Federated联邦学习第5页

【Mo 人工智能技术博客】联邦学习鲁棒性及相关论文分享

Momodel平台·2023-09-18 22:57

《META KNOWLEDGE CONDENSATION FOR FEDERATED LEARNING》

全文简介作者说，现在的联邦学习都是交换模型参数，但是，这会在服务器和多个客户机之间产生严重的通信负担。

volcanical·2023-09-18 17:30

联邦学习：对“数据隐私保护”和“数据孤岛”困境的破局

作者：vivo互联网安全团队-TuDaxi随着计算力、算法和数据量的巨大发展，人工智能迎来第3次发展高潮，开始了各行业的落地探索。然而，在“大数据”兴起的同时，更多行业应用领域中是“小数据”或者质量很差的数据。“数据孤岛”现象广泛存在，例如在信息安全领域的应用中，虽然多家企业推出了基于人工智能技术的内容安全审核、入侵检测等安全服务，但出于用户隐私和商业机密的考虑，企业之间很难进行原始数据的交换，各

·2023-09-11 11:54

Ensemble distillation for robust model fusion in federated learning论文笔记

本文将集成蒸馏运用在联邦学习的模型融合中，并且可以通过未标记的数据或者生成器生成的数据（例如gan）来进行进行模型融合。这让不同客户端的模型异构的前提下，降低了数据隐私泄露的程度。

Zoran_卓·2023-09-11 06:04

"联邦学习"和它的朋友们

最近，我们所从事的行业领域“联邦学习”异常火热，“上云用数赋智”、“数据成为生产要素之一”、“新基建之一的大数据”……我有时候给同行和非同行讲述各行各业都需要用到我们这个技术，来保证企业生产提效过程中使用数据的安全

hellompc1·2023-09-10 08:06

IJCAI 2023 直播预告| 8月31日

哔哩哔哩直播通道扫码关注AITIME哔哩哔哩官方账号预约直播15:00—15:20廖馨婷基于双曲空间探索的非独立同分布联邦学习15:20—15:40吴南楠面向不平衡医学数据的联邦带噪学习15:40—16

AITIME论道·2023-09-09 13:29

论文周报 | 推荐系统领域最新研究进展

机器学习与推荐算法·2023-09-09 12:42

联邦学习：对“数据隐私保护”和“数据孤岛”困境的破局

作者：vivo互联网安全团队-TuDaxi随着计算力、算法和数据量的巨大发展，人工智能迎来第3次发展高潮，开始了各行业的落地探索。然而，在“大数据”兴起的同时，更多行业应用领域中是“小数据”或者质量很差的数据。“数据孤岛”现象广泛存在，例如在信息安全领域的应用中，虽然多家企业推出了基于人工智能技术的内容安全审核、入侵检测等安全服务，但出于用户隐私和商业机密的考虑，企业之间很难进行原始数据的交换，各

vivo互联网技术·2023-09-07 18:26

mysql在linux下查看my.cnf位置的方法

locatemy.cnf/etc/my.cnf/usr/local/mysql/mysql-test/include/default_my.cnf/usr/local/mysql/mysql-test/suite/federated

Avery_up·2023-09-05 16:32

mysql基于federated存储引擎访问远程数据库表

如果是想在代码中做双数据源配置，可以查看我的另一篇文章：SpringMVC双数据源配置今天我这边要讲的是另一种方式，mysql基于federated存储引擎访问远程数据库表。

名字全都被占用了·2023-09-05 11:48

深入理解联邦学习——联邦学习与现有理论的区别与联系

分类目录：《深入理解联邦学习》总目录作为一种全新的技术，联邦学习在借鉴一些成熟技术的同时也具备了一定的独创性。下面我们就从多个角度来阐释联邦学习和其他相关概念之间的关系。

von Neumann·2023-09-05 07:26

深入理解联邦学习——联邦学习的分类：基础知识

分类目录：《深入理解联邦学习》总目录在实际中，孤岛数据具有不同分布特点，根据这些特点，我们可以提出相对应的联邦学习方案。下面，我们将以孤岛数据的分布特点为依据对联邦学习进行分类。

von Neumann·2023-09-05 04:17

Efficient Participant Contribution Evaluation forHorizontal and Vertical Federated Learning

