FATE联邦学习第17页

【概念学习】联邦学习的三个类别+【论文阅读】异步联邦学习

基于数据的分布特点将联邦学习分为三类：横向联邦学习（HorizontalFederatedLearning）：共享相同的特征空间，但是不同的样本（也就是一般遇到的情况，每个client拿到模型，独立用自己的样本集训练

反科研pua所所长·2022-11-09 10:54

【论文阅读】Communication-Efficient Learning of Deep Networks from Decentralized Data

联邦学习开山之作，感觉之前读得还是不够细致，这次的目标是找如何做效率的实验（实验部分），顺便去仔细研读一下联邦学习的定义及性质（摘要及引入部分）摘要现代移动设备为用户体验的提升提供了大量数据，比如语言模型和图像模型

反科研pua所所长·2022-11-09 10:24

关于边缘联邦学习的研究方向以及现状综述阅读笔记

Asurveyoffederatedlearningforedgecomputing:Researchproblemsandsolutions阅读笔记预准备知识：什么是联邦学习？

Blanche117·2022-11-07 12:55

Pysyft使用指南

文章目录项目要求Pysyft版本问题基本流程遇到的问题Dataset问题Tensor传递问题数据冲突数据取回Optimizer选择Optimizer补充运行体验项目要求由于项目需要，最近研究了一下联邦学习框架

柚木蓝·2022-11-02 22:34

联邦学习开源框架调研

文章目录1.FATE1.1FederatedML算法列表1.2FATEServing1.3FATEFlow1.4FATEBoard1.5FederatedNetwork1.6KubeFATE2.PySyft3

李代数·2022-11-02 22:33

PySyft中model.get()方法解释

学习的学习者·2022-11-02 22:33

Pysyft学习笔记四：MINIST数据集下的联邦学习（并行训练与非并行训练）

概述图导入基本包创建客户机设置训练参数初始化数据集搭建神经网络模型定义训练与测试函数定义主函数训练效果手写数字识别模型（并行训练）概述图导入必要的包建立客户机初始化训练参数定义训练集与测试集定义神经网络使用Fed_avg算法整合模型定义训练定义测试启动入口训练效果经过前面几篇笔记的学习，基本上已经知道了联邦学习的基本代码框架

一只特立独行的猫·2022-11-02 22:32

Pysyft学习笔记一：dome思路

Pysyft是一个比较适合学习FL学习小白的开源框架，相比与FATE的高封装性，Pysyft提供了更高的自由度。

一只特立独行的猫·2022-11-02 22:02

联邦学习开源框架方案选型

无知者：【联邦学习开源框架】FedLab-加速FL算法验证联邦学习开源框架FedLab相关FATE单位：微众银行github:https://github.com/FederatedAI/FATEstar

麦晓宇·2022-11-02 22:00

联邦学习框架和数据隐私综述

联邦学习——新型的分布式机器学习技术。一、联邦学习开源框架1、联邦学习框架（按架构分类）联邦学习常用的框架分为2种：中心化框架、去中心化框架，以中心化框架为主。

贪睡的蜗牛·2022-11-02 22:30

联邦学习开源框架

来源：https://zhuanlan.zhihu.com/p/387101962FATE单位：微众银行github:https://github.com/FederatedAI/FATEstar：3.2kdocs

联邦学习的道路上·2022-11-02 22:30

Pysyft学习笔记

文章目录1隐私、分布式数据科学的基础工具1.1张量指针1.2使用张量指针2联邦学习简介2.1一个联邦学习的范例3高级远程执行工具3.1指向指针的指针3.2指针链操作4模型平均的联邦学习第一步：建立数据所有者第二步

Yohuna·2022-11-02 22:00

毕设之PySyft学习：联邦学习实现MINIST手写识别

文章目录Pytorch与PySyft安装还是先理解一些基本函数是在做什么初始化发送tensor返还tensor通过指针张量(PointerTensor)做深度学习初步练习：以Minist识别为例必要的初始化搭建所需网络数据加载和发送定义训练过程还没结束！本人博客https://qinzheng7575.github.io/Pytorch与PySyft安装基本上按照这个教程来就可以，注意的是要查看自

QinZheng7575·2022-11-02 22:59

群体智能中的联邦学习算法综述

联邦学习是一类新兴的打破数据孤岛、联合构建群智模型的重要方法。

米朵儿技术屋·2022-10-28 10:09

虚拟专题：联邦学习 | 联邦学习研究综述

来源：网络与信息安全学报联邦学习研究综述周传鑫，孙奕，汪德刚，葛桦玮信息工程大学，河南郑州450001摘要：联邦学习由于能够在多方数据源聚合的场景下协同训练全局最优模型，近年来迅速成为安全机器学习领域的研究热点

唐名威·2022-10-28 10:09

唐名威·2022-10-28 10:39

虚拟专题：联邦学习 | 联邦学习算法综述

来源：大数据期刊联邦学习算法综述王健宗1，孔令炜1，黄章成1，陈霖捷1，刘懿1，何安珣1，肖京21.平安科技（深圳）有限公司，广东深圳5180632.中国平安保险（集团）股份有限公司，广东深圳518031

