Federated联邦学习

联邦学习 Federated learning Google I/O‘19 笔记

FederatedLearning:MachineLearningonDecentralizeddatahttps://www.youtube.com/watch?v=89BGjQYA0uE文章目录FederatedLearning:MachineLearningonDecentralizeddata1.DecentralizeddataEdgedevicesGboard:mobilekeyboa

努力搬砖的星期五·2024-09-15 11:55

SAFEFL: MPC-friendly Framework for Private and Robust Federated Learning论文阅读笔记

SAFEFL:MPC-friendlyFrameworkforPrivateandRobustFederatedLearning适用于私有和鲁棒联邦学习的MPC友好框架SAFEFL，这是一个利用安全多方计算

慘綠青年627·2024-09-06 10:44

探索联邦学习：保护隐私的机器学习新范式

探索联邦学习：保护隐私的机器学习新范式前言联邦学习简介联邦学习的原理联邦学习的应用场景联邦学习示例代码结语前言在数字化浪潮的推动下，我们步入了一个前所未有的数据驱动时代。

洋葱蚯蚓·2024-08-25 11:54

网络安全: 模型的脆弱性，鲁棒性和隐私性

隐私性问题在联邦学习和其

不当菜鸡的程序媛·2024-08-22 16:30

MySQL跨服务器关联查询

1.首先确认服务器的Federated引擎是否开启showengines;修改数据库的配制文件my.ini,(我的my.ini的路径为：D:\ProgramData\MySQL\MySQLServer5.7

敢敢变成了憨憨·2024-02-20 02:23

实践案例｜孟宪超：基于隐语深度学习在保险联合定价中的应用（附演讲视频）

“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。

·2024-02-19 23:04

【Deep Dive:AI Webinar】联邦学习-数据安金性和隐私性分析的思维转换

【深入探讨人工智能】网络研讨系列总共有17个视频。我们按照视频内容，大致上分成了3个大类：1.人工智能的开放、风险与挑战（4篇）2.人工智能的治理（总共12篇），其中分成了几个子类：a.人工智能的治理框架（3篇）b.人工智能的数据治理（4篇）c.人工智能的许可证（4篇）d.人工智能的法案（1篇）3.炉边对谈-谁在构建开源人工智能?今天发布的是第11个视频，亦即第二个大类别“人工智能的治理”里的第二

开源社·2024-02-09 12:36

Apache Pulsar 在腾讯 Angel PowerFL 联邦学习平台上的实践

腾讯AngelPowerFL联邦学习平台联邦学习作为新一代人工智能基础技术，通过解决数据隐私与数据孤岛问题，重塑金融、医疗、城市安防等领域。

StreamNative·2024-02-07 11:24

联邦学习-安全树模型 SecureBoost之Desicion Tree

联邦学习-安全树模型SecureBoost之DesicionTree1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·2024-02-06 17:26

论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning

论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearningNDSS2021录用文章目录论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearning一、机器学习1.机器学习(ML)中的挑战2.隐私保护机器学习(PPML)二、POSEIDON方案1.系统和威胁模型2.方

JiangChSo·2024-02-05 10:55

最新论文笔记(+21)：Privacy-Preserving Byzantine-Robust Federated Learning via Blockchain Systems/ TIFS2022

Privacy-PreservingByzantine-RobustFederatedLearningviaBlockchainSystems可译为“利用区块链实现隐私保护的拜占庭鲁棒性联邦学习”这篇是今年八月份被

cryptocxf·2024-02-05 10:24

pysyft框架中WebsocketClientWorker与WebsocketServerWorker的消息传输

引言pysyft是基于pytorch的一个联邦学习框架（虽然用起来很难受），通过内存管理实现联邦学习的模拟。

一只特立独行的猫·2024-02-01 14:18

论文解读-Agglomerative Federated Learning: Empowering Larger Model Training

联邦学习新探：端边云协同引领大模型训练的未来｜INFOCOM2024联邦学习（FederatedLearning）就是一种能够在不损害用户隐私的前提下，训练人工智能模型的技术。

MCRG·2024-01-31 12:23

2019年3月18日

之后开虚拟机打算研究一下联邦学习，结

真昼之月·2024-01-29 20:23

我的隐私计算学习——联邦学习（3）

（五）纵向联邦学习—安全树思路可以通过以下脉络学习：决策树--------->集成方法Bagging&Boosting--------->GBDT--------->XGBoost--------->SecureBoostTree