论文链接：https://ieeexplore.ieee.org/abstract/document/9835159?casa_token=tAKz5UFwHcQAAAAA:Dpab22Nq0_aH7wRk1eHImK47y3uVjp7ocsZ8U2DvavpL_OvQxPt1T1qgTM3qWH3SSr3Xk3ii99eC中国科学技术大学计算机科学与技术学院IEEEICDE2022.(CCF推荐

白兔1205·2023-09-04 08:45

Privacy-Preserving federated learning An application for big data load forecast in buildings

S0167404823001219loadforecastinbuildings-ScienceDirect摘要：说明背景：大数据分析和预测的重要地位存在问题：负荷预测模型需要消耗大量的关键词：足够种类的数据才能达到高精度，同时这些数据是敏感的;带宽消耗提出使用联邦学习

白兔1205·2023-09-04 08:15

MySQL存储引擎InnoDB与Myisam的六大区别

摘要:MySQL有多种存储引擎，每种存储引擎有各自的优缺点，可以择优选择使用：MyISAM、InnoDB、MERGE、MEMORY(HEAP)、BDB(BerkeleyDB)、EXAMPLE、FEDERATED

隔壁老码农·2023-09-02 14:30

最详细完整版综述论文翻译“Advances and Open Problems in Federated Learning”

AdvancesandOpenProblemsinFederatedLearning”翻译分享AdvancesandOpenProblemsinFederatedLearning这篇论文全面调研和概述了联邦学习中的最新进展和开放问题

YWENROU-·2023-09-02 10:58

Paper推荐｜「隐私集合求交PSI系列」奖励升级，有机会提名隐语社区之星

“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。

·2023-09-01 11:39

隐语纵向联邦 SecureBoost Benchmark白皮书

“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。

·2023-08-31 17:33

移动边缘网络中联邦学习效率优化综述

摘要：联邦学习将模型训练任务部署在移动边缘设备，参与者只需将训练后的本地模型发送到服务器参与全局聚合而无须发送原始数据，提高了数据隐私性．解决效率问题是关键设备与服务器之间的通信消耗——通信——通信具体来说

Zh1N1an·2023-08-31 05:04

001 A Comprehensive Survey of Privacy-preserving Federated Learning（便于寻找：FedAvg、垂直联邦学习的基本步骤）

这是我看的第一篇关于联邦学习的论文，综述文章，让我对联邦学习有了初步的了解。

联邦调查局石大分局·2023-08-31 05:30

联邦学习FedAvg-基于去中心化数据的深度网络高效通信学习

为解决上述问题，谷歌提出了联邦学习（FL，federatedlearni

山科智能信息处理实验室·2023-08-31 05:56

联邦学习fate框架入门

1.拉取镜像dockerpullfederatedai/standalone_fate:1.7.02.启动容器dockerrun-d-it--namefate-p8080:8080federatedai/standalone_fate:1.7.0/bin/bash3.进入容器dockerexec-itfate/bin/bash4.训练模型4.1准备一份csv文件也可以用容器内的样例数据，目录在/d

Young_____Hu·2023-08-30 01:49

MySQL数据库的存储引擎【InnoDB&MyISAM】

数据库的存储引擎MySQL有多种存储引擎，每种存储引擎有各自的优缺点，可以择优选择使用：MyISAM、InnoDB、MERGE、MEMORY(HEAP)、BDB(BerkeleyDB)、EXAMPLE、FEDERATED

Naijia_OvO·2023-08-29 15:57

隐语小课｜两方安全计算ABY2.0 高效的2PC协议

“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。

·2023-08-29 10:30

【联邦学习+区块链】Blockchain-based decentralized federated learning: A secure and privacy-preserving system

