FATE联邦学习

《FGO》开发商今年的收益减少了81%，这是怎么回事？

近日，人气手机游戏《Fate/GrandOrder》的日本游戏开发商Delightworks公开了最新的业绩报告。
爱游戏的萌博士·2023-11-27 16:00

什么是隐私计算？隐私计算技术路线

“隐语”是开源的可信隐私计算框架，内置MPC、TEE、同态等多种密态计算虚拟设备供灵活选择，提供丰富的联邦学习算法和差分隐私机制。
隐语SecretFlow·2023-11-27 10:27

阅读记录【arXiv2020】 Adaptive Personalized Federated Learning

AdaptivePersonalizedFederatedLearning论文地址：https://arxiv.org/abs/2003.13461摘要对联邦学习算法个性化程度的研究表明，只有最大化全局模型的性能才会限制局部模型的个性化能力
furoto_·2023-11-26 08:27

阅读记录【PMLR2023】The Aggregation–Heterogeneity Trade-off in Federated Learning

因此，人们开发了多种联邦学习方法来聚合尽可能多的本地样本。与这种观点相反，本文表明，在存在异构性的情况下，
furoto_·2023-11-26 08:57

联邦学习研究综述笔记

联邦学习联邦学习的定义：联邦学习是一种分布式机器学习架构，包含多个客户端（参与者）和一个聚合服务器。
空调不灵·2023-11-25 07:53

机器学习【01】相关环境的安装

学习实例参考资料：联邦学习实战{杨强}https://book.douban.com/subject/35436587/项目地址：https://github.com/FederatedAI/Practicing-Federated-Learning
ihan1001·2023-11-24 16:40

日本作家老虚

游戏剧本代表作有《鬼哭街》、《沙耶之歌》等，小说代表作有《Fate/Zero》，动画剧本代表作有《魔法少女小圆》、《PSYCHO-PASS》
A翔泰教育日本留学田老师·2023-11-23 12:48

2018年全球手游收入排行榜TOP5，《王者荣耀》屈居第二

《Fate/GrandOrder》《Fate/GrandOrder》是TYPE-MOO
爱游戏的萌博士·2023-11-22 23:34

【Soc级系统防御】Soc硬件木马与电子链

这是有区别与隐私计算中的多方安全计算（密码学技术）、联邦学习（融合延伸）等其他可信技术。所以很
安全-Hkcoco·2023-11-21 21:02

【Soc级系统防御】Soc硬件木马与电子链

这是有区别与隐私计算中的多方安全计算（密码学技术）、联邦学习（融合延伸）等其他可信技术。所以很
安全-Hkcoco·2023-11-21 21:32

从新电脑开始构建FATE环境，图文并茂

转载前请征得笔者本人许可写在前面下载安装VMwareWorkStation16安装CentOS7（已安装的可以略过，这部分比较详细内容较多）安装python3（注意网络要保持连接）安装dockerDocker命令下载FATE
桐青冰蝶Kiyotaka·2023-11-21 04:15

FATE - 特征工程综述

HeteroFeatureBinning======================Featurebinningordatabinningisadatapre-processingtechnique.Itcanbeusetoreducetheeffectsofminorobservationerrors,calculateinformationvaluesandsoon.Currently,wep
DigitalForensic·2023-11-19 12:16

在docker下安装vim提示bash: apt-get: command not found

在docker下安装vim提示bash:apt-get:commandnotfound本人前几天学习FATE框架，采用了docker安装方式需要修改docker里面的配置文件，但是没有编辑器网上的教程直接在
mlgblw2·2023-11-17 17:34

【L2GD】: 无环局部梯度下降

文章链接：FederatedLearningofaMixtureofGlobalandLocalModels发表期刊（会议）:ICLR2021Conference（机器学习顶会）往期博客：FLMix:联邦学习新范式
恭仔さん·2023-11-17 09:46

