FATE联邦学习第15页

联邦学习？安全多方计算？它们之间是什么关系？

隐私计算发展趋势隐私计算的技术隐私计算体系结构安全多方计算联邦学习可行执行环境差分隐私比较应用场景发展趋势发展展望总结补充写在前面的话本文纯属个人笔记，仅供参考。隐私计算什么是隐私计算？

粥粥粥少女的拧发条鸟·2022-11-24 13:29

tensorflow实战google第二版_TensorFlow Federated: 基于TensorFlow的联邦学习入门教程

TensorFlowFederated(TFF)是由Google提出的开源离散数据机器学习和其他计算平台，作为联邦学习(FederatedLearning)的应用框架和计算平台，TensorFlowFederated

weixin_39901518·2022-11-24 12:32

Tensorflow federal learning 安装

simple/tensorflow==2.2.0然后到这个网站（https://github.com/tensorflow/federated/tree/v0.16.1#tensorflow）查询对应的联邦学习版本

呆萌的代Ma·2022-11-24 12:32

利用谷歌的联邦学习框架Tensorflow Federated实现FedAvg（详细介绍）

目录I.前言II.数据介绍III.联邦学习1.整体框架2.服务器端3.客户端IV.TensorflowFederated1.数据处理2.构造TFF的Keras模型3.训练4.测试5.实验结果及分析V.一些思考

Cyril_KI·2022-11-24 12:25

重磅！京东21篇论文入选AI顶会AAAI 2021

其研究方向包含了计算机视觉、联邦学习、对抗学习、深度学习、序列推荐、社交推荐、图神经网络、风险管理的反因果推断，以及智能城市领域的时空AI等领域。在A

Amusi（CVer）·2022-11-24 11:35

联邦学习历史最全论文、会议、博客资源整理分享

联合学习(FL)是一种新的机器学习框架，它使多个设备能够协作训练共享模型，而不会损害数据隐私和安全性。本资源整理了联合学习相关的资源，包括研究论文、会议、博客等等。资源整理自网络，源地址：https://github.com/innovation-cat/Awesome-Federated-Machine-Learning目录内容截图

lqfarmer·2022-11-24 11:04

Wei Yang Bryan Lim, etc. Federated Learning in Mobile Edge Networks: A Comprehensive Survey.

联邦学习综述名词：联邦学习(FL)、ML、MECBAA(宽带模拟聚合)、CNN(卷积神经网络)、CV(计算机视觉)、DDQN(双深度Q网络)、DL(深度学习)DNN(深度神经网络)、DP(差分隐私)、DQL

彭于晏程序分晏·2022-11-24 00:56

联邦学习综述小结

联邦学习综述小结阅读的文献为：联邦学习算法综述（王健宗等）仅供学习参考，具体算法详细介绍可以查找原文进行阅读学习。

学习从入门到放弃·2022-11-23 22:16

Communication-Efficient Learning of Deep Networks from Decentralized Data阅读笔记

Communication-EfficientLearningofDeepNetworksfromDecentralizedData最近阅读了这篇论文，应该是联邦学习的开山之作，比较基础也是很经典的算法

学习从入门到放弃·2022-11-23 22:16

学习联邦学习小结（1）

最近开始学习杨强、刘洋等老师的《联邦学习》一书。以下是自己总结的第一章主要内容。仅供学习交流。一、出现的背景医疗图像中出现难以桥接的数据孤岛。

学习从入门到放弃·2022-11-23 22:46

联邦学习non-iid用户数据采样python实现

联邦学习non-iid用户数据采样python实现问题描述解决办法问题描述联邦学习non-iid用户数据采样解决办法直接上代码importosfromscipy.ioimportloadmatimportnumpyasnpfromcollectionsimportCounterimportpandasaspdimporttorchfromsklearn.model_selectionimportt

甜度超标°·2022-11-23 21:37

多次采样保证每个样本都可以被采到

多次采样保证每个样本都可以被采到问题描述解决办法问题描述联邦学习数据异构，需要每个用户包含不完全的类别数，但是所有用户数据总和是独立同分布的，包含所有标签的样本，因此在采样的时候需要保证每个用户产生的标签随机数的类别总和等于全样本的标签数

甜度超标°·2022-11-23 21:37

联邦学习论文阅读三：ChainFL

联邦学习论文阅读三：ChainFLSecureandEfficientFederatedLearningThroughLayeringandShardingBlockchain论文地址：https://

