FATE联邦学习第14页

联邦学习顶刊论文整理，如何高效学论文？

联邦学习ICLR2022分布首先分析下联邦学习在ICLR2022的分布情况，如图：联邦学习论文清单联邦学习的学术科研情况，整理了部分内容，已有人整理了一部分如下Awesome-Federated-Machine-Learninghttps

AI致力·2022-12-01 00:02

「隐语小课」联邦学习之通信优化

隐语SecretFlow·2022-11-30 08:08

联邦学习综述：挑战、方法和未来方向

联邦学习：挑战、方法和未来方向IEEESIGNALPROCESSINGMAGAZINE，2020本文可能在基础上拓展了很多新的应用场景和思路，值得参考，联邦学习中可以考虑的点其实有很多。

你的宣妹·2022-11-30 08:38

《Towards Secure and Practical Machine Learning via Secret Sharing and Random Permutation》论文学习笔记

一方面，尽管大部分密码学方法是可证安全的，但它们伴随着大量的计算和通讯开销；另一方面，许多较为高效的隐私保护算法（如联邦学习和拆分学习）的安全性不断被质疑，因为它们不是可证安全的算法。

椰椰椰果·2022-11-29 12:16

差分隐私与机器学习

Howtodeploymachinelearningwithdifferentialprivacy要求需要有一定的机器学习、差分隐私基础差分隐私基础知识文章介绍了机器学习引入差分隐私的原因，以及如何在机器学习中部署带有差分隐私的实例和部署的困难，文章最后介绍了本文没有涵盖到的差分隐私领域如果对联邦学习和差分隐私感兴趣

NigeloYang·2022-11-29 01:37

联邦学习论文笔记——一种面向边缘计算的高效异步联邦学习机制

目录主要贡献机制结构公式符号说明阈值自适应梯度压缩双重权限修正的异步联邦机制实验验证通信压缩实验异步联邦机制实验综合实验（通信压缩+异步联邦）主要贡献提出了一种高效异步的联邦学习机制EAFLM(EfficientAsynchronousFedratedLearningMechanism

Sensorjang·2022-11-28 20:37

联邦学习论文笔记——FedFair: Training Fair Models In Cross-Silo Fedrated Learning

NO：现有的联邦学习方法根本没有考虑

Sensorjang·2022-11-28 20:31

11.27学术报告听讲笔记

特点：各方数据都保留在本地，不泄露隐私也不违法法规多个参与者联合数据建立虚拟的共有模型且共同获益体系在联邦学习体系下各个参与者身份地位相同联邦学习的建模

等景，不如找景·2022-11-28 07:42

隐私计算之联邦学习 | 文末可获取联邦学习最新研究报告

2019年党的十九届四中全会决议中，首次增列“数据”为生产要素。纵观社会经济发展，从以土地、劳动力为生产要素的农业经济时代，到以资本、技术为生产要素的工业经济时代，演进至今以数据生产要素为核心推动力的数字经济时代。目前仍有三大因素制约数据流通与协作。一是“数据孤岛”现象，平台经济导致的马太效应，数据存在垄断和集中，形成孤岛。二是全球数据合规监管日趋严格；三是隐私泄露事件频发导致信任鸿沟。但数据价值

IT转型指北·2022-11-27 21:10

TrisaFed：异步联邦学习框架

Atriple-stepasynchronousfederatedlearningmechanismforclientactivation,interactionoptimization,andaggregationenhancement每日一诗《山中暮归·林端鸦阵横》清·张廷玉林端鸦阵横，烟外樵歌起。疲驴缓缓行，斜阳在溪水。Atriple-stepasynchronousfederatedlea

咫尺云烟·2022-11-27 09:42

【论文推荐】了解《动态联邦学习》必看的6篇论文（附打包下载地址）

人工智能前沿讲习·2022-11-27 09:12

【联邦学习论文笔记2】4篇文章摘要和关键

文章目录1.VerticalFederatedLearning:Challenges,MethodologiesandExperiments2Semi-SupervisedCross-SiloAdvertisingwithPartialKnowledgeTransfer3Residue-basedLabelProtectionMechanismsinVerticalLogisticRegressi

