Federated联邦学习第11页

联邦学习概念及应用

联邦学习0，联邦学习概念联邦学习是使得多方在不共享本地数据的前提下，进行多方协同训练的机器学习方式。因此，他在实现功能的同时，能够很好的保护数据隐私。

林立可·2022-12-26 07:50

联邦学习系统架构与实现

联邦学习系统提出是为了在数据不聚合的情况下实现分布式的机器学习，每个客户端持有自己的数据，向中心服务器请求下载中心模型，向中心服务器发送梯度或者模型，中心服务器进行聚合。

历风·2022-12-26 07:48

联邦学习框架浅析

【前言】▲联邦学习问题回顾前文提及，于2016年，Google提出了用于训练输入法模型的新型方式，称为「联邦学习」。

趣链科技·2022-12-26 07:47

联邦学习的基本概念、三种框架和应用场景

联邦学习的基本概念、三种框架和应用场景前言本文主要总结记录了联邦学习的基本概念、三种基本框架及其应用场景，下篇将从威胁模型和攻防现状入手介绍联邦学习的安全隐私现状…一、提出背景需求：人工智能是由大数据所驱动的

白白净净吃了没病·2022-12-26 07:15

边缘辅助无人机网络的分层联邦学习

HierarchicalFederatedLearningforEdge-AidedUnmannedAerialVehicleNetworks摘要联邦学习（FL）允许无人机（UAVs）协作训练一个全局共享的机器学习模型

物腐虫生·2022-12-25 23:26

以后的文章，我们随缘分享

大概以：1.分布式机器学习、联邦学习系统，2.计算机视觉、视频编解码系统，3.智能边缘/IoT/TinyAI，4.算子、硬件加速为主。随缘～

QihuaZhou·2022-12-25 17:55

网络边缘的使能智能：联邦学习

由于终端设备产生的海量数据，以及人们对隐私信息共享的日益关注，一个新的机器学习模型分支——联邦学习在人工智能和边缘计算的交叉领域应运而生。

努力学习的小青年·2022-12-25 14:58

《资源受限边缘计算系统中的自适应联邦学习》论文梗概

概无其他用处，一些图片资源来自网络，侵删】《AdaptiveFederatedLearninginResourceConstrainedEdgeComputingSystems》《资源受限边缘计算系统中的自适应联邦学习

雾淞沆砀·2022-12-25 14:52

《联邦学习实战》杨强读书笔记十一——联邦学习在智能物联网中的应用案例

目录案例的背景与动机历史数据分析出行时间预测模型问题定义构造训练数据集模型结构联邦学习在智慧城市建设中的一个应用，即用户的出行预测，帮助用户更好地规划出行安排。

超威橘猫·2022-12-25 14:20

联邦学习在边缘计算中的应用

什么是联邦学习？

烟、绕指凉~·2022-12-25 14:20

联邦学习框架fedml中集成谷歌提供的差分隐私框架opacus遇到的问题

联邦学习框架fedml中集成谷歌提供的差分隐私框架opacus遇到的问题由于opacus提供的是DP-SGD,在fedml中将代码定位到具体客户端训练的.py文件中，如my_model_trainer_classification.py

霹雳大帅哥·2022-12-25 09:25

联邦学习-论文阅读-Incentive Mechanism for Reliable Federated Learning: A Joint Optimization Approach to Comb

本文通过声誉作为衡量标准来评估联邦学习中节

liZhnw·2022-12-24 10:31

如何从非独立同分布数据中学习？

联邦学习中的非iid数据实验现有工作一些想法参考文献从非iid数据中学习IID是什么意思？非正式地，同分布意味着没有总体趋势-分布不会波动，样本中的所有项目都来自同一个概率分布。

猫咪钓鱼·2022-12-24 07:32

联邦学习中常见的Clients数据Non-IID非独立同分布总结

联邦学习写在前面联合概率分布联邦学习中客户端数据Non-IID分布的五种类型：类型1：Featuredistributionskew(convariateshift)类型2：Labeldistributionskew

白马金羁侠少年·2022-12-24 07:30

非独立同分布数据孤岛的联邦学习：一项实验研究

关注公众号，发现CV技术之美本篇分享论文『FederatedLearningonNon-IIDDataSilos:AnExperimentalStudy』，非独立同分布数据孤岛的联邦学习：一项实验研究。