【联邦学习+区块链】TORR: A Lightweight Blockchain for Decentralized Federated Learning

文章目录I.CONTRIBUTIONII.ASSUMPTIONSANDTHREATMODELA.AssumptionsB.ThreatModelIII.SYSTEMDESIGNA.DesignOverviewB.BlockDesignC.InitializationD.RoleSelectionE.StorageProtocolF.AggregationProtocolG.ProofofRelia
WuwuwuwH_·2023-11-17 01:59

联邦学习 FATE 框架安装运行

Centos7.5平台下运行联邦学习FATE框架的Example引言最近的课题方向就是基于联邦学习的框架进行数据分析处理，有一些粗浅的认识，但是搜寻资料散乱杂多，自己也记不太清楚，在虚拟机上也经常出错崩溃
Van�·2023-11-13 15:58

从隐私悖论到隐私工程

例如，联邦学习与大模型的结合目前还面临着许多挑战，包括安全威胁及防御、隐私威胁与增强、效率问题以及处理非独立同分布（Non-IID）数据等问题。这些问题可能会对用户的隐私造成潜在的威胁。
半吊子全栈工匠·2023-11-13 11:49

联邦学习的梯度重构

联邦学习中的梯度出现挑战：暴露原始训练数据的某些属性利用生成对抗网络生成与私有训练图像类似的图片尽管许多研究已经证实从梯度中重构原始数据的可能性，这些研究通常基于一个前提假设，即用户上传的梯度是全梯度。
白兔1205·2023-11-12 23:48

学者观察 | 联邦学习与区块链、大模型等新技术的融合与挑战-北京航空航天大学童咏昕

为解决原始数据自主可控与数据跨区域流动之间的矛盾，联邦学习这项技术应运而生。
长安链开源社区·2023-11-12 15:24

高斯与LoG滤波器

高斯与LoG滤波器高斯滤波器：使用高斯滤波器（7×77\times77×7）大小，对fate.jpeg进行降噪处理。高斯滤波器是一种可以使图像平滑的滤波器，用于去除噪声。
hahahanba·2023-11-10 08:58

FedAT：分层机制更新的联邦学习

文章链接：FedAT:ACommunication-EfficientFederatedLearningMethodwithAsynchronousTiersunderNon-IIDData发表会议:SC’21(InternationalConferenceforHighPerformanceComputing,Networking,Storage,andAnalysis)高性能计算，体系结构领域
恭仔さん·2023-11-08 15:40

Towards Personalized Federated Learning（个性化联邦学习综述）文献阅读

基本内容文章：TowardsPersonalizedFederatedLearning作者：AlysaZiyingTan,HanYu∗,LizhenCui∗,andQiangYang∗机构：AlysaZiyingTaniswiththeSchoolofComputerScienceandEngineering,NanyangTechnologicalUniversity,Singapore;Ali
_RichardYang·2023-11-08 08:14

联邦图机器学习（综述阅读）

目录一、联邦图机器学习的介绍二、联邦图机器学习的类型三、具有结构化数据的联邦学习（FLWithStructuredData）3.1跨客户端信息重构3.2重叠实例对齐3.3非独立同分布数据适配3.3.3基于单一全局模型的方法
大菠菠菠萝·2023-11-08 08:13

【联邦学习-论文阅读】Towards Personalized Federated Learning

题目：个性化联邦学习作者：AlysaZiyingTan,HanYu,Member,IEEE,LizhenCui,Member,IEEE,andQiangYang,Fellow,IEEE期刊：IEEETRANSACTIONSONNEURALNETWORKSANDLEARNINGSYSTEMS
一只小maru·2023-11-08 08:42

个性化联邦学习-综述

介绍阅读的三篇个性化联邦学习的经典综述文章ThreeApproachesforPersonalizationwithApplicationstoFederatedLearning论文地址文章的主要内容介绍了用户聚类
jieHeEternity·2023-11-08 08:41

计算机类毕业设计论文范文下载参考

SpringBoot的学生费用缴纳平台教材管理系统的设计与实现校园物业管理系统网络安全工程师在线招聘大数据分析与可视化Anker企业网络规划与设计BBS系统开发与帐户安全说明书COVID-疫情可视化平台Fate
biyelunwenfanwen·2023-11-04 05:21

