Federated联邦学习

Mysql使用FEDERATED引擎实现数据表映射主从同步

1、进入mysql命令行，没有看到Federated，说明没有安装showengines;image2、安装Federatedinstallpluginfederatedsoname'ha_federated.so
最底层的技术渣·2021-05-14 11:05

ERROR 1286 (42000): Unknown storage engine 'FEDERATED'

mysql>SHOWENGINES;+--------------------+---------+----------------------------------------------------------------+--------------+------+------------+|Engine|Support|Comment|Transactions|XA|Savepoints
摩羯座的鱼·2021-05-14 00:14

数据库跨库join方案

一定要跨库join，MySQL也是可以支持的：1.开启FEDERATED引擎，修改my.ini（或my.cnf）文件新添加一行，内容为federated，然后重启
一个抓手·2021-05-13 10:50

为什么谷歌被骂上热搜一点也不冤，详解FloC背后联邦计算

近几天谷歌因为一项叫做FLoC的技术而被骂上了热搜，笔者看了一下这是一种基于联邦学习的“用户追踪”技术，可以在不暴露客户隐私的情况下进行用户画像及大数据营销，这项技术对于谷歌这种广告收入占总体营收9成的互联网公司来讲意义重大
beyondma·2021-05-10 11:08

联邦学习笔记-《Federated Machine Learning: Concept and Applications》论文翻译个人笔记

联邦学习笔记-《FederatedMachineLearning:ConceptandApplications》论文翻译个人笔记摘要今天的人工智能仍然面临着两大挑战。
Jude00000·2021-05-03 22:01

联邦学习算法FedAvg实现（PyTorch）

联邦学习方法FedAvg实现（PyTorch）通俗来讲，联邦学习（FederatedLearning）结构由Server和若干Client组成，在联邦学习方法过程中，没有任何用户数据被发送到Server
陈大笨·2021-05-03 15:44

FATE实战——从零实现横向联邦之逻辑回归

从零实现横向逻辑回归联邦学习算法本篇教程是一个从零实现横向联邦的过程，整个环节包括：数据处理数据上传模型训练模型预测如果读者刚开始接触FATE，建议先把官方的demo跑一下，比如笔者上一篇的教程就是一个纵向
林立可·2021-05-02 14:55

联邦学习介绍

MITTechnologyReview-AppleSiri这是MITTechnologyReview12月11日的Newsletter的部分摘录，大概意思是，iPhone上的Siri在听到我们个人说"HeySiri"时有反应，但是对其他人说的都没有反应，按理来说，训练一个这种模型，会需要收集我们大量的声音数据，并且这些数据都会保存在苹果，但苹果并没有这么做，那它是怎么做到的呢？这就说到了今天的主角
闭眼卖布·2021-04-30 03:24

联邦学习笔记-《Communication-Efficient Learning of Deep Networks from Decentralized Data》论文翻译个人笔记

联邦学习笔记-《Communication-EfficientLearningofDeepNetworksfromDecentralizedData》论文翻译个人笔记摘要现代移动设备拥有丰富的适合学习模型的数据
Jude00000·2021-04-29 23:48

2019年2月18日

上午看了会儿联邦学习的白皮书，感觉就是几句车轱辘话来回说，关键问题一点没涉及，也缺少必要的图表、公式和实验，不是很合我的胃口……下午主要和学长讨论了会儿连邦学习的心得，得到了一些新的启发（果然还是应该多和人交流
真昼之月·2021-04-28 22:40

MySQL提升笔记（2）：存储引擎盘点

MySQL5.7支持的存储引擎有InnoDB、MyISAM、Memory、Merge、Archive、Federated、CSV、BLACKHOLE等。其中最常用的3种，InnoDB、MyISAM
三分恶·2021-04-15 22:09

字节跳动联邦学习平台通过中国信通院首批评估 数据安全能力得到专业验证

近日，中国信息通信研究院（以下简称“中国信通院”）公布了安全评估结果，字节跳动Fedlearner联邦学习平台（以下简称“字节跳动Fedlearner”）成为顺利通过首批评估的平台之一。
不知名的某某某·2021-03-30 17:52

跟我学ModelArts丨探索ModelArts平台个性化联邦学习API

摘要：ModelArts提供了一个实现个性化联邦学习的API——pytorch_fedamp_emnist_classification，它主要是让拥有相似数据分布的客户进行更多合作的一个横向联邦学习框架
·2021-03-22 14:54

推荐这7本最新的白皮书（大数据、云原生、区块链、联邦学习等，附下载）...

