Federated联邦学习

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
联邦学习·2023-02-18 15:43

2020-04-13

联邦学习论文《AdvancesandOpenProblemsinFederatedLearning》文章对联邦学习的定义：联邦学习是多个实体（clients）在一个中央服务器或服务提供方的协调下，协作解决机器学习问题的机器学习设定
Ashinhuang·2023-02-17 12:38

2020-07-07：mysql如何实现跨库join查询？

使用federated引擎。在机器A上的数据库A中建一个表B。建表语句示例：CREATETABLEtable_name(…)ENGINE=FEDERATEDCONNECTION=‘mysq
福大大架构师每日一题·2023-02-17 04:08

联邦GNN综述与经典算法介绍

作者：京东科技李杰联邦学习和GNN都是当前AI领域的研究热点。联邦学习的多个参与方可以在不泄露原始数据的情况下，安全合规地联合训练业务模型，目前已在诸多领域取得了较好的结果。
·2023-02-16 20:34

【论文速递】ICCCS2022 - FedMMD：基于多教师和多特征蒸馏的异构联邦学习

【论文速递】ICCCS2022-FedMMD：基于多教师和多特征蒸馏的异构联邦学习【论文原文】：FedMMD:HeterogenousFederatedLearningbasedonMulti-teacherandMulti-featureDistillation
長__安·2023-02-06 08:00

【论文速递】ICCCS2022 - FedMMD：基于多教师和多特征蒸馏的异构联邦学习

【论文速递】ICCCS2022-FedMMD：基于多教师和多特征蒸馏的异构联邦学习【论文原文】：FedMMD:HeterogenousFederatedLearningbasedonMulti-teacherandMulti-featureDistillation
長__安·2023-02-06 08:30

隐私计算FATE-核心概念与单机部署

一、说明Fate是一个工业级联邦学习框架，所谓联邦学习指的就是可以联合多方的数据，共同构建一个模型；与传统数据使用方式相比，它不需要聚合各方数据搭建数据仓库，联邦学习在联合计算建模的过程中，多方机构之间的数据是不会进行共享的
zlt2000·2023-02-06 02:28

FedAvg--联邦学习最基础算法

分布式机器学习采用client-server架构(或master-slave架构),联邦学习则不一样，它需要考虑系统异构性统计异构性(non-IID)数据隐私FedAvg兼顾了通信开销和收敛率问题，具体过程如下
欧阳AI锋·2023-02-04 13:09

Batch Normalization在联邦学习中的应用

回想一下联邦学习（FL）中的FedAvg，这个算法是将每个参与方的模型的所有参数进行加权平均聚合，包括BatchNormalization（BN）的参数。再回顾一下BN。
联邦学习小白·2023-02-04 11:51

联邦持续学习——Federated Weighted Inter-client Transfer(FedWeIT)

联邦持续学习的目的联邦持续学习意在将联邦学习和持续学习相结合，以解决“每个客户端从私有本地数据流中学习一系列任务，不同客户端之间也可以互相借鉴彼此已有的知识以增强自身的学习效果”的场景，目前这方面的研究还很少
联邦学习小白·2023-02-04 11:51

pytorch中model.parameters()和model.state_dict()使用时的区别

联邦学习模拟实验中涉及模型参数的聚合和广播，需要提取模型参数。这个时候一般有两个选择，model.parameters()和model.state.dict()。
联邦学习小白·2023-02-04 11:50

联邦学习（一）基础概述

哔站视频简介：什么是联邦学习（FederatedLearning）？
游星凌·2023-02-02 17:11

联邦学习part1概述

1.联邦学习定义：联邦学习是利用分散在各参与方的数据集，通过隐私保护技术融合多方数据信息，协同构建全局模型的一种分布式训练方式。
kkcodeer·2023-02-02 17:37

联邦学习(Federated Learning)概述

概念本质：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。目标：联邦学习的目标是在保证数据隐私安全及合法合规的基础上，实现共同建模，提升AI模型的效果。
flyzer·2023-02-02 17:32

《联邦学习实战》杨强 读书笔记二——联邦学习概述

目录联邦学习的定义联邦学习的分类按照数据样本空间以及特征空间的关系根据协调方式联邦学习的定义联邦学习是利用分散在各参与方的数据集，通过隐私保护技术融合多方数据信息，协同构建全局模型的一种分布式训练方式。
超威橘猫·2023-02-02 17:59

(隐私计算)联邦学习概述

一、是什么概念联邦学习（FederatedLearning，FELE）是一种打破数据孤岛、释放AI应用潜能的分布式机器学习技术，能够让联邦学习各参与方在不披露底层数据和底层数据加密（混淆）形态的前提下，
Mr.Lee jack·2023-02-02 17:28

第一章 隐私计算科普与解读

前言提醒：全文10千字，预计阅读时长15分钟；读者：对隐私计算感兴趣的小伙伴；目的：读者利用15~30分钟对本文沉浸式阅读理解，能够掌握隐私计算80%的概念；关键词：隐私计算、多方安全计算、联邦学习、同态加密
书香度年华·2023-02-02 16:46