Atara8088·2024-01-28 00:24

我的隐私计算学习——联邦学习（4）

（六）横向联邦学习—梯度更新聚合云端数据中心的分布式机器学习可以有成百上千的节点，对比横向联邦学习有一定的借鉴意义，都存在着节点更新的同步与异步的问题，节点梯度更新之后的问题、节点掉线的问题、数据的NonIID

Atara8088·2024-01-28 00:54

我的隐私计算学习——联邦学习（5）

笔记内容来自多本书籍、学术资料、白皮书及ChatGPT等工具，经由自己阅读后整理而成。（七）联邦迁移学习相关研究表明，联邦迁移学习不需要主服务器作为各参与方间的协调者，旨在让模型具备举一反三能力，在各参与方样本空间以及特征空间均存在较少交叉信息的情况下，使用迁移学习算法互助地构建模型，可解决标签样本少和数据集不足的问题，例如，某国电商平台与其他国家银行间的数据迁移场景，联邦迁移学习可以很好地解决数

Atara8088·2024-01-28 00:24

Federated Optimization in Heterogeneous Networks —— Fedprox算法

FederatedOptimizationinHeterogeneousNetworks1.论文信息论文题目:FederatedOptimizationinHeterogeneousNetworksFedprox算法，plato小项目跑通并理解作者：TianLi,AnitKumarSahu,ManzilZaheer,MaziarSanjabi,AmeetTalwalkar,VirginiaSmit

小小白和纯牛奶·2024-01-27 17:52

全同态加密的硬件加速：让机器学习更懂隐私保护

PrimiHub一款由密码学专家团队打造的开源隐私计算平台，专注于分享数据安全、密码学、联邦学习、同态加密等隐私计算领域的技术和内容。

PrimiHub·2024-01-27 09:18

2024年深圳市工业和信息化局软件产业高质量发展技术创新体系扶持计划产业链关键环节提升项目申请指南

（一）大数据:重点支持数据采集、数据清洗、数据分析发掘、数据可视化、大数据行业应用、联邦学习、隐私计算等领域。（二）云计算：重点支持平台即服务（PaaS）、软件即服务（SaaS）等领域。

高新技术企业认定条件·2024-01-27 00:46

Manipulating Federated Recommender Systems: Poisoning with Synthetic Users and Its Countermeasures

请概述每个章节的主要内容介绍：本文研究了联邦推荐系统（FedRecs）面临的数据投毒和梯度投毒攻击威胁，并提出了相应的防御方法。背景与相关工作：介绍了联邦推荐系统、攻击联邦推荐系统的方法以及现有的防御方法。联邦推荐框架：描述了联邦推荐框架的基本原理和主要参数。攻击方法：提出了一种使用合成恶意用户进行投毒攻击的方法（PSMU）。防御方法：提出了一种分层梯度剪切与稀疏化更新方法（HiCS）来防御梯度投

jieHeEternity·2024-01-24 20:03

联邦学习：密码学 + 机器学习 + 分布式实现隐私计算，破解医学界数据孤岛的长期难题

联邦学习：密码学+机器学习+分布式提出背景：数据不出本地，又能合力干大事联邦学习的问题联邦学习架构分布式机器学习：解决大数据量处理的问题横向联邦学习：解决跨多个数据源学习的问题纵向联邦学习：解决数据分散在多个参与者但部分特征重叠的问题联邦

Debroon·2024-01-23 11:31

阿里巴巴开源联邦学习框架FederatedScope

5月5日，阿里巴巴达摩院发布新型联邦学习框架FederatedScope，声称可以在不共享训练数据的情况下开发机器学习算法，从而保护隐私。，其源代码现已在Apache2.0许可下发布在GitHub上。

魏铁锤爱摸鱼·2024-01-23 06:09

联邦学习框架：FedAdapt: Adaptive Offloading for IoT Devices in Federated Learning 框架的部署实现

目录虚拟机的安装简化版（三台）环境配置安装Anaconda创建环境安装pytorch关闭防火墙代码代码下载数据集下载代码修改上传到虚拟机虚拟机测试修改虚拟机的主机名运行FedAdapt是一个全面的物联网边缘环境的框架，克服了加速联合学习资源有限的设备上的挑战，减少散兵游勇所产生的物联网设备的计算异质性和适应不同的设备和边缘服务器之间的网络带宽的影响。虚拟机的安装简化版（三台）三台centos7虚拟

