Federated联邦学习第15页

Multimodal Federated Learning

在本文中，我们提出了一个多模态半监督联邦学习框架，该框架训练自动编码器从客户端不同的本地数据模式中提取共享或相关表示。

缄默的天空之城·2022-11-22 03:56

Poisoning Deep Learning based Recommender Model in Federated Learning Scenarios

本文探讨对象：在联邦学习下针对基于深度学习的推荐模型设计攻击方法。根据两种攻击策略（随机近似和硬用户挖掘）为受操控的恶意用户生成有毒梯度。2.What’stheinnovation?

缄默的天空之城·2022-11-22 03:25

联邦学习：你可以有

联邦学习框架的引入为这一问题提供了解决方案。一、由推荐系统谈起随着互联网覆盖范围的扩大，越来越多的用户习惯于在网上消费各种形式的内容，推荐系统应运而生。推荐系统在我们的日常生活中无处不在，

喜欢打酱油的老鸟·2022-11-22 01:47

【全文翻译】Can You Really Backdoor Federated Learning?

1Introduction2BackdoorAttackScenario3ModelUpdatePoisoningAttacks4Defenses5Experiments6Discussion摘要–联邦学习的分散性质使检测和防御对抗攻击成为一项艰巨的任务

白菜苗·2022-11-22 00:22

论文 ❀《尾部攻击：是的，你真的可以后门联邦学习》-Attack of the Tails: Yes, You Really Can Backdoor Federated Learning

摘要Duetoitsdecentralizednature,FederatedLearning(FL)lendsitselftoadversarialattacksintheformofbackdoorsduringtraining.Thegoalofabackdooristocorrupttheperformanceofthetrainedmodelonspeciﬁcsub-tasks(e.g.

i_momoe·2022-11-22 00:20

论文笔记《How to Backdoor Federated Learning》

HowtoBackdoorFederatedLearning作者：EugeneBagdasaryanAndreasVeitYiqingHuaDeborahEstrinVitalyShmatikov会议：AISTATS,2020发表时间：2018.7背景：联邦学习可以使成千上万的参与者构建一个深度学习模型

kooKievovo·2022-11-22 00:47

联邦学习模型鲁棒性攻击

【2019arXiv】AdvancesandOpenProblemsinFederatedLearning1.攻击者的目标和能力目标：1）非目标攻击：旨在降低模型的全局准确性，或“完全破坏”全局模型；2）目标攻击（后门攻击）：其目的是在少数示例上改变模型的行为，同时在所有其他示例上保持良好的总体准确性。例如，在图片中加入水印（后门），此水印指向一个特定的分类，使某类图片分类错误；语义后门，攻击者的

celine_lee·2022-11-22 00:47

联邦学习中的后门攻击的防御手段

参考链接后门攻击的防御手段横向对比防御方法概述下表是将防御方法用到的10种思想进行了简要对比，包括基于过滤投毒数据的防御、基于增强模型稳定性的防御、基于差分隐私的防御、基于特征提取与特征选择（基于降维）的防御、基于修改协议过程的防御、基于综合运用多种技术的防御、基于相似性的防御、基于统计的防御、基于联邦遗忘的防御和基于全局模型性能的防御。本大节的剩余部分将对每一类思想进行介绍，以及依据近年的文献介

Juli_Eyre·2022-11-22 00:16

联邦学习应用思考：需求还是方法？

来源：AI数据派前言：目前，“联邦学习”这个术语在市场上存在很多认识上的误解和混淆，主要原因是其既在广义上表达了保护数据前提下联合多方数据训练模型的需求，又在狭义上表示了一类通过暴露部分数据信息来提升训练性能的方法

人工智能学家·2022-11-22 00:45

Can You Really Backdoor Federated Learning

CanYouReallyBackdoorFederatedLearning**作者：**AnandaTheerthaSureshBrendanMcMahanPeterKairouzZitengSun**会议：**NeruIPS**发表时间：**2019.12背景：联邦学习的分布式特征

kooKievovo·2022-11-22 00:42

基于联邦学习的隐私约束下深度人脸识别无监督域适应研究

qq_44703968·2022-11-21 18:10

[yzhpdh多读paper]ClusterFL: A Similarity-Aware Federated Learning System forHuman Activity Recognition