正文开始信息技术、数据被国家认定为新的生产要素，对于数据从业者来说是时代赋予的巨大红利，但也要认识到，数据要素要发挥出价值，离不开数据要素市场的培育，更依赖于信息技术（大数据、人工智能、区块链、云计算、边缘计算、物联网等）的加持。为了抓住这难得的的机遇，数据从业者除了掌握必要的数据管理技能外，也要突破专业的限制，对最新的数字技术有所理解，这样才能挥斥方遒，推进数字技术的融合创新，从而更好的发挥出数
傅一平·2021-03-22 07:00

区块链（BTC）学习总结1

前期我看了关于区块链简介的一些书籍，以及关于数据共享中的联邦学习的一些介绍。但是，我认为光看一些纸质的材料，始终不够深入。于是，我近期开始观看北大肖臻老师的区块链课程，并尝试做一些记录。
白速龙王的回眸·2021-03-12 14:00

联邦学习纵向逻辑回归公式推导

原文链接【技术博客】纵向联邦学习简介及实现——MomodelAI在研究纵向联邦学习时，为了对细节有更深入的理解，查询了一些资料并对图中的公式（出自上文引用）进行了推导。推导过程如下。
Doodlera·2021-03-09 14:37

Federated Meta-Learning with Fast Convergence and Efficient Communication论文阅读笔记

摘要在移动设备上分布式训练机器学习模型所面对的统计和系统上的挑战是联邦学习现实应用中的瓶颈。
LauraXv·2021-03-03 16:20

ICLR2021 - Federated Learning Paper

FederatedSemi-SupervisedLearningWithInter-ClientConsistency&DisjointLearning提出的问题很有意思ProblemsTwopracticalscenariosofFederatedSemi-SupervisedLearning(FSSL):eachclientlearnswithonlypartlylabeleddata(Lab
想想虔诚怎么做·2021-03-01 10:34

基于Webpack5 Federated Module的微服务框架

本文章主要围绕emp使用进行介绍，主要记录使用emp框架一些搭建过程准备工作emp仓库链接:https://github.com/efoxTeam/e...可根据README完成初步框架的创建创建工程anyun-main选择模版react基础调整由于emp默认创建的react工程版本是16，所以需要删除默认包，重新安装最新版本备注：不想升级可忽略此步骤1.yarnremovereactreact-
·2021-02-20 22:35

基于Webpack5 Federated Module的微服务框架

本文章主要围绕emp使用进行介绍，主要记录使用emp框架一些搭建过程准备工作emp仓库链接:https://github.com/efoxTeam/e...可根据README完成初步框架的创建创建工程anyun-main选择模版react基础调整由于emp默认创建的react工程版本是16，所以需要删除默认包，重新安装最新版本备注：不想升级可忽略此步骤1.yarnremovereactreact-
·2021-02-19 09:27

联邦学习与可信计算技术TEE、MPC、同态加密的关系

对于这个大众相对比较陌生的领域其实有很多相关的技术，比如TEE、MPC、同态加密等，网上的资料也比较杂，今天分别给大家做下介绍，另外也讲下联邦学习与这些可信计算技术的关系。
李博Garvin·2021-02-10 11:19

京东科技集团21篇论文高票入选国际顶会AAAI 2021

其研究方向包含了计算机视觉、联邦学习、对抗学习、深度学习、序列推荐、社交推荐、图神经网络、风险管理的反因果推断，以及智能城市领域的时空AI等领域。
·2021-02-09 16:52

京东科技集团21篇论文高票入选国际顶会AAAI 2021

其研究方向包含了计算机视觉、联邦学习、对抗学习、深度学习、序列推荐、社交推荐、图神经网络、风险管理的反因果推断，以及智能城市领域的时空AI等领域。
·2021-02-09 16:34

京东科技集团21篇论文高票入选国际顶会AAAI 2021

其研究方向包含了计算机视觉、联邦学习、对抗学习、深度学习、序列推荐、社交推荐、图神经网络、风险管理的反因果推断，以及智能城市领域的时空AI等领域。
京东科技开发者·2021-02-09 15:06

厚积薄发！华为云7篇论文被AAAI收录，2021年AI行业技术风向标看这里！

论文内容涉及联邦学习、深度学习、机器学习、自然语言处理、迁移学习、知识计算等技术领域，充分展现了华为云在人工智能领域的基础研究实力。技术创新和应用落地是这
·2021-02-03 10:15

