FATE联邦学习

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
·2022-08-10 12:10

隐私计算综述

熟悉我的朋友大抵都知道我最初是做纯工程的，做搜广推的架构工程，后续转到了算法领域（机器学习框架与算法都涉及），后来由于项目需要，临危受命负责了京东的联邦学习，又开始搞隐私计算，这一路走来可
·2022-08-04 21:56

每日英文：Fate（命运）

每个人的命运都掌握在自己的手中。每个人都可以扼住命运的喉咙，骄傲自信地掌控自己的生活。FateOrdinaryonelifepersongoestopayahonorifictitleforaBuddhistmonkavisitwiththequestiontodestiny,heasksahonorifictitleforaBuddhistmonk:“Doyouhavedestinyjoking
紫晶Apple·2022-08-02 22:24

联邦学习：联邦场景下的多源知识图谱嵌入

在实际应用中我们常常面临一系列来自不同数据持有方的知识图谱，我们将其称为多源知识图谱（Multi-SourceKG）。按照数据异构程度可分为两种形式，第一种类型中各知识图谱的领域(domain)相同，比如都是来自不同银行的用户知识图谱。这些知识图谱中也可能有实体重叠(overlapped)，因为在日常生活中，一个用户很可能在不同银行都产生有相关的数据（元组）；第二种情况数据更具有异构性，各个知识图
orion-orion·2022-07-31 15:00

联邦学习综述（二）——联邦学习的分类、框架及未来研究方向

文章目录第三章联邦学习分类3.1横向联邦学习3.2纵向联邦学习3.3联邦迁移学习第四章联邦学习框架4.1开源框架介绍4.2FATE——企业级框架第五章未来研究方向5.1安全性5.2激励机制5.3有效性和效率第三章联邦学习分类前两章对联邦学习的定义并没有讨论如何具体地设计一种联邦学习的实施方案
.别拖至春天.·2022-07-25 14:38

联邦学习【分布式机器学习技术】【①各客户端从服务器下载全局模型；②各客户端训练本地数据得到本地模型；③各客户端上传本地模型到中心服务器；④中心服务器接收各方数据后进行加权聚合操作，得全局模型】

为了解决以上问题，谷歌提出联邦学习（FL，federatedlea
u013250861·2022-07-24 07:21

《联邦学习》阅读笔记

高质量、大数据的训练数据通常是很难获得的，我们不得不面对难以桥接的数据孤岛。由于数据是由不同组织的不同部门产生并拥有的，传统的方法是收集数据并传输至一个中心点（例如一个数据中心），这个中心点拥有高性能的计算集群并且能够训练和建立机器学习模型，然而由于数据孤岛的出现，这种方法近来已经不再有效或者适用了随着人工智能在各行各业的应用落地，人们对于用户隐私和数据的安全度也在不断提高。用户开始更加关注自己的
Narcissus`小暮·2022-07-24 07:49

联邦学习概要

蓦然回首，发现写了很多联邦学习方面的文章，但是没有写一篇联邦学习方面的介绍性的综述，所以写了这篇文章，从整体介绍下联邦学习的背景、联邦学习的简介、隐私保护技术与营销应用场景。
秃顶的码农·2022-07-24 07:47

联邦学习论文阅读一：经典FedAvg

联邦学习论文阅读一：经典FedAvgCommunication-EfficientLearningofDeepNetworksfromDecentralizedData论文地址：https://arxiv.org
一步一个脚印ッ·2022-07-24 07:47

联邦学习-安全树模型 SecureBoost之XGBoost

文章目录1联邦学习背景2联邦学习树模型方案5XGBoost概述6树的目标函数6.1加法模型6.2泰勒展开7树的生成策略8树的生成算法9参考资料10番外篇1联邦学习背景鉴于数据隐私的重要性，国内外对于数据的保护意识逐步加强
秃顶的码农·2022-07-24 07:46

纵向联邦学习中的线性回归，了解一下

文章目录背景知识线性回归算法同态加密联邦学习下线性回归算法偏导怎么算Loss怎么算模型如何应用关于模型的疑问参考资料本篇内容讲一下论文《FederatedMachineLearning:ConceptandApplications
forest_open·2022-07-24 07:43

联邦学习笔记（二）

本文首发于FengYu的空间https://yu-feng.top/写在前面参考文献《AdvancesandOpenProblemsinFederatedLearning,2019》，58位作者的105页文章。笔者当前花了一些时间来阅读这篇论文，由于能力有限，只做一些感兴趣点的记录和分析。另引用内容见文末参考文献，如侵权请联系笔者。欢迎讨论~AdvancesandOpenProblemsinFed
feng_zhiyu·2022-07-24 07:42

联邦学习综述：概念与应用

联邦学习：概念与应用2019ACMTransactionsonIntelligentSystemsandTechnology,Hongkong现在的人工智能仍然面临两个挑战：数据孤岛和数据安全。
你的宣妹·2022-07-24 07:41

联邦学习之路

参考视频参考文章一、概念1.1什么是联邦学习？谷歌对于联邦学习的定义是，无需通过中心化的数据，即可训练一个机器学习模型。
bu volcano·2022-07-24 07:10