文章目录INTRODUCTIONTHEFRAMEWORKOFBFLSPA.WorkingFlowofBFLSPB.BlockDivisionandStorageStructureC.ScoringMechanismD.NodeElectionMechanismCONCLUSION论文地址：https://www.researchgate.net/profile/Endong-Tong/public

WuwuwuwH_·2023-08-28 16:06

1.7 【MySQL】常用存储引擎

MySQL支持非常多种存储引擎，我这先列举一些：存储引擎描述ARCHIVE用于数据存档（行被插入后不能再修改）BLACKHOLE丢弃写操作，读操作会返回空内容CSV在存储数据时，以逗号分隔各个数据项FEDERATED

柯西极限存在准则·2023-08-26 03:49

Mysql的引擎有哪些？支持事物么？DB储存引擎有哪些？

MySQL有多种存储引擎，每种存储引擎有各自的优缺点，可以择优选择使用：MyISAM、InnoDB、MERGE、MEMORY(HEAP)、BDB(BerkeleyDB)、EXAMPLE、FEDERATED

辰辰·2023-08-25 12:27

联邦学习：对“数据隐私保护”和“数据孤岛”困境的破局

作者：vivo互联网安全团队-TuDaxi随着计算力、算法和数据量的巨大发展，人工智能迎来第3次发展高潮，开始了各行业的落地探索。然而，在“大数据”兴起的同时，更多行业应用领域中是“小数据”或者质量很差的数据。“数据孤岛”现象广泛存在，例如在信息安全领域的应用中，虽然多家企业推出了基于人工智能技术的内容安全审核、入侵检测等安全服务，但出于用户隐私和商业机密的考虑，企业之间很难进行原始数据的交换，各

·2023-08-24 12:12

干货分享：可证明安全的隐私计算

“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。

·2023-08-24 11:54

隐私计算技术解读 | 一文读懂SealPIR-基于同态的隐私信息检索协议

“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。

·2023-08-21 11:25

隐私计算技术｜深度解读可信隐私计算框架“隐语

“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。

·2023-08-18 15:46

MySQL跨服务器查询

跨服务查询mysql跨服务器进行查询提供了FEDERATED引擎进行映射表，然后进行查询。mysql数据库federated引擎是默认关闭的，需要先启用该引擎。

少年的白日梦·2023-08-18 12:15

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。

·2023-08-17 17:47

纵向联邦学习-HeteroBoosting

定义在数据集上具有相同的样本空间、不同的特征空间的参与方所组成的联邦学习归类为纵向联邦学习（VerticalFederatedLearning，VFL），也可以理解为按特征划分的联邦学习。

Gary134·2023-08-16 22:54

【论文笔记】A survey on security and privacy of federated learning（综述）

我的博客园：https://www.cnblogs.com/MaplesWCT/AsurveyonsecurityandprivacyoffederatedlearningAuthorsViraajiMothukuri,RezaM.Parizi,SeyedaminPouriyeh,YanHuang,AliDehghantanha,GautamSrivastavaKeywordsArtificial

你的莽莽没我的好吃·2023-08-16 18:53

如何在三至六个月写一篇联邦学习领域的论文？

一、选题并制定时间计划首先，在选择联邦学习领域的研究课题时，要确保选择一个具有研究价值、切实可行的课题。

一个路过的小码农·2023-08-13 05:26

大模型的数据隐私问题有解了，浙江大学提出联邦大语言模型

而面对着公共领域数据的稀缺性以及私有领域的数据隐私问题，联邦学习（FederatedLearning）作为一种分布式的机器学习框架吸引了许多关注。

夕小瑶·2023-08-11 19:48

Mysql存储引擎InnoDB

一、存储引擎的简介MySQL5.7支持的存储引擎有InnoDB、MyISAM、Memory、Merge、Archive、Federated、CSV、BLACKHOLE等。