唐名威·2022-10-28 10:38

综述：联邦学习隐私保护

本文分析并展望了联邦学习中的隐私保护技术的研究进展和趋势.简要介绍联邦学习的架构和类型，分析联邦学习过程中面临的隐私风险，总结重建、推断两种攻击策略，然后依据联邦学习中的隐私保护机制归纳隐私保护技术，并深入调研应用上述技术的隐私保护算法

缄默的天空之城·2022-10-28 10:34

数据分析综述：联邦学习中的数据安全和隐私保护问题

©作者|Doreen01联邦学习的背景知识近年来，随着大量数据、更强的算力以及深度学习模型的出现，机器学习在各领域的应用中取得了较大的成功。

数据分析案例·2022-10-28 10:32

联邦学习安全与隐私保护综述 A survey on security and privacy of federated learning

联邦学习安全与隐私保护综述写在前面的话联邦学习是什么联邦学习工作流程联邦学习的技术分类安全问题和解答隐私问题和解答未来方向写在前面的话本篇博客参考《Asurveyonsecurityandprivacyoffederatedlearning

粥粥粥少女的拧发条鸟·2022-10-28 10:30

联邦学习综述

为什么要联邦学习已有的数据中心学习架构，存在成本高昂，数据隐私和安全问题。在用户将数据上传到数据中心的过程中，敏感数据极易受到泄露、攻击和网络的影响。

warm-·2022-10-28 10:59

BugII_·2022-10-28 10:29

人工智能学家·2022-10-28 10:29

转：联邦学习综述

前言：写本篇是为了记录一下之前阅读过的一些关于联邦学习的文章（主要是两篇联邦学习综述），然后对其中的一些关键点进行了总结，并加入了个人对于联邦学习这一研究领域的理解以及思考（侵删）。

薄荷微光少年梦·2022-10-28 10:29

机器学习与推荐算法·2022-10-28 10:28

Data-Free Knowledge Distillation for Heterogeneous Federated Learning论文阅读+代码解析

论文地址点这里一.介绍联邦学习具有广阔的应用前景，但面临着来自数据异构的挑战，因为在现实世界中用户数据均为Non-IID分布的。在这样的情况下，传统的联邦学习算法可能会导致无法收敛到各个客户端的数据。

编程龙·2022-10-26 19:18

通过边缘供应对联合学习的预测在线控制——阅读笔记

PredictiveOnlineControlofFederatedLearningwithEdgeProvisioning阅读笔记通过边缘供应对联合学习的预测在线控制——阅读笔记摘要论文目标：在分离的云边缘网络上以最佳的方式运行联邦学习

Blanche117·2022-10-24 07:24

联邦学习 | 无处不在的隐私泄露！

相信看过上一篇内容的同学已经对联邦学习的背景和算法思想有了概念，总结起来就是：数据不动模型动。但是，本地数据不出端就能防止隐私信息泄露吗？那可不一定！

昇思MindSpore·2022-10-20 23:38

基于 OpenMLDB 的联邦学习方案被国际数据挖掘学术会议 CIKM 录取

该论文主要描述了基于OpenMLDB的时序数据特征抽取的语义，扩展到联邦学习的创新性研究工作。该方案进一

·2022-10-20 22:44

机器学习之联邦学习

联邦学习（FederatedLearning）联邦机器学习又名联邦学习，联合学习，联盟学习。

一颗西柚子·2022-10-01 07:15

Personalized Cross-Silo Federated Learning on Non-IID Data 论文解析

编程龙·2022-09-28 09:57

学无止境我爱学习·2022-09-26 10:44

联邦学习综述（一）——联邦学习的背景、定义及价值

文章目录第一章：联邦学习背景1.1现状1.2挑战1.3联邦学习解决方案1.4联邦学习第二章：定义及价值2.1概述2.2定义2.3公共价值2.4商业价值2.5联邦学习与现有研究的关系第一章：联邦学习背景1.1

.别拖至春天.·2022-09-22 13:15

美团隐私计算平台通过行业权威认证

近日，在2022年隐私计算大会上，中国信通院公布第六批可信隐私计算评测结果，美团隐私计算平台通过“联邦学习安全”和“多方安全计算基础能力”两个专项评测认证。

·2022-09-19 11:52

横向联邦学习-梯度安全聚合（二）

一背景最近总结自己的公众号的时候，发现一个问题：对于联邦学习的文章，基本都是在讲述纵向联邦学习，对于横向联邦学习的技术涉及较少，所以心血来潮之下，决定写几篇文章来压压箱子底。

秃顶的码农·2022-09-19 07:06

联邦学习在腾讯微视广告投放中的实践

分享人：宋凯博士整理者：林宜蓁导读:本文从广告主的角度，分享联邦学习实践的经验跟思考。先介绍业务与技术选型背景：团队项目为用户增长及成本控制，方式为广告渠道投放，投放目标分为拉新、拉活两类。