LilaLenu·2022-11-27 09:36

联邦学习论文笔记——一种联邦学习中的公平资源分配方案（田家会 α-Fedavg）

工作首次引入Jain’sIndex到FL领域引入公平性度量参数α，使公平性与有效性可以通过α权衡给出了α的确定方法（梯度下降求解）实验验证公平性度量引入Jain’sIndexJ(x)的取值在[1/N，1]区间当J(x)取1时最公平，此时x1、x2、、、xn之间的方差最小J(x)取1/N时方差最大因此Jain’sIndex借鉴到此处，十微克考察系统“公平性”。在后续工作中，将会用R（实际用户效用）替

Sensorjang·2022-11-27 09:06

CReFF缓解长尾数据联邦学习（IJCAI 2022）

关注公众号，发现CV技术之美本篇分享IJCAI2022论文『FederatedLearningonHeterogeneousandLong-TailedDataviaClassifierRe-TrainingwithFederatedFeatures』，通过联合特征的分类器再训练在异质和长尾数据上的联合学习。论文链接：https://arxiv.org/abs/2204.13399项目链接：htt

我爱计算机视觉·2022-11-27 09:35

顶会论文笔记：联邦学习——ATPFL: Automatic Trajectory Prediction Model Design under Federated Learning Framework

ATPFL:AutomaticTrajectoryPredictionModelDesignunderFederatedLearningFramework文章目录ATPFL:AutomaticTrajectoryPredictionModelDesignunderFederatedLearningFramework论文结构一、摘要核心二、Introduction1.问题：TP数据孤岛2.解决方式3

liuzeyao_Newton·2022-11-27 09:03

最新论文笔记(+18)：Threats to Federated Learning: A Survey

ThreatstoFederatedLearning:ASurvey(联邦学习面临的威胁：一项调查）本篇文章是2020年发表在arXiv上的论文，介绍了联邦学习存在的隐私威胁问题，是一篇还不错的综述论文

crypto_cxf·2022-11-27 09:00

2022最新最全联邦学习（FL）论文、教程、博客和框架整理分享

联邦学习（FederatedLearning）是一种分布式机器学习技术，其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练，在不需要交换本地个体或样本数据的前提下，仅通过交换模型参数或中间结果的方式

lqfarmer·2022-11-27 09:28

【联邦学习实战】基于FATE框架的MNIST手写数字识别——卷积神经网络

基于FATE框架的MNIST手写数字识别——卷积神经网络前言1.下载MNIST数据集1.1KagglePython格式转换2.数据集分割3.数据集上传3.1docker上传3.2rz工具3.3FATE数据上传

HERODING23·2022-11-27 04:57

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-free lunch定理...

科技的迅猛发展为我们的生活带来了极大的便利，随着人工智能和大数据与我们生活的深度契合，数据和模型与我们生活已经息息相关。我们知道未来的世界必将是一个充斥模型和数据的世界，而且一定是多方的模型、数据，合作和交易的一个世界。那么在保护数据安全的前提下进行联合建模是必然的需求，隐私计算也顺应这个需求蓬勃发展。隐私计算目前大致经历了四个阶段。第一阶段多方安全计算：通过隐藏部分信息来保护隐私，参与各方基于交

普通网友·2022-11-26 13:44

招标 | 近期隐私计算项目招标中标25（大连理工大学、中国电信北京研究院、松山湖材料实验室、北京控制工程研究所、光大永明）

177篇原创内容公众号1招标1、大连理工大学心脑重大疾病医学大数据联邦学习存储与计算平台采购项目公开招标公告项目名称：大连理工大学心脑重大疾病医学大数据联邦学习存储与计算平台采购

开放隐私计算·2022-11-26 13:13

联邦学习（Federated Learning）：技术角度的理解

联邦学习（FederatedLearning）：技术角度的理解学习笔记笔记来源B站学习-链接：B站王树森老师课程1.背景与动机例子Example>>问题：谷歌希望利用用户移动数据训练模型可能的解决方案：

Blanche117·2022-11-26 06:43

联邦学习笔记--论文汇总（十三）

AdaptiveFederatedDropout:ImprovingCommunicationEfficiencyandGeneralizationforFederatedLearning自适应联邦剪枝：提高通信和泛化能力背景具备传感器的智能设备，常常被携带，可以获取大量原始训练数据，个人设备可以计算深度模型，通信是主要瓶颈，加剧了掉队者的数量和丢失的概率，通信上百轮，通信时间很久。客户机向服务器