厚积薄发！华为云7篇论文被AAAI收录，2021年AI行业技术风向标看这里！

论文内容涉及联邦学习、深度学习、机器学习、自然语言处理、迁移学习、知识计算等技术领域，充分展现了华为云在人工智能领域的基础研究实力。技术创新和应用落地是这
·2021-02-02 13:52

厚积薄发！华为云7篇论文被AAAI收录，2021年AI行业技术风向标看这里！

论文内容涉及联邦学习、深度学习、机器学习、自然语言处理、迁移学习、知识计算等技术领域，充分展现了华为云在人工智能领域的基础研究实力。技术创新和应用落地是这
华为云·2021-02-02 11:23

Effective C++ 学习笔记

1让自己习惯C++条款01：视C++为一个语言联邦学习时间：2021年1月2
Ref.Ptr.·2021-01-25 13:09

16篇论文入选AAAI 2021，京东数科AI都在关注什么？（附论文下载）

其研究方向包含了联邦学习、对抗学习、深度学习、序列推荐、社交推荐、图神经网络、风险管理的反因果推断，以及智能城市领域的时空AI等尖端技术领域。
京东数科技术说·2021-01-15 14:02

字节跳动在联邦学习领域的探索及实践

联邦学习（FederatedLearning）是一种新的机器学习范式，它让多个参与者可以在不泄露明文数据的前提下，用多方的数据共同训练模型，实现数据可用不可见。
火山引擎·2021-01-14 20:26

实现隐私计算的相关技术

目录一、隐私计算（PrivacyComputing）二、实现隐私计算的相关技术1.多方安全计算（SecureMulti-PartyComputationMPC）2.联邦学习(Federatedmachinelearning
爱做梦的鱼·2021-01-10 23:30

FetchSGD: Communication-Efficient Federated Learning with Sketching

背景现有的联邦学习方法存在通信瓶颈和收敛性两个问题，该篇论文介绍了一种新的FL训练方法，叫做FetchSGD，旨在解决上述两个问题。
クズの本懐·2021-01-02 18:32

大数据框架原理简介

针对上篇文章遗留问题联邦学习之一几亿级别的数据量架构如何设计且如何实现要解决这个问题那么咱首先要会大数据处理框架的相关内容这篇文章咱们走进大数据处理的世界首先咱们要理解大数据相关的概念和原理才能很好的使用这些组件和设计大数据处理架构
平凡人笔记·2020-12-30 15:58

联邦学习之一

联邦学习的概念`简单来说，联邦学习是把 不同数据源 的数据 联合训练 ，得到更好的模型``在进行机器学习的过程中，各参与方可以借助其他方数据进行联合建模``各方无需共享数据资源，数据不出本地情况下，进行联合训练
平凡人笔记·2020-12-28 00:51

联邦学习之一

联邦学习的概念`简单来说，联邦学习是把 不同数据源 的数据 联合训练 ，得到更好的模型``在进行机器学习的过程中，各参与方可以借助其他方数据进行联合建模``各方无需共享数据资源，数据不出本地情况下，进行联合训练
平凡人笔记·2020-12-28 00:20

字节跳动隐私保护论文入选 NeurIPS 2020 联邦学习 Workshop

字节跳动在隐私保护上的最新研究，有利于打消联邦学习上对标签数据安全的顾虑，进一步推动隐私计算的发展。
阿遂_Asui·2020-12-25 17:24

字节跳动隐私保护论文入选 NeurIPS 2020 联邦学习 Workshop

字节跳动在隐私保护上的最新研究，有利于打消联邦学习上对标签数据安全的顾虑，进一步推动隐私计算的发展。
阿遂_Asui·2020-12-25 16:52

NeurIPS 2020论文推荐丨Attack of the Tails：利用联邦学习

conf=neurips2020推荐理由：由于其分散的本质，联邦学习（FederatedLearning）在训练过程中容易受到后门形式的对抗性攻击。后门的目标是
AMiner科技·2020-12-24 19:26

京东智联云联邦学习平台有良方

随着互联网业务的不断发展，很多机构都积累了海量的线上数据，充分利用这些数据，进行相关的数据分析、特征挖掘、算法建模是各机构重点发展的方向。然而在大多数行业与企业中，数据是以孤岛形式存在的，由于行业竞争、隐私安全、行政手续复杂等问题，即使是在同一个公司的不同部门之间实现数据整合也面临着重重阻力，在现实中想要将分散在各地、各个机构的数据进行整合几乎是不可能的，或者说所需的成本是巨大的。另一方面，随着大
京东智联云开发者·2020-12-24 17:57