我爱计算机视觉·2022-12-24 07:29

使用python pipeline 实现FATE三方横向逻辑回归

本文是基于微众开发的FATE联邦学习平台，进行一个三方的横向逻辑回归实验。且使用pipeline进行流程搭建与模型训练，代替书写dsl和conf的json文件的方法，使得整个流程更加简洁、方便。

charlessun9·2022-12-24 07:28

联邦学习简介

但是由于用户数据不能够被随意的使用和转发,因此各个商业公司和研究机构的数据不能合并训练,因此,开发出联邦学习用于在不泄露用户数据的情况下，利用用户数据进行训练.1.2不同使用场景各个worker的业务类型相似

Cheng_0829·2022-12-24 07:26

联邦学习中非独立同分布（No I.I.D.）几种情况

目录前言DatasetShift协变量偏移(CovariateShift)先验概率偏移(PriorProbabilityShift)概念偏移(ConceptShift):联邦学习中的非独立同分布AdvancesandOpenProblemsinF

charlessun9·2022-12-24 07:56

DeepSight: Mitigating Backdoor Attacks in Federated Learning Through Deep Model Inspection论文阅读报告

1摘要联邦学习（FL）允许多个客户在其私有数据上协作训练神经网络（NN）模型，而不会泄露数据。最近，针对FL的几起针对性中毒袭击事件已经出台。

mentalps·2022-12-23 10:39

联邦学习-论文阅读-AAAI-Game of Gradients: Mitigating Irrelevant Clients in Federated Learning

1、GameofGradients:MitigatingIrrelevantClientsinFederatedLearning（选择客户端，主要为把不相关的客户端剔除出去）1、概要中心服务器无法知道每个客户端所拥有的数据的品质如何，因此在FL设置写如果选择相关客户端的问题十分复杂。将FL建模为一个合作博弈，将从作为客户端接收到的更新以及模型在服务器验证数据集上的性能作为特征函数。并计算每个客户机

liZhnw·2022-12-23 10:37

联邦学习首次被纳入Gartner隐私计算技术成熟度曲线

据外媒报道，美国亚马逊公司近期被卢森堡数据保护委员会处以7.46亿欧元（约合57.2亿元人民币）的罚款，原因是亚马逊违反了欧盟的《通用数据保护条例》。这也将成为亚马逊在欧盟面临的最大一笔数据隐私罚款。就在去年，Facebook和谷歌也先后因为违反相关数据隐私保护规定而被处以巨额罚款。因为隐私数据保护不力而吃到“天价罚单”在全球大科技公司中正成为一个巨大的内控难题。如何从制度、技术以及公司自律等层面

FedAI Ecosystem·2022-12-22 13:32

基于秘密共享和压缩感知的通信高效联邦学习

论文链接：基于秘密共享和压缩感知的通信高效联邦学习-中国知网摘要：面临情况：隐私数据保护，联邦学习下共享梯度仍然会泄漏，联邦学习高通信代价解决方案：1、Top-k稀疏及压缩感知技术：减少梯度传输的通信开销

白兔1205·2022-12-22 11:00

隐私计算 2.9 秘密共享应用于横向联邦学习

1简介1.1横向联邦学习横向联邦学习也称为按样本划分的联邦学习，主要应用于各个参与方的数据集有相同的特征空间和不同的样本空间的场景，例如两个地区的城市商业银行可能在各自的地区拥有非常不同的客户群体，所以他们的客户交集非常小

HenrySmale·2022-12-22 11:25

（阅读笔记）基于秘密分享和梯度选择的高效安全联邦学习

基于秘密分享和梯度选择的高效安全联邦学习动机基础知识联邦学习TOP-K梯度选择加法秘密共享消息验证码设计模型半可信模型下的联邦训练恶意模型下的联邦训练实验结果参考文献动机联邦学习中，各用户上传梯度给协作服务器以进行梯度聚合

你看见的我·2022-12-22 11:53

Pegasus (飞马): 同态加密中多项式和非多项式之间的桥梁

该文章转载自本人的知乎专栏，有兴趣的小伙伴可以来我的专栏学习更多相关知识，包含了同态加密、安全多方计算、机器学习和联邦学习、近世代数等。下面是我的知乎文章首页，可以点专栏去查看确定方向的文章。