基于图神经网络的联邦学习跨企业推荐

FederatedLearning-BasedCross-EnterpriseRecommendationWithGraphNeuralNetworks论文试图解决什么问题该论文试图解决跨企业推荐系统中存在的数据共享和用户隐私保护的问题。在许多小型和中型企业中，由于资源有限，无法提供足够的数据来进行大规模的模型训练，也不能购买用户数据。同时，由于用户数据隐私保护法律的限制，这些企业也无法与其他企业
jieHeEternity·2023-11-04 01:54

FedFast: Going Beyond Average for Faster Training of Federated Recommender Systems

超越平均水平更快训练联邦推荐系统idea类似的一篇论文参考博客论文试图解决什么问题该论文试图解决在联邦学习中训练推荐系统的速度和准确性问题。
jieHeEternity·2023-11-04 01:23

Dual Personalization on Federated Recommendation

这种机制能够在联邦学习框架中为每个本地模型学习用户特定的物品嵌入，从而显著提升推荐系统的效果。
jieHeEternity·2023-11-04 01:50

【联邦学习论文阅读】（AAAI-2021）Secure Bilevel Asynchronous Vertical Federated Learning with Backward Updating

论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/17301摘要提出一种新颖的融合了反向更新和双层异步并行的垂直联邦学习框架（VFB2），以及在此框架下的
Momahe·2023-11-02 19:54

6.Paper小结——《A Privacy-Preserving and Verifiable FederatedLearning Scheme》

题目：《APrivacy-PreservingandVerififiableFederatedLearningScheme》一个隐私保护和可验证的联邦学习方案0.Abstract由于数据环境的复杂性，许多组织更倾向于通过共享训练集来一起训练深度学习模型
DK_521·2023-11-02 19:52

学习笔记 | Threats to Federated Learning-A Survey

摘要文章意图让研究者意识到联邦学习中隐私保护的重要性，并对攻击进行分类：poisoningattacks投毒攻击inferenceattacks推断攻击引言联邦学习的分类horizontallyfederatedlearning
Una@learn·2023-11-02 19:20

《NTP-VFL - A New Scheme for Non-3rd Party Vertical Federated Learning》模型原理

一、概要目前现存算法的三个局限性：理论上的可信三方现实不存在，通常是联邦学习的主要瓶颈。通信和计算成本随着迭代次数的提升，增长很快。扩展性不好，隐私保护的最优模型在两方和多方中不兼容。
superY25·2023-11-02 19:16

中国电子云-隐私计算-云原生安全可信计算，物理-硬件-系统-云产品-云平台，数据安全防护

目录联邦学习的架构思想中国电子云-隐私计算-云原生安全可信计算，物理-硬件-系统-云产品-云平台，数据安全防护全栈国产信创的意义1.提升科技创新能力2.推动经济发展3.加强信息安全与自主可控全栈国产信创的重要领域
ZhangJiQun&MXP·2023-11-02 14:40

hello干货：联邦学习工程实践中的三大难题

“实践是检验真理的唯一标准”，联邦学习谈概念的文章已经很多，今天我们来从实践中聊几个实事求是的问题。联邦学习领域已有众多论文支撑，但在实践中，因为涉及到多学科的交叉，真正能落地应用的平台，少之又少。
hellompc1·2023-11-02 06:15

深入理解横向联邦学习

联邦学习联邦学习是Google在2017年提出来的，旨在在保护用户隐私的情况下使用用户更敏感的数据来训练机器学习模型。
金色暗影·2023-11-02 04:33

ICLR2023 联邦学习论文合集

点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！国际表征学习大会（InternationalConferenceonLearningRepresentations，简称ICLR）是深度学习领域的顶级会议，关注有关深度学习各个方面的前沿研究，在人工智能、统计和数据科学领域以及机器视觉、语音识别、文本理解等重要应用领域中发布了众多极其有影响力的论文。AMiner通过AI技术，对ICLR2023
AITIME论道·2023-10-31 11:42