京东智联云联邦学习平台有良方

随着互联网业务的不断发展，很多机构都积累了海量的线上数据，充分利用这些数据，进行相关的数据分析、特征挖掘、算法建模是各机构重点发展的方向。然而在大多数行业与企业中，数据是以孤岛形式存在的，由于行业竞争、隐私安全、行政手续复杂等问题，即使是在同一个公司的不同部门之间实现数据整合也面临着重重阻力，在现实中想要将分散在各地、各个机构的数据进行整合几乎是不可能的，或者说所需的成本是巨大的。另一方面，随着大
京东智联云开发者·2020-12-24 16:26

GTC 火山引擎线上专场 | 解码字节跳动多场景技术内核及应用

活动简介12月19日，GTC智能增长技术专场，火山引擎将以「智能增长」为主题，为大家带来字节跳动在机器学习领域沉淀的技术经验，智能平台、数据智能、语音识别、联邦学习等场景的前沿应用，以及通过火山引擎这一平台在各行业场景的方案落地
字节跳动技术团队·2020-12-16 19:00

逻辑回归模型_联邦学习体系下——逻辑回归模型

联邦学习的体系我们在前期介绍过，这里我们简单回顾一下纵向联邦学习的定义：在两个数据集的用户重叠较多而用户特征重叠较少的情况下，将数据集按照纵向(即特征维度)切分，并取出双方用户相同而用户特征不完全相同的那部分数据进行训练
weixin_39999586·2020-12-16 13:32

FEDAT:A Communication-Efficient Federated Learning Method With Asynchronous Tires Under Non-IID Data

背景目前的联邦学习架构存在着以下问题：流浪者问题(stragglerproblem)：由于数据的异构和通信效率的不一致，中央服务器需要等待最慢的那个设备把数据返回之后才能进行下一轮的训练大量的设备需要将自身的模型参数上传给服务器
クズの本懐·2020-12-11 22:51

【论文笔记】BlockFLA: Accountable Federated Learning via Hybrid Blockchain Architecture

0.关键词混合区块链、超链、以太坊、机器学习、后门攻击、联邦学习、联邦平均1.摘要隐藏训练数据使攻击者有机会向训练好的模型注入后门攻击。
牧心者.·2020-11-25 22:05

联邦学习入门笔记（三）—— 基于差分隐私的FL

本文主要介绍了笔者对于将差分隐私与联邦学习相结合以保护客户端隐私这一类办法的理解。本文首发于我的博客，原文地址请点击这里！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
wenzhu2333·2020-11-21 11:14

【论文】联邦学习&区块链 论文集（一）

\color{#FF0000}1.1.BlockchainedOn-DeviceFederatedLearning关键词：联邦学习、区块链、延迟分析主要贡献：1）用区块链网络来代替中央服务器；2）提供验证和相应的激励机制
牧心者.·2020-11-20 14:26

联邦学习&云计算&边缘计算的应用场景及异同点

本文主要讲解联邦学习与云计算、边缘计算这三种技术的概念以及三者的应用场景及异同点。
京东数科技术说·2020-11-19 13:33

一文读懂联邦学习的前世今生（建议收藏）

前言联邦学习（FederatedLearning）作为人工智能的一个新分支，为机器学习的新时代打开了大门。如果投票问人工智能和大数据应用领域有什么好玩又好用的新技术，“联邦学习”一定是排在前列的。
京东数科技术说·2020-11-17 16:51

只看这三点就够：快速了解联邦学习框架！

近年来，联邦学习(FederatedLearning)井喷式的概念性文章层出不穷，当联邦学习的理念已经逐渐被行业认可到加以重视，从理论走向实践便是一条需要快马加鞭之路。
京东数科技术说·2020-11-16 10:22

【联邦学习】读书笔记（二） 隐私、安全及机器学习

1、面向隐私保护的机器学习英文名：PPML：Privacy-PreservingMachineLearning2、面向隐私保护的机器学习及安全机器学习在机器学习中，敌手被假设违反了机器学习系统的完整性和可用性。在PPML中，敌手被假设违反了机器学习系统的隐私性和机密性。1.完整性。对完整性的攻击可能导致机器学习系统会出现检测错误。2.可用性。对可用性的攻击可能导致系统会出现分类错误。3.机密性。对
牧心.·2020-11-13 23:00
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他