安全六三·2022-12-22 07:38

深度学习计算广告（更新中）

计算广告系统简介二、经典的广告系统架构三、dl时代广告系统各模块技术演进1.AdRanking-从大刀阔斧的革命到精雕细琢的改进（1）模型发展图（2）张俊林：从召回到排序再到重排（3）粗排：阿里的cold2.联邦学习

山顶夕景·2022-12-22 07:29

Fate横向联邦学习-训练评估

1.准备上传数据我们直接使用Fate提供的案例数据目录在examples/data/breast_homo_guest.csv、examples/data/breast_homo_host.csv、这里上传数据需要准备host以及guest两方的上传数据根据官方解释在Fate的概念中分成3种角色，Guest、Host、ArbiterGuest表示数据应用方，Host是数据提供方，在纵向算法中，Gu

培根芝士·2022-12-22 06:22

FATE联邦学习笔记（一）

学习联邦学习的概念及方法，尝试微众银行FATE框架。本节主要是记录从官方微信群得到的回答及修改结果。

Doodlera·2022-12-22 06:22

用Spark计算引擎执行FATE联邦学习任务

题图摄于北京前门（本文作者系VMware中国研发云原生实验室工程师，联邦学习开源项目KubeFATE/FATE-Operator维护者。）

普通网友·2022-12-22 06:21

联邦学习开源框架FATE新版本发布！配套引擎EggRoll更新，联邦应用场景再拓展

而联邦学习这门技术，则可以

微众AI·2022-12-22 06:21

使用FATE在两台机器实现横向联邦学习的逻辑回归任务

目录一、环境准备二、横向联邦学习1.数据处理2.数据上传3.修改训练用配置文件（在机器B上）4.提交任务进行训练（在机器B上）三、模型评估1.修改配置文件2.提交任务进行训练3.查看评估结果四、删除部署一

嘉然然·2022-12-22 06:20

基于双k8s集群搭建联邦学习kubefate

一、前言关于联邦学习的背景这里就不做过多介绍了，感兴趣的同学可以去百度一下。

大白兔黑又黑·2022-12-22 06:20

k8s安装3节点的联邦学习Fate集群 v1.7.2（全网最细-解决N多坑）

采用k8s，而非minikube,在3个centos系统的节点上安装fate集群。集群配置信息3节点配置信息如下图：当时kubefate最新版是1.9.0，依赖的k8s和ingress-ngnix版本如下：Recommendedversionofdependentsoftware:Kubernetes:v1.23.5Ingress-nginx:v1.1.3升级K8S到1.23.5如果你的集群k8s

Acecai01·2022-12-22 06:19

3节点Fate集群实战记录（全网最详细）--横向联邦学习

集群配置集群的三台服务器分别部署了fate-10000,fate-9999,fate-9998命名空间，集群的具体部署情况请转：link查看。文章后面以命名空间名来区分操作所在的节点（注意节点的实际名字不等于命名空间名）。集群的配置信息如下：1、数据制作本次实战是要通过fate集群实现横向联邦训练一个睡/醒的二分类模型，训练数据含有40个特征，1个标签列，用0和1分别表示醒和睡着状态。数据制作规格

Acecai01·2022-12-22 06:48

车联网中基于轨迹预测的无人机动态协同优化覆盖算法

首先，为了训练得到统一的Seq2Seq-GRU轨迹预测模型，多个携带边缘计算服务器的无人机在分布式联邦学习与区块链的架构下，去除中心聚合节点，采取改进的Raft算法，在每轮训练中根据贡献数据量的大小，选举得到节点来完成参数聚合及模型更新任务

SAUTOMOTIVE·2022-12-21 16:24

联邦知识蒸馏

概述：2.背景知识蒸馏(KnowledgeDistillation）模型压缩模型增强3.知识蒸馏与迁移学习的差异：(1)数据域不同.(2)网络结构不同.(3)学习方式不同.(4)目的不同.4.知识蒸馏与联邦学习

咫尺云烟·2022-12-21 07:57

隐私保护联邦学习之差分隐私原理

背景什么是隐私讲差分隐私前，说一下什么是隐私其实隐私这个定义，各家有各家的说法，而且各人有各人不同的考量。目前普遍比较接受的是：“单个用户的某一些属性”可以被看做是隐私。这个说法里所强调的是：单个用户。也就是说，如果是一群用户的某一些属性，那么可以不看做隐私。举个例子：医院说，抽烟的人有更高的几率会得肺癌。这个不泄露任何隐私。但是如果医院说，张三因为抽烟，所以有了肺癌。那么这个就是隐私泄露了。好，

fighting_like_lara·2022-12-21 05:25

联邦学习入门笔记（四）— 基于差分隐私的FL(ii)