一步一个脚印ッ·2022-11-23 15:16

论文笔记：联邦学习——Federated Learning: Challenges, Methods, and Future Directions

Challenges,Methods,andFutureDirections论文链接:linkFederatedLearning:Challenges,Methods,andFutureDirections摘要一、联邦学习的挑战

liuzeyao_Newton·2022-11-23 13:34

论文阅读 Challenges and future directions of secure federated learning: a survey

Challengesandfuturedirectionsofsecurefederatedlearning:asurvey》论文地址：https://doi.org/10.1007/s11704-021-0598-zAbstract大数据时代，敏感信息暴露，人们对隐私安全日益关注—>联邦学习应运而生联邦学习

Limeym·2022-11-23 13:01

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。

孙晓军82·2022-11-23 09:24

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。

Xiaohong0716·2022-11-23 08:26

损失函数和反向传播

损失函数（联邦学习笔记，资料来源于b站小土堆）损失函数（lossfunction）或代价函数（costfunction）是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失

沉睡中的主角·2022-11-23 08:17

《2022联邦学习全球研究与应用趋势报告》重磅发布，全景展示技术热点与人才画像

本报告为智谱AI团队独家所有，并拥有唯一著作权。智谱研究报告提供给订阅用户使用，仅限于用户内部使用。如引用、刊发，需注明出处为【智谱研究】，且不得对本报告进行有悖原意的删节与修改。9月1日至3日，2022世界人工智能大会在上海世博中心举办。在3日下午举办的“数据要素流通技术前沿探索论坛”上，由清华大学深圳国际研究生院知识工程研究中心、北京智谱华章科技有限公司、开放群岛开源社区联合编写的《2022联

智谱研究·2022-11-23 05:38

联邦学习--数据攻击(2)

参考论文：SeethroughGradients:ImageBatchRecoveryviaGradInversion（CVPR2021）源代码：核心思想：解决了DeepLeakagefromGradients（NeurIPS2019）中batch大于1效果无效的情况。缺点：1问题定义训练深度神经网络需要从数据批次中进行梯度估计以更新参数。每个参数的梯度在一组数据上取平均值，这被认为对于联合、协作

HenrySmale·2022-11-23 05:28

联邦学习中的隐私安全问题探讨

联邦学习中的隐私安全问题探讨由于本人最近在做联邦学习隐私安全方面的研究，把看过的论文和联邦学习中的隐私问题写出来，也方便各位参考，也欢迎同方向的各位大神交流。

小飞侠wyf·2022-11-23 05:28

006 Deep Leakage from Gradients（便于寻找：梯度泄露）

梯度的深度泄露两种联邦学习中的信息泄露（有无中央服务器）从联邦学习期间共享的梯度可以推断出参与者的训练数据集的什么？成员推理：使用预测结果和真相标签来推断记录是否在受害者训练数据集内。

联邦调查局石大分局·2022-11-23 05:26

Deep leakage from Gradients论文解析

论文传送门**问题背景：**现在分布式机器学习和联邦学习中普遍接受的一个做法是将数据梯度进行共享，多方数据通过共享的梯度信息进行联合建模，即在原始数据不出库的前提下进行建模，那么这样引出作者的一个思考：

联邦学习的道路上·2022-11-23 05:26

强化学习论文分析5---多基站_强化学习_联邦学习_计算卸载

计算能耗(6)总述三、算法架构----多基站联合强化学习1.网络结构图2.算法总述3.Actor网络(1).输入状态(2).输出动作4.Critic网络(1).环境奖励5.伪代码四、算法架构----多基站联邦学习

@白圭·2022-11-22 21:34

【联邦学习安全综述】A Comprehensive Survey of Privacy-preserving Federated Learning: A Taxonomy, Review, and F

作为综述，本文提供了很多写作素材。原文标题：AComprehensiveSurveyofPrivacy-preservingFederatedLearning:ATaxonomy,Review,andFutureDirections索引本文不局限于介绍了以下内容：举例了机器学习的大规模应用；数据隐私泄漏的危机事件；数据保护法规很多别的FLprivacy-preserving综述1.2节主流隐私保护

学渣渣渣渣渣·2022-11-22 20:48

（阅读笔记）Federated Learning: Strategies for Improving Communication Efficiency

提高联邦学习下的用户上行通信效率动机优化方法结构化更新”草图“更新实验结果查阅文章请点击动机用户网络连接可靠性低，且通信传输相对缓慢，即上行速率远低于下行速率，使得用户传输网络参数或梯度给服务器的通信效率成为联邦学习的信息瓶颈