Jun South·2023-08-08 07:55

对联邦学习的威胁、攻击和防御：问题、分类和观点

对联邦学习的威胁、攻击和防御：问题、分类和观点文章目录对联邦学习的威胁、攻击和防御：问题、分类和观点FL的挑战（FederalLearning)异构化的挑战通信的挑战安全与隐私威胁的挑战数据和行为审计阶段威胁模型攻击防御训练阶段隐私推理攻击

rebibabo·2023-08-05 20:49

基于联邦学习中毒攻击的防御策略

文章目录联邦学习简介FL（federallearning)和模型中毒攻击的背景针对模型中毒攻击的防御策略局部模型更新的评估方法基于光谱异常检测的方法（SpectralAnomalyDetectionBasedMethod

rebibabo·2023-08-05 20:48

概念解析 | AutoFed:面向异构数据的联邦多模态自动驾驶的学习框架

本次辨析的概念是:面向异构数据的联邦学习在自动驾驶中的应用。

R.X. NLOS·2023-08-05 18:50

关于数据要素、联邦学习在保护隐私数据方面、数据要素溯源的调研

一、隐私要素概括1、隐私计算隐私计算过程中常用的保护隐私的方法有数据匿名化、数据脱敏、差分隐私、联邦学习和多方安全计算。数据匿名化：数据匿名化就是删除与数据对应身份相关的信息，即去标识化。

贪睡的蜗牛·2023-08-05 15:05

Heterogeneity-Aware Federated Learning with Adaptive Client Selection and Gradient Compression

参考链接：INFOCOM2023|异构感知的联邦学习框架设计被CCF推荐A类国际会议IEEEInternationalConferenceonComputerCommunications(INFOCOM2023

白兔1205·2023-08-04 04:10

Revisiting Personalized Federated Learning:Robustness Against Backdoor Attacks

ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining2023秦泽钰，香港科技大学计算机科学与工程系博士生，联邦学习中个性化的额外增益：对于后门攻击的鲁棒性

白兔1205·2023-08-04 04:10

《Federated Unlearning via Active Forgetting》论文精读

这种担忧也出现在联邦学习领域，促使研究⼈员解决联邦遗忘学习问题。然⽽，联邦遗忘仍然具有挑战性。现有的遗忘⽅

GCTTTTTT·2023-08-02 04:07

《FedCG：Leverage Conditional GAN for ProtectingPrivacy & MaintainingCompetitivePerformance in FL》论文精读

LeverageConditionalGANforProtectingPrivacyandMaintainingCompetitivePerformanceinFederatedLearning（《FedCG:利用条件生成对抗网络在联邦学习中保护隐私并保持模型性能

GCTTTTTT·2023-08-02 04:06

《Deep Leakage from Gradients》

DeepLeakagefromGradients摘要现在的分布式机器学习，或联邦学习中最常用的一种方法就是交换梯度，长期以来人们都认为交换梯度的安全的，但是本文提出从公开共享的梯度中获得私有训练数据是可能的

volcanical·2023-07-30 10:34

论文笔记--FEDERATED LEARNING: STRATEGIES FOR IMPROVING COMMUNICATION EFFICIENCY

论文笔记--FEDERATEDLEARNING:STRATEGIESFORIMPROVINGCOMMUNICATIONEFFICIENCY1.文章简介2.文章概括3文章重点技术3.1联邦学习(federatedlearning

Isawany·2023-07-28 09:43

【技术博客】纵向联邦学习简介及实现

B希望能够将他所独有的特征信息与A所独有的特征信息相结合，训练出一个更强大的识别客户信用风险的模型，但由于不同行业之间的行政手续，用户数据隐私安全等因素，企业A，B无法直接互通数据，联邦学习应运而生。

MomodelAI·2023-07-24 06:39

【联邦学习+区块链】A Blockchain-based Decentralized Federated Learning Framework with Committee Consensus