我要成果·2024-01-21 19:15

【数据库】MySQL 的存储引擎

本系列包含：【数据库】MySQL的存储引擎【数据库】B树、B+树、索引【数据库】从事务到锁机制【数据库】MySQL中的锁机制MySQL的存储引擎1.前言2.各种存储引擎的特征介绍2.1Federated2.2Memory2.3Performance_schema2.4Blackhole2.5CSV2.6Archive2.7MyISAM2.8MRG_MyISAM2.9InnoDB3

G皮T·2024-01-21 06:46

联邦学习论文阅读：Federated collaborative filtering

摘要作者将一个隐形反馈的CF模型修改成了联邦学习的框架，隐私性用Fed-Avg算法保证。总的来说，没什么创新。问题在保护用户隐私的情况下利用隐性反馈进行推荐框架一个横向联邦的框架，和goo

thormas1996·2024-01-19 07:12

边缘计算和联邦学习的联系

1.什么是边缘计算？边缘计算（EdgeComputing）是一种计算模型，其主要思想是将计算、存储和数据处理能力推送到离数据源近的边缘设备，而不是依赖于远程的云服务器。这样做的目的是减少数据传输延迟、提高响应速度，同时降低对云计算中心的依赖性。边缘计算通常在物理临近设备的位置进行数据处理，以满足实时性、安全性和隐私性的要求。例如：考虑一个城市的智能监控摄像头系统，用于监测交通、公共场所和安全状况。

slomay·2024-01-18 22:47

MYSQL数据库引擎笔记随笔

内存数据库临时数据用完即删不适合用做静态变量的稍大数据Archive就简称日志引擎吧只有insertselect推荐MERGE分表存储引擎大概几百万的数据分N个表结构相同且每个表存储几十万条数据_N区分但有主键表需要考虑自动创建表FEDERATED

时秋·2024-01-16 21:49

高级分布式系统-第15讲分布式机器学习--联邦学习

联邦学习两种常见的架构：客户-服务器架构和对等网络架构联邦学习在传统的分布式机器学习基础上的变化。

十有久诚·2024-01-15 19:31

【论文阅读】异构联邦学习综述：最新进展与研究挑战

目录前言Background什么是联邦学习什么是异构联邦学习AbstractIntroductionSurveyResearchChallenges（研究挑战）StatisticalHeterogeneity

鸿鹄一夏·2024-01-14 11:29

分裂联邦学习论文-混合联邦分裂学习GAN驱动的预测性多目标优化

PredictiveGAN-PoweredMulti-ObjectiveOptimizationforHybridFederatedSplitLearning》期刊：IEEETransactionsonCommunications,2023一、论文介绍背景：联邦学习作为一种多设备协同训练的边缘智能算法

梦灯·2024-01-13 13:03

使用MistNet在COCO128数据集上协作训练Yolo-v5

本案例介绍如何在MNIST手写数字分类场景中，使用名为MistNet的聚合算法训练联邦学习作业。数据分散在不同的地方（如边缘节点、摄像头等），由于数据隐私和带宽的原因，无法在服务器上聚合。

星星失眠️·2024-01-12 10:03

迈向可持续人工智能：通过拍卖实现云边缘系统中的联邦学习需求响应

（原文：TowardSustainableAI:FederatedLearningDemandResponseinCloud-EdgeSystemsviaAuctions）摘要：云边缘系统时紧急需求响应EDR的重要参与者，有助于维持电网稳定和供需平衡。然而，UI这用户越来越多的在云边缘系统中执行人工智能工作负载，现有的ERD管理并不是针对al工作负载而设计的，因此面临着能源消耗和al模型准确性之间

zhy2267291213·2024-01-12 10:15

联邦学习的联合参与激励和网络定价设计

（原文：JointParticipationIncentiveandNetworkPricingDesignforFederatedLearning）摘要：由于当大量用户通过联邦学习训练大型机器学习模型时

zhy2267291213·2024-01-12 10:09

PrimiHub·2024-01-12 08:35

2024年1月10日最热AI论文Top5：DebugBench、AI智能体对齐、开放域问答系统、谈判游戏、联邦学习

本文整理了今日发表在ArXiv上的AI论文中最热门的TOP5。论文热度排序、论文标签、中文标题、推荐理由和论文摘要均由赛博马良平台（saibomaliang.com）上的智能体「AI论文解读达人」提供。如需查看其他热门论文，欢迎移步saibomaliang.com^_^TOP1DebugBench:EvaluatingDebuggingCapabilityofLargeLanguageModels

夕小瑶·2024-01-12 05:44

LightFR: Lightweight Federated Recommendation with Privacy-preserving Matrix Factorization