腾讯大数据·2022-09-19 07:00

Pysyft 实现真实场景下联邦学习python3代码示例

Pysyft实现真实场景下联邦学习python3代码示例 \,\,\,\,\,\,\,\,\,\,本教程使用pysyft联邦学习python3框架，基本实现了真实场景下多机器联邦学习，

六娃_lw·2022-09-16 18:51

docker-compose升级（转发）

最近在使用docker-compose部署fate的时候，因docker-compose版本太久不支持health-check的语法，出现了报错。

杰森斯坦德彪·2022-09-07 17:33

CIKM 2022 AnalytiCup Competition: 联邦异质任务学习

简介：为了探索联邦学习中的异质性，推动联邦学习领域的发展，阿里巴巴达摩院智能计算实验室联合天池举办“CIKM2022AnalytiCupCompetition:联邦异质任务学习”大赛，期待借助本次比赛助力打破现实应用中的

阿里云开发者·2022-08-30 22:21

关于南汀烟火，关于国境以南

它不像“fate”那样命中注定，不像“destiny”那样有目标性，它是在毫无期待漫无目的的行走中突然遇到的美好，是分外的惊喜。在里与春风铁人不期而遇，是serendipity。

曾楚河·2022-08-21 02:29

极客星球 | FATE联邦学习框架理论与应用初探

一、背景随着大数据、云计算等技术的发展，数据隐私安全问题受到越来越多的重视，各国都在加强数据安全和隐私保护。中国在2017年实施的《中华人民共和国网络安全法》要求网络运营者不得泄露、篡改、毁坏收集的个人信息，并且在于第三方进行数据交易时需要确保合同明确约定拟交易数据的范围和数据保护义务。欧盟也在2018年实施了法案《通用数据保护条例》(GeneralDataProtectionRegulation

MobTech袤博科技·2022-08-19 18:07

【论文阅读】A Novel Attribute Reconstruction Attack in Federated Learning

本文提出了一种属性重构攻击（AttributeReconstructionAttack，ARA），利用构建样本产生的更新梯度和受害者模型更新的梯度的cos相似度，在联邦学习场景下具有较大的研究价值。

学渣渣渣渣渣·2022-08-19 07:17

【联邦学习的隐私攻击及防御】持续更新~

本文以论文小结的形式汇报近几年联邦学习安全方面的研究。

学渣渣渣渣渣·2022-08-19 07:17

【联邦学习论文笔记1】Label Inference Attacks Against Vertical Federated Learning

LabelInferenceAttacksAgainstVerticalFederatedLearning0Abstract1Introduction2Background3LabelInferenceAttacks3.1可能存在的隐私泄露3.2威胁模型3.3基于模型不全的被动标签推断3.4基于恶意本地优化器的主动标签推断攻击3.5DirectLabelInferenceAttack4实验设置4.

LilaLenu·2022-08-19 07:12

论文笔记：GRNN: Generative Regression Neural Network - A Data Leakage Attack for Federated Learning

GenerativeRegressionNeuralNetwork-ADataLeakageAttackforFederatedLearning来源未发布年份2021.5.2作者HanchiRen,JingjingDeng,XianghuaXie核心点利用梯度信息对联邦学习中的客户端原始数据进行攻击

三金samkam·2022-08-19 07:41

Label Inference Attacks Against Vertical Federated Learning

USENIXSecurity2022摘要：随着欧盟《通用数据保护条例》、中国《中华人民共和国数据安全法》等法案的颁布实施，联邦学习（FederatedLearning，FL）作为一种具有隐私保护属性的分布式机器学习模型训练范式

偷懒不学习·2022-08-19 07:35

论文阅读:Privacy Leakage of Real-World Vertical Federated Learning

文章目录联邦学习横向联邦学习纵向联邦学习小节反向攻击1、加噪声破坏神经网络2、成员推理攻击同态加密SecureXGBoost现实世界中联邦学习的隐私泄露反向乘法攻击反向求和攻击幻数一些可能的防御措施联邦学习为什么叫联邦学习

irrationality·2022-08-19 07:03

联邦学习：联邦多视角学习在跨领域推荐中的应用

orion-orion·2022-08-13 22:00

【科普】半监督学习的概述与思考，及其在联邦学习场景下的应用

在联邦学习中，由于数据的非独立同分布特性（Non-IID）导致了每个客户端（数据拥有者）自身的数据可能存在噪声、标注不完全、数据量不够等等情况，同时我们从隐私安全的方面考虑到只要使用数据，就有可能存在隐私泄露的

我爱计算机视觉·2022-08-13 07:53

半监督学习的概述与思考，及其在联邦场景下的应用（续）

关注公众号，发现CV技术之美上一文（【科普】半监督学习的概述与思考，及其在联邦学习场景下的应用）中，我们主要介绍了半监督学习相关的基础知识、方法以及一些SOTA论文，接下来我们将从联邦学习结合半监督学习的角度来进行探讨