你看见的我·2022-11-22 20:11

Federated Learning: Strategies for Improving Communication Efficiency

FederatedLearning:StrategiesforImprovingCommunicationEfficiency问题联邦学习的通信效率至关重要，考虑到naiveimplementation

想想虔诚怎么做·2022-11-22 20:41

【联邦/元学习】个性化联邦学习论文笔记：《Improving federated learning personalization via model agnostic meta learning》

论文：《Improvingfederatedlearningpersonalizationviamodelagnosticmetalearning》Citation：Y.Jiang,J.Konecny,K.Rush,andS.Kannan,“Improvingfederatedlearningpersonalizationviamodelagnosticmetalearning,”arXivpre

_Blueblue_·2022-11-22 20:41

pycharm调试FATE手册

单机部署文档-在主机安装FATEfate版本是1.6.1参考：https://fate.readthedocs.io/en/latest/_build_temp/standalone-deploy/README.html

路新航·2022-11-22 06:38

Multimodal Federated Learning

在本文中，我们提出了一个多模态半监督联邦学习框架，该框架训练自动编码器从客户端不同的本地数据模式中提取共享或相关表示。

缄默的天空之城·2022-11-22 03:56

Poisoning Deep Learning based Recommender Model in Federated Learning Scenarios

本文探讨对象：在联邦学习下针对基于深度学习的推荐模型设计攻击方法。根据两种攻击策略（随机近似和硬用户挖掘）为受操控的恶意用户生成有毒梯度。2.What’stheinnovation?

缄默的天空之城·2022-11-22 03:25

联邦学习：你可以有

联邦学习框架的引入为这一问题提供了解决方案。一、由推荐系统谈起随着互联网覆盖范围的扩大，越来越多的用户习惯于在网上消费各种形式的内容，推荐系统应运而生。推荐系统在我们的日常生活中无处不在，

喜欢打酱油的老鸟·2022-11-22 01:47

【全文翻译】Can You Really Backdoor Federated Learning?

1Introduction2BackdoorAttackScenario3ModelUpdatePoisoningAttacks4Defenses5Experiments6Discussion摘要–联邦学习的分散性质使检测和防御对抗攻击成为一项艰巨的任务

白菜苗·2022-11-22 00:22

论文 ❀《尾部攻击：是的，你真的可以后门联邦学习》-Attack of the Tails: Yes, You Really Can Backdoor Federated Learning

摘要Duetoitsdecentralizednature,FederatedLearning(FL)lendsitselftoadversarialattacksintheformofbackdoorsduringtraining.Thegoalofabackdooristocorrupttheperformanceofthetrainedmodelonspeciﬁcsub-tasks(e.g.

i_momoe·2022-11-22 00:20

论文笔记《How to Backdoor Federated Learning》

HowtoBackdoorFederatedLearning作者：EugeneBagdasaryanAndreasVeitYiqingHuaDeborahEstrinVitalyShmatikov会议：AISTATS,2020发表时间：2018.7背景：联邦学习可以使成千上万的参与者构建一个深度学习模型

kooKievovo·2022-11-22 00:47

联邦学习模型鲁棒性攻击

【2019arXiv】AdvancesandOpenProblemsinFederatedLearning1.攻击者的目标和能力目标：1）非目标攻击：旨在降低模型的全局准确性，或“完全破坏”全局模型；2）目标攻击（后门攻击）：其目的是在少数示例上改变模型的行为，同时在所有其他示例上保持良好的总体准确性。例如，在图片中加入水印（后门），此水印指向一个特定的分类，使某类图片分类错误；语义后门，攻击者的

celine_lee·2022-11-22 00:47

联邦学习中的后门攻击的防御手段

参考链接后门攻击的防御手段横向对比防御方法概述下表是将防御方法用到的10种思想进行了简要对比，包括基于过滤投毒数据的防御、基于增强模型稳定性的防御、基于差分隐私的防御、基于特征提取与特征选择（基于降维）的防御、基于修改协议过程的防御、基于综合运用多种技术的防御、基于相似性的防御、基于统计的防御、基于联邦遗忘的防御和基于全局模型性能的防御。本大节的剩余部分将对每一类思想进行介绍，以及依据近年的文献介

Juli_Eyre·2022-11-22 00:16

联邦学习应用思考：需求还是方法？

来源：AI数据派前言：目前，“联邦学习”这个术语在市场上存在很多认识上的误解和混淆，主要原因是其既在广义上表达了保护数据前提下联合多方数据训练模型的需求，又在狭义上表示了一类通过暴露部分数据信息来提升训练性能的方法