35岁北京一套房·2022-11-26 06:43

联邦学习---论文汇总笔记（十四）

FedCD:ImprovingPerformanceinnon-IIDFederatedLearningFedCD（克隆和删除模型动态地对相似数据的设备分组）1.机器学习的目标是在不同的数据源下效果都很好，数据受到隐私严格约束，有限的通信带宽和内存。2.在Non-iid下导致不同设备的更新冲突，训练轮之间明显震荡，收敛速度变慢。创新在指定时刻（位置），克隆全局模型，自适应更新全局的高分子模型，删除

35岁北京一套房·2022-11-26 06:43

联邦学习-区块链论文笔记：FLchain: Federated Learning via MEC-enabled Blockchain Network

Motivation：1）传统的联邦学习完全依赖于中央服务器的可靠性，来存储和计算全局模型的更新。

学习的学习者·2022-11-26 06:12

联邦学习-区块链论文笔记：FLChain: A Blockchain for Auditable Federated Learning with Trust and Incentive

链接：IEEEXploreFull-TextPDF:ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8905038作者：XianglinBao（中科大团队）Motivation：1）FL链缺乏对恶意训练节点的审计，不诚实的合作会扰乱模型的训练效果；2）中心化服务器容易受到单点失误的攻击并且会将损失带给所有的训练节点；3）在没有奖励制度的情况下，训练

学习的学习者·2022-11-26 06:12

联邦学习实战---读书笔记

175ZB燃料——>资产（提升产品质量、企业不良贷款）——>大数据交易数据难共享—>依赖数据的人工智能难发展——>数据作为深度算法的燃料——>提供对比基准实际数据规模小、缺重要信息——>高质量数据太少联邦学习在模型训练过程中

35岁北京一套房·2022-11-26 06:12

联邦学习-

联邦学习：本质上是一种分布式机器学习技术，或机器学习框架目的：确保数据隐私、安全和合法合规的基础上，实现合作训练模型，提高人工智能模型的效果横向联邦学习纵向联邦学习迁移联邦学习梯度泄露攻击手段：攻击类型

大王木木夕·2022-11-26 06:42

联邦学习-区块链论文笔记：Blockchained On-Device Federated Learning

tp=&arnumber=8733825作者：HyesungKim（延世大学团队）一点感悟：区块链和联邦学习这块儿韩国大学这边起步很早，很经典的文章都能看到他们的身影。

学习的学习者·2022-11-26 06:42

联邦学习笔记（六）实现自己的联邦学习算法

young_monkeysun·2022-11-26 06:41

联邦学习---学习笔记（一）

联邦学习主要内容1、研究背景2、定义及模型3、存在的问题4、模型的优化为了进一步的理解模型机制，下面介绍了一个简单的神经网络模型–多层感知器参考文献及参考链接[1]https://zhuanlan.zhihu.com

snailscholar·2022-11-26 06:10

论文笔记-联邦学习攻防研究综述

1引言联邦学习旨在利用去中心化的数据源训练一个中心化的联邦模型，并且在训练的过程中保证原始数据的隐私安全。联邦学习仍面临四个挑战：高昂的通信成本、系统异质性、数据异质性以及数据安全。

开放隐私计算·2022-11-26 06:10

联邦学习笔记

Get了新知识之联邦学习传统机器学习算法被大家关注很久了，本菜鸟也在各种海量教程中跑通了深度学习的一众算法。

crushqqi·2022-11-26 06:10

联邦学习-tff学习笔记

联邦学习federateddatathetermfederateddatainthistutorialtorefertoacollectionofdataitemshostedacrossagroupofdevicesinadistributedsystem.Inprogramminglanguagedesign

guijieling·2022-11-26 06:10

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。

微服务 spring cloud·2022-11-25 20:16

天冕科技入选Analysys易观分析《2022年中国隐私计算市场分析》报告

Analysys易观分析认为:1、在产研能力层面，其一，市场将围绕多方安全计算、联邦学习和可信执行环境三种隐私计算核心技术推进;其二，结合区块链、人工智能，尤其是人工智能-深度学习算法模型等技术相结合形成的应用闭环