分布式机器学习&联邦学习论文阅读笔记（持续更新）

分布式机器学习&联邦学习论文阅读笔记（持续更新）一、开源框架FedML二、数据异构问题FedProxBridgingMedianandMeanAlgorithms（NeurIPS2020）FedProto
Shawn2134123·2022-07-24 07:09

【联邦学习】用Tensorflow实现联邦学习传递梯度

前言联邦学习系列文章：TensorflowFederatedFramework谷歌联邦学习框架：自底向上简明入门【联邦学习】用Tensorflow实现联邦模型AlexNetonCIFAR-10本篇文章与上篇
Zing22·2022-07-24 07:08

区块链与联邦学习综述

区块链与联邦学习综述本期分享的论文是由DinhC.Nguyen等人在2021年发表在IEEEInternetofThingsJournal的文章《FederatedLearningMeetsBlockchaininEdgeComputingOpportunitiesandChallenges
如是我闻CsDn·2022-07-24 07:37

简单理解什么叫联邦学习（全）

本篇博文以一篇综述为例，讲述什么叫联邦学习！！
Brilliantzhu·2022-07-24 07:35

分布式学习和联邦学习简介

在这篇文章中，我们将讨论分布式学习和联邦学习的主要原理以及它们是如何工作的。首先，我们从一个简单的单机示例开始，然后将其发展为分布式随机梯度下降（D-SGD），最后是联邦学习（FL）。
deephub·2022-07-24 07:03

支持多数不规则用户的隐私保护联邦学习框架

摘要针对联邦学习存在处理大多数不规则用户易引起聚合效率降低，以及采用明文通信导致参数隐私泄露的问题，基于设计的安全除法协议构建针对不规则用户鲁棒的隐私保护联邦学习框架。
米朵儿技术屋·2022-07-23 22:57

基于标签量信息的联邦学习节点选择算法

摘要针对节点数据分布差异给联邦学习算法性能带来不良影响的问题，提出了一个基于标签量信息的节点选择算法。
米朵儿技术屋·2022-07-23 07:42

分布式学习和联邦学习简介

在这篇文章中，我们将讨论分布式学习和联邦学习的主要原理以及它们是如何工作的。首先，我们从一个简单的单机示例开始，然后将其发展为分布式随机梯度下降（D-SGD），最后是联邦学习（FL）。
·2022-07-22 11:59

联邦学习: 联邦场景下的时空数据挖掘

时空数据挖掘做为智慧城市的重要组成部分，和我们的日常生活息息相关。如我们打开地图软件，会根据交通流量的预测为我们推荐路线；通过网约车软件下单，会为我们就近做订单匹配；通过外卖软件点外卖，会为我们就近做外卖员匹配，等等。然而，时空数据挖掘在实际使用的过程中会面临一个难点，那就是跨平台协作。比如在疫情期间，我们需要对确诊病例的行程轨迹做追溯。而我们知道，一个人在行程中可能会使用多个软件，比如滴滴出行、
orion-orion·2022-07-20 22:00

（转载）联邦学习 Federated Learning 相关资料整理

https://blog.csdn.net/Sinsa110/article/details/90697728代码微众银行+杨强教授团队的联邦学习FATE框架代码：https://github.com/
浅若清风cyf·2022-07-16 07:08

扫读 | Towards Personalized Federated Learning

arxiv:2103.00710传送门综述个性化联邦学习（PersonalizedFL，PFL）的进展。讨论了PFL目前的发展阻碍，并将PFL分为基于数据的和基于模型的方法。
欧恩方·2022-07-16 07:02

Blockchained On-Device Federated Learning学习笔记

BlockchainedOn-DeviceFederatedLearning学习笔记一、文献翻译一、文献翻译知云文献翻译在区块链的设备上进行联合学习**摘要:**通过利用区块链，本文提出了一个区块链联邦学习
青癯·2022-07-16 07:00

CCF A类会议或期刊----近两年联邦学习相关论文

工具代码位置期待您的PR会议/期刊论文neurips2020LowerBoundsandOptimalAlgorithmsforPersonalizedFederatedLearning.neurips2020EnsembleDistillationforRobustModelFusioninFederatedLearning.neurips2020PersonalizedFederatedLea
Thingcor·2022-07-16 07:29

联邦学习笔记（三）

FederatedLearning:Challenges,methods,andfuture摘要联邦学习在保持数据本地化的同时涉及在远程设备或孤立的数据中心（例如手机或医院）上训
feng_zhiyu·2022-07-16 07:50

【阅读笔记】联邦学习实战第5章——用FATE从零实现横向逻辑回归v1.8.0

目录前言1.Dock镜像部署FATE1.1安装Centos和虚拟机1.2安装Docker和Docker-compose1.3FATE安装2.FATE编程范式3.用FATE实现横向逻辑回归3.1数据集获取
charlessun9·2022-07-16 07:20

论文笔记——Client Selection for Federated Learning with Heterogeneous Resources in Mobile Edge