机器学习-联邦学习安全方面的论文汇总

1、最先由谷歌提出联邦学习的概念KONEČNÝJ,MCMAHANHB,RAMAGED,etal.Federatedoptimization:distributedmachinelearningforon-deviceintelligence
河大吴彦祖·2023-02-02 14:05

【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。
MoModel·2023-02-02 14:04

纵向联邦学习及相关算法

二.纵向联邦学习简单一句话介绍：纵向联邦学习的参与方是用户群体相同，特征空间不同（比如同一地区的银行和电商平台）纵向联邦学习步骤对齐共同用户（不暴露各自数据）加密模型训练（1）C创建密钥对，将公钥发送给
sean xiao。·2023-02-02 14:03

【纵向联邦】学习

联邦学习笔记刘洋丨联邦学习的技术挑战和应用展望杨强丨用户隐私，数据孤岛和联邦学习【20220709隐私计算峰会】刘洋丨联邦学习的技术挑战和应用展望防御方法比较：DifferentialPrivacy（DP
LilaLenu·2023-02-02 14:02

【机器学习】横向联邦学习&纵向联邦学习区别

文章目录背景简介横向联邦学习纵向联邦学习参考背景简介现实生活中，除了少数巨头公司能够满足，绝大多数企业都存在数据量少，数据质量差的问题，不足以支撑人工智能技术的实现；同时国内外监管环境也在逐步加强数据保护
杨小浩浩hh·2023-02-02 14:02

横向联邦学习（Horizontal Federated Learning）VS 纵向联邦学习（Vertical Federated Learning）

1.横向联邦学习：适用于参与者的数据特征维度重叠较多的情形：目的：增加训练数据的数据量例如甲医院有患者：A，B，C；乙医院有患者C，D，F这六位患者，甲乙医院都有患者的身高，体重，血压，心跳等信息，那么进行联邦学习一个判断患者健康状况的模型时
归遇卿·2023-02-02 14:02

隐私计算--23--纵向联邦学习

一、纵向联邦学习的定义纵向联邦学习（VFL）一般是适用于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场景，纵向联邦学习也可以理解为按特征划分的联邦学习。
武天旭·2023-02-02 14:31

联邦学习（电子工业出版社）——读书笔记（4）

第五章纵向联邦学习纵向联邦学习的定义把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纳为纵向联邦学习（VerticalFederatedLearning,VFL），也可以理解为按特征划分的联邦学习
超威橘猫·2023-02-02 14:01

联邦学习FL

联邦学习概念跨设备联邦学习跨机构联邦学习事件驱动VS面向过程FederatedScope架构Woker模块：Server/ClientWoker模块：Trainer/AggregatorWoker模块：
柒拾柒_L·2023-02-02 09:08

多方安全计算简介

诸多厂商开始采用联邦学习技术来增强机器学习应用中对数据的隐私保护，但是联邦学习的安全性对于某些隐私保护机器学习的应用是不够的。
火墩墩·2023-02-02 09:06

干扰管理学习日志9-------强化学习_联邦学习_功率分配

目录一、文章概述二、系统环境三、理论模型1.系统目标2.公式推导四、应用算法1.顶层设计2.强化学习(1)输入状态(2)输出动作(3)环境反馈3.联邦学习4.伪代码五、性能表征1.泛化性本文是对论文《TransmitPowerControlforIndoorSmallCells
@白圭·2023-02-01 16:28

【技术博客】面向大规模的联邦学习：系统设计

摘要联邦学习是一种分布式的机器学习方法，可以对大量分散在移动设备上的数据进行训练，而在实现时，则会遇到许多问题。因此，如何设计一个系统这个问题就会自然而然产生。
MomodelAI·2023-01-31 06:42

AI最热词汇“联邦学习”最新舆情

今年以来，特别是数据被纳入生产要素，数据安全领域一个最时髦的词汇“联邦学习”进入了各行各业的视野。
hellompc1·2023-01-30 23:38

联邦学习论文阅读

最近阅读了两篇关于联邦学习的论文，《Communication-EfficientLearningofDeepNetworksfromDecentralizedData》和《FedMDHeterogenousFederatedLearningviaModelDistillation
Septieme·2023-01-30 23:39

联邦学习-fedavg_trainer

FedAVGTrainerimporttorchimporttorchastimporttqdmimportnumpyasnpfromtorch.utils.dataimportDataLoaderfromfederatedml.framework.homo.aggregator.secure_aggregatorimportSecureAggregatorClientasSecureAggCli
MMM881·2023-01-30 16:20

完整的模型训练套路（pytorch）

（联邦学习笔记，资料来源于b站小土堆）训练模板1、准备数据集2、获取数据集长度，可以用来辅助计算精确度3、加载数据集（DataLoader）4、搭建网络模型（一般单独一个python文件）5、创建网络模型
沉睡中的主角·2023-01-30 13:44