LightFR:LightweightFederatedRecommendationwithPrivacy-preservingMatrixFactorization代码链接ACMTOIS2023CCF-A论文试图解决一个什么问题本论文试图解决以下问题：开发一种轻量级且隐私保护的联邦推荐系统（FRS），以降低资源成本并提高隐私保护能力。通过学习哈希技术获得用户和项目的二进制表示，从而有效解决效率和

jieHeEternity·2024-01-11 00:35

Federated Unlearning for On-Device Recommendation

WSDM2023CCF-BFederatedUnlearningforOn-DeviceRecommendation本文工作的主要介绍本文主要介绍了一种名为FRU（FederatedRecommendationUnlearning）的联邦学习框架

jieHeEternity·2024-01-11 00:33

2024年1月9日学习总结

目录学习目标学习内容联邦学习基础：why,what,howwhy？what？how？

郭小儒·2024-01-10 17:25

我的隐私计算学习——联邦学习（1）

六、联邦学习笔记分享|组队学习密码学——密码学在联邦学习中的应用根据前文已经知道，隐私计算与联邦学习的结合是当前的一个热点，联邦学习原本是机器学习领域里的一个概念，但常常把它当作单独一个板块。

Ataraxia8088·2024-01-08 15:32

我的隐私计算学习——联邦学习（2）

笔记内容来自多本书籍、学术资料、白皮书及ChatGPT等工具，经由自己阅读后整理而成（三）联邦学习的算子------------------------算子是什么？

Ataraxia8088·2024-01-08 15:59

联邦学习将如何影响您的日常生活？

人工智能(AI)被认为是下一次工业革命的最大创新之一，其中包括机器学习。另一方面，随着原油和电力成为现代工业的基础资源，数据成为人工智能和机器学习的关键要素。数据隐私与需求之间的冲突训练的数据样本的大小决定了可用于增强AI性能的机器学习(ML)结果的可靠性和准确性。然而，从互联网上获取有用的数据并不总是一件容易的事。Web爬取通常用于为饥饿的ML算法提供最新的数据。然而，网络爬行有时会变成一个道德

CyberVein·2024-01-05 08:25

【数据集】-独立同分布

然而，在联邦学习中，每个客户端（client）都拥有自己的本地数据集。这些本地数据集通常是由客户端的用户生成的，因此每个客户端可能具有不同的数据分布。这些数据分布的差异可以是由于

ihan1001·2024-01-05 02:47

SplitFed: When Federated Learning Meets Split Learning

（1）联邦学习和拆分学习都具有隐私保护，二者都存在各自缺点，进行结合（2）同时添加差分隐私PixeIDP架构联邦学习对数据进行训练，但从模型隐私角度看，服务器和客户端对本地和全局模型拥有完全访问权——&

白兔1205·2024-01-04 21:51

大数据背景下基于联邦学习的小微企业信用风险评估研究

本项目将开展以下具体课题研究：基于联邦学习的中小企业信用评估模型研究，包括联邦学习参与方价值贡献度评价方法研究

白兔1205·2024-01-04 21:49

数据库存储引擎

存储引擎主要有：1.MyIsam,2.InnoDB,3.Memory,4.Archive,5.Federated。InnoDB

武昌库里写JAVA·2024-01-03 03:59

地球物理中的深度学习理论（DNN的架构、反向传播、梯度消失、梯度爆炸）

在未来地球物理学中涉及到DL的研究提供了几个有希望的方向，例如无监督学习（聚类）、迁移学习（利用之前标记好的数据）、多模态DL（通过DL实现和处理多元模态）、联邦学习、不确定性估计和主动学习。

hhhhhhhhhhyyyyyy·2024-01-01 12:56

《MySQL系列-InnoDB引擎01》MySQL体系结构和存储引擎

配置文件3MySQL数据库路径4MySQL体系结构5MySQL存储引擎5.1InnoDB存储引擎5.2MyISAM存储引擎5.3NDB存储引擎5.4Memory存储引擎5.5Archive存储引擎5.6Federated

DATA数据猿·2023-12-29 03:51

分布式机器学习（上）-并行计算与机器学习

本视频来源于ShusenWang讲解的《分布式机器学习》，总共有三讲，内容和连接如下：并行计算与机器学习（上）并行计算与机器学习（下）联邦学习：技术角度的讲解这一节讲解《并行计算与机器学习（上）》，这节课的主要内容

差分隐私·2023-12-27 05:33

2023年3月份隐私计算市场洞察

3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，三股信息流如清风拂面，流转不息。

小夏科技·2023-12-24 06:34

推荐频道