论文笔记——ClientSelectionforFederatedLearningwithHeterogeneousResourcesinMobileEdge本文提出了一种基于边缘计算的协议来改进联邦学习算法
smile_and_ovo·2022-07-16 07:47

【阅读笔记】Towards Personalized Federated Learning个性化联邦综述

文章目录前言1背景1.1机器学习、联邦学习1.2促进个性化联邦学习的动机2个性化联邦学习的策略2.1全局模型个性化2.1.1基于数据的方法2.1.1.1数据增强DataAugmentation2.1.1.2
charlessun9·2022-07-16 07:44

横向联邦学习-梯度安全聚合1

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·2022-07-13 07:24

从蚂蚁可信隐私计算开源框架“隐语”看隐私计算发展挑战

国内在2016年才开始出现较为垂直的隐私计算厂商，不过，在数据要素安全流通的市场需求和政策需求的推动下，以及在产、学、研各界协同的促进下，中国隐私计算技术框架发展迅速，如今已具备从底层硬件环境到中间层联邦学习及安全多方计算等的能力
CSDN资讯·2022-07-12 14:29

横向联邦学习-梯度安全聚合

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·2022-07-10 07:02

横向联邦学习-梯度安全聚合1

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。
·2022-07-08 22:52

横向联邦学习-梯度安全聚合

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。
·2022-07-08 22:52

隐私计算FATE-离线预测

一、说明Fate的模型预测有离线预测和在线预测两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用Fate基于纵向逻辑回归算法训练出来的模型进行离线预测实践
zlt2000·2022-07-08 18:34

隐私计算FATE-模型训练

一、说明本文分享基于Fate自带的测试样例，进行纵向逻辑回归算法的模型训练，并且通过FATEBoard可视化查看结果。本文的内容为基于《隐私计算FATE-概念与单机部署指南》中部署的环境。
zlt2000·2022-07-08 18:33

隐私计算FATE-核心概念与单机部署

一、说明Fate是一个工业级联邦学习框架，所谓联邦学习指的就是可以联合多方的数据，共同构建一个模型；与传统数据使用方式相比，它不需要聚合各方数据搭建数据仓库，联邦学习在联合计算建模的过程中，多方机构之间的数据是不会进行共享的
zlt2000·2022-07-08 18:33

虚拟专题：联邦学习 | 联邦学习隐私保护研究进展

来源：大数据期刊联邦学习隐私保护研究进展王健宗,孔令炜,黄章成,陈霖捷,刘懿,卢春曦,肖京平安科技（深圳）有限公司，广东深圳518063摘要：针对隐私保护的法律法规相继出台，数据孤岛现象已成为阻碍大数据和人工智能技术发展的主要瓶颈
唐名威·2022-07-08 18:02

终于等到你，FATE v1.6已更新，五大模块迎来巨幅优化！

前言：FATE（FederatedAITechnologyEnabler）作为全球首个联邦学习工业级开源框架，旨在提供安全的计算框架来支持联邦AI生态。
FedAI Ecosystem·2022-07-08 18:32

联邦学习-安全树模型 SecureBoost之终章

文章目录1联邦学习背景2联邦学习的树模型方案3认知方法论4界定问题4.1XGB推导回顾4.2本质分析5整体分析5.1隐私加密5.2哪里需要加密，如何加密6全面分析6.1全链路流程7归纳推演8参考资料9番外篇
秃顶的码农·2022-07-08 18:32

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。
zlt2000·2022-07-08 18:01

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。
·2022-07-07 09:04

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。
zlt2000·2022-07-07 08:00

[2022DASCTF Apr X FATE 防疫挑战赛]web题目复现

warmup-php给了源码：$value)$object->$name=$value;$object->run();}}newAction($action,$properties);?>这里创建了一个未定义的类，在实例时会从/class目录下寻找，通过foreach循环对属性进行赋值，最后调用run方法。附件给出了class目录文件先看看Base.php这里evaluateExpression函
Snakin_ya·2022-07-05 18:31

联邦学习拜占庭鲁棒差分隐私博弈论

联邦学习攻击概述通过模型平均，federatedlearning使得参与者能够对最终的全局模型的权重直接产生影响，其中有些参与者不可避免地是恶意的。
GoldMinnie·2022-06-30 07:25

密码协议与博弈论隐私计算

当前，隐私计算主要分为基于密码学技术的多方安全计算、基于可信硬件的可信执行环境、以及联邦学习《数据安全法》已于9月1日起正式实施，两个月后《个人信息保护法》也将开始施行，意味着数据安全和隐私保护方面的监管将会在年内陆续到位
望舒向晚·2022-06-30 07:02

隐私计算FATE-离线预测

一、说明Fate的模型预测有离线预测和在线预测两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用Fate基于纵向逻辑回归算法训练出来的模型进行离线预测实践
·2022-06-27 09:14

隐私计算FATE-离线预测

一、说明Fate的模型预测有离线预测和在线预测两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用Fate基于纵向逻辑回归算法训练出来的模型进行离线预测实践
zlt2000·2022-06-27 09:33
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他