Abstract联邦学习（FL）最近由于其保护数据隐私的能力受到了广泛关注。然而，现有的FL范式对于一大类人类活动识别（HAR）应用产生了令人不满意的性能，因为它们忽略了不同用户数据之间的内在关系。

ye6·2022-11-21 04:34

【Paper Reading】VAFL: a Method of Vertical Asynchronous Federated Learning

VAFL:aMethodofVerticalAsynchronousFederatedLearning原文来源：[Arxiv2020]VAFL:aMethodofVerticalAsynchronousFederatedLearning文章目录VAFL:aMethodofVerticalAsynchronousFederatedLearning0.Abstract1.Introduction1.1

lunan0320·2022-11-21 04:01

【FederatedLearning】联邦学习类别详述（横向、纵向、迁移）

【FederatedLearning】联邦学习类别详述（横向、纵向、迁移）文章目录【FederatedLearning】联邦学习类别详述（横向、纵向、迁移）横向联邦学习纵向联邦学习联邦迁移学习总结联邦学习

lunan0320·2022-11-21 04:59

【pytorch】FL联邦学习数据集的划分+non-iid数据集的划分

手动划分3根据每个client的索引进行数据集划分3按照non-i.i.d.划分3.2dirichlet分布的non-iid问题来源：torchvision.datasets里的数据集都是整一个的，尤其在联邦学习中

学渣渣渣渣渣·2022-11-21 01:08

论文精讲 | CVPR 2022|RHFL-对抗噪声的联邦学习

模型异构的联邦学习，是一种每个client拥有互不相同模型的联邦学习任务，其能够解决联邦学习中每个成员希望独立设计自己模型的需求，但目前同样面临着来自数据层面和成员层面的各种挑战，比如数据标记困难，训练中存在搭便车成员

昇思MindSpore·2022-11-21 00:58

联邦学习攻击与防御综述

联邦学习攻击与防御综述吴建汉1,2,司世景1,王健宗1,肖京11.平安科技（深圳）有限公司，广东深圳5180632.中国科学技术大学，安徽合肥230026摘要：随着机器学习技术的广泛应用，数据安全问题时有发生

唐名威·2022-11-20 18:18

【个性化联邦学习】Towards Personalized Federated Learning 论文笔记整理

TowardsPersonalizedFederatedLearning一、背景二、解决策略2.1策略一.全局模型个性化2.2策略二.学习个性化模型三、具体方案3.1全局模型个性化3.1.1基于数据：减少客户端数据统计异构性3.1.2基于模型：在学习一个强大的全局模型，以便进行个性化设置或提高本地模型的适应性能3.1.3全局模型个性化方法对比3.2学习个性化模型3.2.1基于架构的方法:旨在通过针

self--mockery·2022-11-20 18:17

综述--2020--联邦学习--全文翻译

AsurveyonsecurityandprivacyoffederatedlearningViraajiMothukuria,RezaM.Parizia,SeyedaminPouriyehb,YanHuanga,AliDehghantanhac,GautamSrivastavad,e,∗aTheDepartmentofSoftwareEngineeringandGameDevelopment,K

幼稚的星星·2022-11-20 18:47

【文献阅读】Label Inference Attacks Against Vertical Federated Learning

【文献阅读】LabelInferenceAttacksAgainstVerticalFederatedLearning这篇文章提出了三种针对纵向联邦学习的标签推理攻击：被动标签推理攻击（补全本地模型使之具有推理能力

牛了个牛·2022-11-20 18:43

【文献阅读】Desirable Companion for Vertical Federated Learning: New Zeroth-Order Gradient Based Algorithm

DesirableCompanionforVerticalFederatedLearning:NewZeroth-OrderGradientBasedAlgorithm背景解决的问题：现有的VFL算法不能同时很好地满足模型适用性、隐私安全、通信耗费、高效计算这四点要求。大多数现有的VFL框架使用基于梯度的更新策略，很难适用于难以获得甚至无法获得梯度的ML问题。本文将零阶优化与VFL相结合，提出了基

