FATE联邦学习

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

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

更多内容干货，移步公众号：隐语的小剧场1、引言联邦学习将传统机器学习中的数据聚合转换成模型聚合，即client和server在联邦训练过程中需要进行模型传输或梯度传输。
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）

论文推荐“SFFAI142期来自美国西北大学的王礼旭同学推荐的文章主要关注于基础研究的动态联邦学习领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”
人工智能前沿讲习·2022-11-27 09:12
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他