文章目录1.Introduction2.TheproposedframeworkA.BlockchainStorgeB.CommitteeConsensusMechanismC.ModelTraining3.DiscussionA.NodemanagementandincentiveB.CommitteeElectionC.MaliciousNodesD.StorgeOptimization4.E

WuwuwuwH_·2023-07-21 03:44

推荐频道

Federated联邦学习

【Mo 人工智能技术博客】联邦学习鲁棒性及相关论文分享

《META KNOWLEDGE CONDENSATION FOR FEDERATED LEARNING》

联邦学习：对“数据隐私保护”和“数据孤岛”困境的破局

Ensemble distillation for robust model fusion in federated learning论文笔记

"联邦学习"和它的朋友们

IJCAI 2023 直播预告| 8月31日

论文周报 | 推荐系统领域最新研究进展

联邦学习：对“数据隐私保护”和“数据孤岛”困境的破局

mysql在linux下查看my.cnf位置的方法

mysql基于federated存储引擎访问远程数据库表

深入理解联邦学习——联邦学习与现有理论的区别与联系

深入理解联邦学习——联邦学习的分类：基础知识

Efficient Participant Contribution Evaluation forHorizontal and Vertical Federated Learning

Privacy-Preserving federated learning An application for big data load forecast in buildings

MySQL存储引擎InnoDB与Myisam的六大区别

最详细完整版综述论文翻译“Advances and Open Problems in Federated Learning”

Paper推荐｜「隐私集合求交PSI系列」奖励升级，有机会提名隐语社区之星

隐语纵向联邦 SecureBoost Benchmark白皮书

移动边缘网络中联邦学习效率优化综述

001 A Comprehensive Survey of Privacy-preserving Federated Learning（便于寻找：FedAvg、垂直联邦学习的基本步骤）

联邦学习FedAvg-基于去中心化数据的深度网络高效通信学习

联邦学习fate框架入门

MySQL数据库的存储引擎【InnoDB&MyISAM】

隐语小课｜两方安全计算ABY2.0 高效的2PC协议

【联邦学习+区块链】Blockchain-based decentralized federated learning: A secure and privacy-preserving system

1.7 【MySQL】常用存储引擎

Mysql的引擎有哪些？支持事物么？DB储存引擎有哪些？

联邦学习：对“数据隐私保护”和“数据孤岛”困境的破局

干货分享：可证明安全的隐私计算

隐私计算技术解读 | 一文读懂SealPIR-基于同态的隐私信息检索协议

隐私计算技术｜深度解读可信隐私计算框架“隐语

MySQL跨服务器查询

什么是隐私计算？隐私计算技术路线

纵向联邦学习-HeteroBoosting

【论文笔记】A survey on security and privacy of federated learning（综述）

如何在三至六个月写一篇联邦学习领域的论文？

大模型的数据隐私问题有解了，浙江大学提出联邦大语言模型

Mysql存储引擎InnoDB

对联邦学习的威胁、攻击和防御：问题、分类和观点

基于联邦学习中毒攻击的防御策略

概念解析 | AutoFed:面向异构数据的联邦多模态自动驾驶的学习框架

关于数据要素、联邦学习在保护隐私数据方面、数据要素溯源的调研

Heterogeneity-Aware Federated Learning with Adaptive Client Selection and Gradient Compression

Revisiting Personalized Federated Learning:Robustness Against Backdoor Attacks

《Federated Unlearning via Active Forgetting》论文精读

《FedCG：Leverage Conditional GAN for ProtectingPrivacy & MaintainingCompetitivePerformance in FL》论文精读

《Deep Leakage from Gradients》

论文笔记--FEDERATED LEARNING: STRATEGIES FOR IMPROVING COMMUNICATION EFFICIENCY

【技术博客】纵向联邦学习简介及实现

【联邦学习+区块链】A Blockchain-based Decentralized Federated Learning Framework with Committee Consensus