本文详细介绍了DP(差分隐私)+FL(联邦学习)的实现方法，笔者经过一年多的学习，基本上摸清了这个领域的一些套路，这里做一个总结。

wenzhu2333·2022-12-21 05:55

论文阅读：DP-FL: a novel differentially private federated learning framework for the unbalanced data

论文名字DP-FL:anoveldifferentiallyprivatefederatedlearningframeworkfortheunbalanceddata来源Worldwideweb(2020)年份2020作者XixiHuang,YeDing,ZoeL.Jiang,·ShuhanQi,·XuanWang,QingLiao核心点针对unbalancedata的DP的噪声的动态调整阅读日期

三金samkam·2022-12-21 05:18

论文阅读：LDP-FL: Practical Private Aggregation in Federated Learning with Local Differential Privacy

论文名字LDP-FL:PracticalPrivateAggregationinFederatedLearningwithLocalDifferentialPrivacy来源期刊arXiv:2007.15789v1预印本。审查中。年份2020.7作者LichaoSun,JianweiQian,XunChen,PhilipS.Yu核心点提出一种新型的本地差分隐私方法阅读日期2020.12.2影响因子

三金samkam·2022-12-21 05:48

论文阅读：Differential privacy federated learning a client level perspective

2017作者RobinC.Geyer,TassiloKlein,MoinNabi核心点阅读日期2021.1.21和2020.12.19影响因子页数7引用数引用内容总结文章主要解决的问题及解决方案：问题：在联邦学习框架下

三金samkam·2022-12-21 05:48

联邦学习之差分隐私

联邦学习过程 联邦学习以轮为单位，每个轮内包含模型分发、本地训练和全局更新这3个阶段。

威化饼的一隅·2022-12-21 05:17

差分隐私与深度学习--联邦学习

github.com/tensorflow/privacy论文：FederatedLearningwithDifferentialPrivacy:AlgorithmsandPerformanceAnalysis给出了联邦学习下差分隐私的定义

fyr学无止境·2022-12-21 05:45

联邦学习（FL）+差分隐私（DP）

联邦学习（FL）+差分隐私（DP）文章首发在我的博客！在这里在这里在这里在这里在这里！！！！！！

celine_lee·2022-12-21 05:41

机器学习和联邦学习

该文转载自本人的知乎专栏https://zhuanlan.zhihu.com/p/341837393我会持续在知乎上发布文章，记得关注我哦~一、巩固隐私计算的版图开启本专栏的初心是，为了巩固隐私计算的版图，其实，读过我其它专栏的朋友们应该知道，我所做的方向便是密码学在数据安全中的应用。所以，我的专栏包含了以下内容：同态加密的数学基础——“近世代数”同态加密的密码学基础——“格密码理论”同态加密——

安全六三·2022-12-20 18:40

机器学习------安全与隐私问题综述

机器学习的安全与隐私问题综述机器学习的学习方式1.集中学习2.联邦学习3.分布式学习机器学习的CIA安全模型机器学习的敌手模型敌手目标敌手知识敌手能力敌手策略常见的安全及隐私威胁1.投毒攻击破坏完整性目标的投毒攻击和破坏可用性目标的投毒攻击数据投毒攻击和模型投毒攻击

enough_time·2022-12-20 15:13

FeSoG论文笔记

1动机冷启动问题：融合社交信息；图神经网络：从用户-项目交互中学习到编码信息；联邦学习：隐私保护面临的问题及解决思路：异构性：用户-项目交互的评分信息+社交网络（用户-用户之间的关系），FeSoG利用关系注意力机制和信息聚合来处理异构性

HenrySmale·2022-12-20 14:48

论文笔记：联邦学习——Federated Learning: Strategies for Improving Communication Efficiency

FederatedLearning:StrategiesforImprovingCommunicationEfficiency文章目录FederatedLearning:StrategiesforImprovingCommunicationEfficiency论文结构一、摘要核心二、Introduction三、StructuredUpdatelowrankrandommask四、SketchedU

liuzeyao_Newton·2022-12-19 00:30

推荐频道

Federated联邦学习