牛了个牛·2022-11-20 18:43

【文献阅读】联邦学习论文阅读FedAvg

联邦学习论文阅读FedAvg—[Arxiv2017]Communication-EfficientLearningofDeepNetworksfromDecentralizedData摘要分布式学习的富数据常常是隐私敏感

牛了个牛·2022-11-20 18:13

[阅读笔记] 联邦学习攻防综述 An Overview of Federated Deep Learning Privacy Attacks and Defensive Strategies

✍️[阅读笔记]AnOverviewofFederatedDeepLearningPrivacyAttacksandDefensiveStrategies本文是一篇关于联邦学习的隐私攻击和防御策略的综述文章

文三路张同学·2022-11-20 18:11

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）。

hellozhxy·2022-11-20 18:35

【论文阅读】A Survey of Incentive Mechanism Design for Federated Learning 联邦学习激励机制设计综述

ASurveyofIncentiveMechanismDesignforFederatedLearning联邦学习激励机制设计综述摘要：联邦学习有望在不暴露原始数据的情况下实现大规模客户机学习。

RenLJ1895·2022-11-20 18:00

【文献阅读】关于异构联邦学习的调查（综述）

参考文献：ASurveyonHeterogeneousFederatedLearning1联邦学习中的异构问题数据异构特征空间标签空间ID空间统计异构一个数据集中的数据可能是non-iid的解决方法：个性化

牛了个牛·2022-11-20 18:53

论文笔记 SCAFFOLD Stochastic Controlled Averaging for Federated Learning

SCAFFOLDStochasticControlledAveragingforFederatedLearning》论文地址：https://arxiv.org/pdf/1910.06378.pdfAbstractFedAvg：简单、低通行成本-->联邦学习首选算法

Limeym·2022-11-20 10:26

论文笔记 Communication-Efficient Learning of Deep Networks from Decentralized Data

论文题目：《Communication-EfficientLearningofDeepNetworksfromDecentralizedData》时间：联邦学习由谷歌在2016年提出，2017年在本文第一次详细描述该概念地位

Limeym·2022-11-20 10:55

论文笔记 Federated Optimization in Heterogeneous Networks

FederatedOptimizationinHeterogeneousNetworks》论文地址：https://arxiv.org/pdf/1812.06127.pdf论文代码、数据地址：github.com/litian96/FedProxAbstract联邦学习两个关键挑战

Limeym·2022-11-20 10:55

（五）联邦学习、FATE、DSL学习记录

一、联邦学习背景：人工智能的危机在大多数行业中，数据以孤岛的形式存在。如何在满足用户隐私保护、数据安全和政府法规的前提下，进行跨组织的数据合作。

Limeym·2022-11-20 10:25

12.Paper小结——《BatchCrypt: Efficient Homomorphic Encryption for Cross-SiloFederated Learning》

题目：《BatchCrypt:EfficientHomomorphicEncryptionforCross-SiloFederatedLearning》——《用于Cross-Silo联邦学习的高效同态加密

DK学到头秃·2022-11-20 05:58

一、用Python从零实现横向联邦图像分类

`Resnet18`在`cifar10`上的联邦学习与中心化训练的效果对比6.`Resnet18`在`MNIST`上的联邦学习与中心化训练的

范星星·2022-11-20 02:56

论文阅读-Federated Social Recommendation with Graph NeuralNetwork

末世灯光·2022-11-19 23:54

联邦学习算法综述

点击上方蓝字关注我们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·2022-11-19 20:55

CD2-pFed: Cyclic Distillation-guided Channel Decoupling for ModelPersonalization in Federated Lear论文

背景知识蒸馏将同一批数据同时放入两个模型中，将教师模型的预测输出作为软标签，将真实标签作为硬标签，分别计算学生模型的两种损失，最后将两个损失加权求和，作为最终损失更新网络参数。预测的时候，仅使用学生模型。本文内容模型个性化的通道解耦1）给目标模型的每一层分配一个可学习的个性化权重的自适应比例2）定义了每一层的统一个性化分配率p∈[0,1]。3）p比例的通道参数在本地进行训练不需要中央服务器聚合。4