联邦学习与推荐系统

andModelAdaptation](https://dl.acm.org/doi/abs/10.1145/3511808.3557668)CIKM2022(CCF-B)论文精读Abstract联邦推荐的背景：联邦推荐使用联邦学习技术
jieHeEternity·2023-10-29 18:58

2023年1月份隐私计算市场概述

1月份隐私计算、联邦学习的市场概览摘要：在隐私计算市场中，三大信息流：采购意向、招标信息、中标信息，如三股清流，在市场中奔腾。
小夏 科技·2023-10-29 09:49

迁移学习在金融行业的应用探索

关键词：迁移学习,联邦学习1.引言迁移学习（TransferLearning）是一种机器学习技术，它通过将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中。
eric_edison·2023-10-29 09:39

Fate of a zither bleak

FateofazitherbleakWenChuMiaoAndthefragranceofflowersislighterPenwithpaperSeveraltimesofnostalgiaHuaXiangmanLouDespisedtheworldofmortalsWhoisgrinding?AfewwordsHundredflowerswantonWhenyoufirstheardabout
xianlan·2023-10-28 17:18

NeurIPS 2023 | FedFed：特征蒸馏应对联邦学习中的数据异构

在本文中，我们提出了一种新的即插即用的联邦学习模块，FedFed，其能够以特征蒸馏的方式来解决联邦场景下的数据异构问题。
TechBeat人工智能社区·2023-10-26 12:52

联邦学习笔记（五）：联邦学习模型压缩提升通讯效率

联邦学习模型压缩联邦学习流程数据处理模型构造模型压缩函数模型广播和聚合函数模型训练其他函数结果模型准确率和loss值模型准确率模型loss值联邦学习传输数据量广播时需要传输的数据量聚合时需要传输的数据量实验总结写在前面
young_monkeysun·2023-10-24 11:48

联邦类增量学习

FCIL联邦类增量学习已经参与联邦学习的用户经常可能收到新的类别，但是考虑到每个用户自己设备的存储空间有限，很难对其收集到的所有类别都保存下足够数量的数据。
王洛伊·2023-10-22 09:43

IJCAI2023【基于双曲空间探索的非独立同分布联邦学习】

1、介绍汇报的主题及汇报者2、粗略介绍面临的挑战及出发点3、介绍一下预备知识4、解决方案5、总览6、实验设置7、实验8、结论
白兔1205·2023-10-22 09:43

联邦元学习

联邦学习算法基于服务器端聚合方法优化的算法和基于客户端优化的算法。
Martinwxx·2023-10-22 09:10

联邦学习的梯度重构

梯度泄露的攻击方法：深度泄露梯度（DLG）——>在高度压缩的场景下是失效的原因：梯度压缩（可减小通信开销）——>存在信息损失<——从而DLG方法效果有限但是这本身存在的信息损失怎么解决呢？会对所要达成的目标有影响吗？揭示在梯度压缩防御设置下攻击者可获取多少隐私数据度量的标准是什么呢？在高度压缩的场景下梯度泄露攻击的方法：基于属性推断的梯度泄露攻击：攻击者从共享梯度推断出原始私有训练数据的具体属性，
白兔1205·2023-10-22 09:02

python联邦学习syft实现线性回归

1.基于信任的联邦线性回归案例"""@Time：2023/10/16001615:17@Auth：yeqc"""'''基于信任的联邦线性回归案例'''importtorchimportsyftassyfromtorchimportnn#TODO:目前是CPU模式，等以后会用到GPU修改成GPU模式deftrain(num_epochs):foriterinrange(num_epochs):for
安心不心安·2023-10-21 10:38

深度学习之联邦学习

什么是联邦学习联邦学习（federatedlearning）能够让AI算法借助位于不同站点的数据中获得经验。
专注于计算机视觉的AndyJiang·2023-10-20 10:33

基于区块链的分层联邦学习

分层联邦学习（HFL）在保留联邦学习（FL）隐私保护优势的同时，减轻了通信开销，具有高带宽和丰富计算资源的优点。当FL的工作人员或参数服务器不可信或恶意时，方法是使用分层联邦学习。
熊啾啾*·2023-10-20 03:41
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他