获得与F
晨曦未眠·2022-12-12 16:25

《联邦学习》——个人笔记（五）

第五章纵向联邦学习横向联邦学习可以方便用于建立由庞大数量的移动设备所支持的应用。在这些场景下，联邦的目标是应用的消费群体，可以将其视为企业对消费者（B2C）范式。
Lavender_LoveQaQ·2022-12-10 05:07

联邦学习综述总结

综述一、综述1.1、提出1.2、什么是联邦学习？
河大吴彦祖·2022-12-10 05:07

浅读《联邦学习》（杨强、刘洋等）笔记整理

文章目录第一章数据孤岛问题联邦（机器）学习联邦学习旨在建立一个基于分布数据集的联邦学习模型联邦学习重要特征和要求联邦学习系统两种架构联邦学习发展动机联邦学习包括两个过程联邦学习面临挑战联邦学习分类联邦学习发展开源平台第二章面向隐私保护的机器学习
BlackEg·2022-12-10 05:36

【学习笔记】联邦学习产品与应用展望

概述联邦学习是为了解决数据所有权及数据隐私问题，以运用新技术为手段，达到不同来源的数据保留在本地的同时，能够通过机器学习联合建模的方式，达到应用成果的目的。
Nothing forever·2022-12-10 05:36

横向联邦学习下隐私保护安全聚合：问题，方法，与展望

开放隐私计算以下文章来源于隐私计算研习社，作者董业隐私计算研习社.开放隐私计算社区本文总结面向横向联邦学习的主要安全聚合技术路线和经典方法，对各条技术路线所处理的问题和经典方法的核心思想做一些梳理，并提出一点个人浅见
aK031999·2022-12-10 05:06

《联邦学习》——个人笔记（四）

第四章横向联邦学习4.1横向联邦学习的定义横向联邦学习也称为按样本划分的联邦学习，可以应用于联邦学习的各个参与方的数据集有相同的特征空间和不同的样本空间的场景。
Lavender_LoveQaQ·2022-12-10 05:06

联邦学习笔记（三）: 使用高阶keras API设计联邦学习神经网络模型

使用高阶kerasAPI设计联邦学习神经网络模型写在前面数据预处理创建客户端数据TFF神经网络模型设计实现神经网络tf构造函数TFF封装TF神经网络代码函数实现联邦平均算法联邦平均算法初始化训练与测试测试结果训练准确率训练
young_monkeysun·2022-12-09 18:55

谁都能看懂的纵向联邦学习（VFL）加密聚合算法的解释

如果放在纵向联邦学习的场景中，那么A和B的ID是大部分都相同的（举个
絮落潺流·2022-12-09 14:01

Exploiting Unintended Feature Leakage in Collaborative Learning 阅读心得

一、研究背景CollaborativeLearning（协作学习），比如联邦学习受到越来越广泛的应用。
zzuls·2022-12-09 13:18

分布式机器学习三

联邦学习联邦学习是机器学习最近的一个大热点，它是一种分布式机器学习。联邦学习是2015年提出来的，其本质就是分布式机器学习，方法上没有太多新意。
zhiaoo·2022-12-09 08:17

终于有人把分布式机器学习讲明白了

导读：分布式机器学习与联邦学习。
大数据v·2022-12-09 08:10

联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗

目录一、文章概述二、系统模型环境三、上行链路功率分配(UPA)算法1.系统目标2.约束条件3.公式推导(1)传输时间(2)系统能耗4.算法求解5.伪代码四、频带分配(BA)算法1.系统目标2.约束条件3.算法求解五、性能表征本文是对论文《Multi-ServerFederatedEdgeLearningforLowPowerConsumptionWirelessResourceAllocation
@白圭·2022-12-07 10:37

一种隐私保护边云协同训练

研究背景在边缘AI领域，联邦学习概念最先由google提出并在学界和业界得到广泛的讨论和发展。对于边缘AI，数据异构和数据隐私是两个主要的挑战，而将联邦学习应用在边缘计算中，可以协助解决这些挑战。
昇思MindSpore·2022-12-05 15:00

Fate单机部署（docker版本）

文章目录1.常用网址2.环境配置3.docker单机部署核心4.部署流程4.1基本配置4.2安装docker镜像4.3获取资源并部署4.4测试4.4.1单元测试4.4.2Toy测试4.5安装FATE-Client
一览天下945·2022-12-05 00:17

深度学习/联邦学习笔记（五）多层全连接神经网络实现MNIST手写数字分类+Pytorch代码

深度学习/联邦学习笔记（五）多层全连接神经网络实现MNIST手写数字分类+Pytorch代码神经网络是一个有神经元构成的无环图，神经网络一般以层来组织，最常见的是全连接神经网络，其中两个相邻层中每一个层的所有神经元和另外一个层的所有神经元相连
沉睡中的主角·2022-12-03 15:46

联邦学习

引言“联邦学习（FederatedLearning）”作为一种加密的分布式机器学习范式，可以使得各方在不披露原始数据的情况下达到共建模型的目的，即在不违反数据隐私保护法规的前提下，连接数据孤岛，建立性能卓越的共有模型
数新网络·2022-12-03 08:53

（八）隐私计算--联邦学习

目录联邦学习联邦学习系统构架联邦学习开源框架联邦学习分类横向联邦学习纵向联邦学习联邦迁移学习联邦学习特点参考推荐：联邦学习概念及应用联邦学习（FederatedLearning）_草棚的博客-CSDN博客
东学西秀·2022-12-03 01:19

[TIST 2022]No Free Lunch Theorem for Security and Utility in Federated Learning

联邦学习中的安全性和实用性没有免费午餐定理NoFreeLunchTheoremforSecurityandUtilityinFederatedLearning目录摘要简介2相关文献2.1隐私测量2.2联邦学习
sinat_38007523·2022-12-02 10:53

百度开源联邦学习框架 PaddleFL：简化大规模分布式集群部署

百度开源联邦学习框架PaddleFL：简化大规模分布式集群部署作者|钰莹近两年，联邦学习技术发展迅速。
喜欢打酱油的老鸟·2022-12-01 17:11

联邦学习开源框架FATE LTS版本发布，全新客户端套件助力高效开发

我们VMware云原生实验室的团队在参与联邦学习领域的开源项目FATE和KubeFATE的贡献，帮助用户应对连接数据孤岛、打破部门墙的挑战，即解决人工智能的最后一公里的问题。
普通网友·2022-12-01 17:06

基于PyTorch的联邦学习开源框架FedLab：加速FL算法验证

文章目录FL框架调研我们的FedLabFL框架调研近两年来联邦学习federatedlearning（FL）非常火热，也有很多开源的联邦学习框架。
DS_agent·2022-12-01 17:33

后门攻击经典背景文献（综述）

总结攻击在各个场景都有体现，比如外包场景、迁移学习、联邦学习等，主要集中于前两个前景，联邦学习的攻击还有待发展。
wujiekd·2022-12-01 10:10
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他