Mp4r8672v·2022-11-19 17:01

联邦学习小白浅析通俗易懂

联邦学习浅析提出背景2016年是人工智能开始成熟的一年，发现他的巨大潜力，他依赖于大量可用的标记数据，根据大数据驱动，人们希望人工智能体现在生活的方方面面，但是这是有一定难度的，因为由于各个领域的不同，

联邦学习小白进阶之路·2022-11-19 13:54

联邦学习概述

联邦学习一、联邦学习诞生的背景机器学习已经逐步改变人们的生产生活方式，在语音、图像和文本识别、语言翻译等方面都取得了巨大的进步。

积雨辋川·2022-11-19 13:52

联邦学习（（Federated Learning，FL）

咫尺云烟·2022-11-19 13:20

联邦学习（Federated Learning）

联邦学习简介联邦学习（FederatedLearning）是一种新兴的人工智能基础技术，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习

培根芝士·2022-11-19 13:40

1-联邦学习--记录

联邦学习的概念联邦机器学习(Federatedmachinelearning/FederatedLearning)，又名联邦学习，联合学习，联盟学习。

嘟嘟Listing·2022-11-19 13:08

什么是联邦学习

联邦学习1.1联邦学习的概念历史：联邦学习最早在2016年由谷歌提出，原本用于解决安卓手机终端用户在本地更新模型的问题；本质：联邦学习本质上是一种分布式机器学习技术，或机器学习框架。

HenrySmale·2022-11-19 13:07

联邦学习介绍

这就是联邦学习（federatedlearning）的核心理念。概念联邦学习是一种分布式机器学习，以并行计算为基础。联邦学习的目标：解决数据的协作和隐私保护问题。

向天笑。·2022-11-19 13:36

联邦学习（Federated Learning）概述

哈尔滨工程大学区块链讨论课2018065124杨儒浓1.什么是联邦学习也许很多人从未听说过联邦学习是联邦学习？甚至从词义本身也无法得知是何种领域的技术。

qq_43651384·2022-11-19 13:35

联邦学习--记录

简介联邦学习（FederatedLearning）是一种新兴的人工智能基础技术，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习

猿代码_xiao·2022-11-19 13:34

什么是联邦学习/联邦学习的过程

联邦学习-最近比较火的名词。应该有很多人听过但是始终都没明白是联邦学习。很多同学应该也从网上搜集一些相关资料来学习，大概知道联邦学习的作用主要是用来解决数据孤岛，那他又是如何来解决数据孤岛问题的？

愚昧之山绝望之谷开悟之坡·2022-11-19 13:01

详解联邦学习Federated Learning

今天我们来讲下最近比较博眼球的联邦学习。应该很多人听过但是始终都没懂啥是联邦学习？百度一下发现大篇文章都说可以用来解决数据孤岛，那它又是如何来解决数据孤岛问题的？

hellozhxy·2022-11-19 12:53

联邦学习概述与现状

概念：联邦机器学习(Federatedmachinelearning/FederatedLearning)，又名联邦学习，联合学习，联盟学习。

矩阵科学·2022-11-19 12:21

有关于联邦学习

粗泛地讲所谓的联邦学习，不可客观地来说，其本质就是我们通俗意义上的数据增强，也就是增加模型的训练数据。只不过在现实场景下，很多这些训练数据都是分散在不同设备上的。

Reza.·2022-11-19 12:14

分享3篇关于图神经网络（GNN）的相关综述

本文分享3篇关于图神经网络（GNN）的相关综述：第1篇是对联邦图神经网络的调研，将目前的工作根据三层分类法进行了划分，即根据数据的原始存在形式、联邦学习的常规设置进行了分类介绍；第2篇文献则是对几何等变图神经网络的调研

AI知识图谱大本营·2022-11-19 12:35

2022.11.6 第二十九次周报

目录前言文献阅读题目作者背景主要问题拟定方案开创性贡献工业5.0中IIoT的拟议联合网络自动化方案概述以及详细的结构设计流程和数学初步面向工业5.0的拟议方案概述区块链赋能的联邦学习分布式哈希表方案的结构设计流程时空复杂度

孙源峰·2022-11-19 08:54

推荐频道

Federated联邦学习