人工智能学家·2022-11-22 00:45

Can You Really Backdoor Federated Learning

CanYouReallyBackdoorFederatedLearning**作者：**AnandaTheerthaSureshBrendanMcMahanPeterKairouzZitengSun**会议：**NeruIPS**发表时间：**2019.12背景：联邦学习的分布式特征

kooKievovo·2022-11-22 00:42

基于联邦学习的隐私约束下深度人脸识别无监督域适应研究

qq_44703968·2022-11-21 18:10

白玉兰开源携手希尔贝壳等30余家学界业内先锋发布《中国人工智能软件基础设施高质量发展报告》

参与调研的单位包括上海交通大学人工智能研究院、木兰开源社区、OpenVINO中文社区、飞桨社区、英特尔、阿里云、亚马逊云科技、腾源会、微软Reactor、昇思MindSpore社区、FATE社区、BigDL

希尔贝壳AISHELL·2022-11-21 05:07

[yzhpdh多读paper]ClusterFL: A Similarity-Aware Federated Learning System forHuman Activity Recognition

Abstract联邦学习（FL）最近由于其保护数据隐私的能力受到了广泛关注。然而，现有的FL范式对于一大类人类活动识别（HAR）应用产生了令人不满意的性能，因为它们忽略了不同用户数据之间的内在关系。

ye6·2022-11-21 04:34

【FederatedLearning】联邦学习类别详述（横向、纵向、迁移）

【FederatedLearning】联邦学习类别详述（横向、纵向、迁移）文章目录【FederatedLearning】联邦学习类别详述（横向、纵向、迁移）横向联邦学习纵向联邦学习联邦迁移学习总结联邦学习

lunan0320·2022-11-21 04:59

【pytorch】FL联邦学习数据集的划分+non-iid数据集的划分

手动划分3根据每个client的索引进行数据集划分3按照non-i.i.d.划分3.2dirichlet分布的non-iid问题来源：torchvision.datasets里的数据集都是整一个的，尤其在联邦学习中

学渣渣渣渣渣·2022-11-21 01:08

论文精讲 | CVPR 2022|RHFL-对抗噪声的联邦学习

模型异构的联邦学习，是一种每个client拥有互不相同模型的联邦学习任务，其能够解决联邦学习中每个成员希望独立设计自己模型的需求，但目前同样面临着来自数据层面和成员层面的各种挑战，比如数据标记困难，训练中存在搭便车成员

昇思MindSpore·2022-11-21 00:58

联邦学习攻击与防御综述

联邦学习攻击与防御综述吴建汉1,2,司世景1,王健宗1,肖京11.平安科技（深圳）有限公司，广东深圳5180632.中国科学技术大学，安徽合肥230026摘要：随着机器学习技术的广泛应用，数据安全问题时有发生

唐名威·2022-11-20 18:18

【个性化联邦学习】Towards Personalized Federated Learning 论文笔记整理

TowardsPersonalizedFederatedLearning一、背景二、解决策略2.1策略一.全局模型个性化2.2策略二.学习个性化模型三、具体方案3.1全局模型个性化3.1.1基于数据：减少客户端数据统计异构性3.1.2基于模型：在学习一个强大的全局模型，以便进行个性化设置或提高本地模型的适应性能3.1.3全局模型个性化方法对比3.2学习个性化模型3.2.1基于架构的方法:旨在通过针

self--mockery·2022-11-20 18:17

综述--2020--联邦学习--全文翻译

AsurveyonsecurityandprivacyoffederatedlearningViraajiMothukuria,RezaM.Parizia,SeyedaminPouriyehb,YanHuanga,AliDehghantanhac,GautamSrivastavad,e,∗aTheDepartmentofSoftwareEngineeringandGameDevelopment,K

幼稚的星星·2022-11-20 18:47

【文献阅读】Label Inference Attacks Against Vertical Federated Learning

【文献阅读】LabelInferenceAttacksAgainstVerticalFederatedLearning这篇文章提出了三种针对纵向联邦学习的标签推理攻击：被动标签推理攻击（补全本地模型使之具有推理能力

牛了个牛·2022-11-20 18:43

【文献阅读】联邦学习论文阅读FedAvg

联邦学习论文阅读FedAvg—[Arxiv2017]Communication-EfficientLearningofDeepNetworksfromDecentralizedData摘要分布式学习的富数据常常是隐私敏感

牛了个牛·2022-11-20 18:13

推荐频道

FATE联邦学习