科技哔哔·2022-11-25 19:15

联邦学习--论文汇总（十）

两篇关于压缩模型的联邦学习文章[1]HeC,AnnavaramM,AvestimehrS.GroupKnowledgeTransfer:FederatedLearningofLargeCNNsattheEdge

35岁北京一套房·2022-11-25 10:43

无线网络中的联邦学习：优化模型设计与分析

关注公众号，发现CV技术之美本篇分享论文『FederatedLearningoverWirelessNetworks:OptimizationModelDesignandAnalysis』，无线网络中的联邦学习

我爱计算机视觉·2022-11-25 08:08

【联邦学习】联邦学习的量化传输仿真（一）

文章目录项目背景量化方式具体的量化操作信道模拟、传输时延模拟所遇到问题项目背景联邦学习虽然已经能够极大地降低在网络上所需要传输的数据量，但是在实际传输过程中，很容易受到“落后者”的影响。

QinZheng7575·2022-11-25 08:27

FedNLP: 首个联邦学习赋能NLP的开源框架，NLP迈向分布式新时代

文|阿毅两周前，南加大YuchenLin（PhDstudent@USCandex-researchintern@GoogleAI)所在的团队在Twitter官宣开源首个以研究为导向的联邦学习赋能NLP的

夕小瑶·2022-11-25 04:59

《Federated_Machine_Learning:Concept_and_Applications》精读

《Federated_Machine_Learning:Concept_and_Applications》《联邦学习的概念和应用》论文的学习一、基本信息基本概念:Honest-but-Curious(HBC

文杰@·2022-11-25 03:56

[论文阅读] 有关联邦学习应用综述 A review of applications in federated learning

这里是目录呀~论文阅读有关联邦学习应用综述Areviewofapplicationsinfederatedlearning一、联邦学习概述二、联邦学习的演变2.1算法优化2.2安全隐私风险安全-在联邦学习中的隐私保护技术三

文三路张同学·2022-11-25 03:24

Federated Machine Learning: Concept and Applications综述

综述文献：FederatedMachineLearning:ConceptandApplications部分知识整理文献介绍了联邦学习的概述与体系架构人工智能面临的挑战：1）数据以孤岛形式存在；2）数据隐私和安全传统数据处理模型

甜瓜出逃中·2022-11-25 03:54

【NLP】FedNLP: 首个联邦学习赋能NLP的开源框架，NLP迈向分布式新时代

文|阿毅两周前，南加大YuchenLin（PhDstudent@USCandex-researchintern@GoogleAI)所在的团队在Twitter官宣开源首个以研究为导向的联邦学习赋能NLP的

风度78·2022-11-25 03:21

初识联邦学习(Federated learning)

联邦学习(Federatedlearning)最早在2016由谷歌提出，并在之后受到大量的关注。本文旨在简要介绍联邦学习，了解联邦学习的背景，而不关注联邦学习具体的实现方案。

DWQY·2022-11-25 03:21

Federated Learning 联邦学习概述及最新工作

声明：以后会逐渐转移到某乎啦，有兴趣的伙伴可以关注：霁月一、目前主流的联邦学习应用场景Cross-siloFLCross-deviceFLSettingTrainingamodelonsiloeddata.Clientsarefromdifferentorganizations

Always_ease·2022-11-25 03:50

Federated Machine Learning: Concept and Applications

联邦学习概述联邦学习定义定义NNN个数据拥有者F1,...,FN{\mathca

H_usky·2022-11-25 03:47

联邦学习如何入门，学习路径，Transformer与联邦学习高阶研修班，总结心得

学习路径报名了贪心科技的课程，联邦学习的，总结一些心得，分享给大家名称Transformer与联邦学习高阶研修班贪心学院的联邦学习与隐私计算总结资料获取路径：链接：https://pan.baidu.com

AI致力·2022-11-24 22:02

【联邦学习】最优物联网联邦学习的多准则客户端选择模型

论文来源：FedMCCS:MultiCriteriaClientSelectionModelforOptimalIoTFederatedLearning联邦学习机制：由１个参数服务器和多个边缘节点组成，

风雨无阻啊·2022-11-24 21:19

综述：物联网的联邦学习

联邦学习(FL)已经成为一种分布式协同人工智能方法，通过允许在分布式物联网设备上进行人工智能训练而不需要数据共享，它可以使许多智能物联网应用成为可