联邦学习在光大科技的落地应用

数据是新时代的驱动引擎，在人工智能越来越重要的今天，拥有海量数据关乎成败。由于数据是由不同机构、企业、部门产生并拥有的，传统的汇集数据再进行加工处理和价值挖掘的模式已经不再适应时代发展的要求。随着社会的发展，用户隐私和数据安全的关注度正不断提高。2020年被认为是隐私保护计算技术应用爆发的元年。近期颁布施行的《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》更是数据安全和个人信息保护合
博文视点·2023-01-29 10:15

横向联邦学习的挑战与展望

《联邦学习》读书笔记当前已经有许多横向联邦学习的商业落地应用案例，例如由谷歌在移动设备上使用的横向联邦学习构建用户输入下一个词预测模型，即谷歌输入法Gboard。
非文的NLP修炼笔记·2023-01-29 10:43

在docker中安装联邦学习fedml框架

在docker中安装联邦学习fedml框架这里主要介绍docker容器跨物理机的分布式fedml的安装方法fedml的官方安装教程：http://doc.fedml.ai/#/installation-distributed-computing
喊我猴哥·2023-01-29 08:56

安装虚拟机+复制粘贴+文件共享+FedML在虚拟机上的安装教程

我是联邦学习小白，希望找到做节点激励机制的大佬请教一些问题我的电脑是windows的，所以需要加VMware,我想记录一下整体的安装过程。
King Bob!!·2023-01-29 08:25

FedML联邦机器学习框架正式开源！

近日，美国南加州大学USC联合MIT、Stanford、MSU、UW-Madison、UIUC以及腾讯、微众银行等众多高校与公司联合发布了FedML联邦学习开源框架。FederatedLearnin
qq_41268683·2023-01-29 08:25

windows10 安装FedML

最近老师推荐了一个联邦学习平台，是何朝阳团队开发的FedML。FedML最近三天一直在弄安装这个平台的事情，记录一下出过的问题。
Mathilda.Shelby·2023-01-29 08:24

FedML联邦机器学习框架正式开源，助力算法开发和性能比较

FederatedLearning联邦学习是机器学习领域中快速发展的研究领域。
PaperWeekly·2023-01-29 08:24

联邦学习基于fedml的编程

先部署何老师的fedml框架，然后了解每一部分的作用我也是纯新手，希望研究联邦学习的朋友们看见这篇文可以联系我加好友一起学习这个文件夹是代表联邦学习两大场景，“跨设备cross-device”，“跨孤岛
King Bob!!·2023-01-29 08:54

联邦学习FedML伪分布式环境搭建实战

一、硬件环境虚拟机版本：VMware_16.0.0操作系统版本：Ubuntu18.04.2LTS（注意内存一定要开到8G以上，不然后面在执行样例时进程会被Killed）Python版本：3.7.4二、下载框架github地址：https://github.com/FedML-AI/FedML将整个包下载并解压自己的用户目录三、开始安装可以进入到CI-install.sh所在目录直接运行脚本安装(不
KylinMoriarty·2023-01-29 08:54

《联邦学习》——个人笔记（三）

第三章分布式机器学习3.1分布式机器学习介绍3.1.1分布式机器学习的定义分布式机器学习（DistributedMachineLearning,DML）,是指利用多个计算节点进行机器学习或者深度学习的算法和系统，旨在提高性能、保护隐私，并可扩大至更大规模的训练和更大的模型。DML可以分为两类：面向扩展性的DML和面向隐私保护的DML。面向扩展性的DML是指用来解决不断增长的扩展性和计算需求问题的机
Lavender_LoveQaQ·2023-01-28 20:43

FedReID: 联邦学习在行人重识别上的首次深入实践

联邦学习是一种保护隐私的分布式训练方法，可以应用到行人重识别上，以解决这个问题。但是在现实场景中，将联邦学习应用到行人重识别上因为数据异构性，会导致精度下降和收敛的问题。
闭眼卖布·2023-01-28 20:43

阅读笔记（Communication-Efficient Learning of Deep Networks from Decentralized Data）

联邦学习（联合学习）的提
你看见的我·2023-01-28 20:12

（阅读笔记）联邦安全聚合

联邦学习场景下的安全聚合协议设计动机协议设计过程安全聚合协议参考文献设计动机联邦学习场景下设计安全聚合协议的动机：处理高维参数或梯度向量；降低传输通信开销；应对用户中途退出鲁棒；用户隐私安全；协议设计过程一重掩码用户
你看见的我·2023-01-28 20:12

Practical Secure Aggregation for Privacy-Preserving Machine Learning论文阅读笔记

提出了一种安全聚合算法，SecureAggregation算法，可以使得在多方学习（如联邦学习）中各方client在不暴露各自梯度的情况下实现梯度的聚合。
SXxtyz·2023-01-28 20:11

联邦学习 | 如何使得模型训练精度不受影响的同时，数据隐私也不泄露呢？

在上一节《联邦学习|基于加噪的隐私保护算法》我们讲到了可以使用差分隐私训练算法来保护数据隐私，并且其主要的原理是对敏感数据（模型的权重或更新的梯度）进行加噪来隐藏真实的值。
昇思MindSpore·2023-01-28 20:41

差分隐私相关论文集合

放一个论文合集1、基于梯度的联邦学习方法，往往通过在每次迭代中随机地扰动中间输出来应用差分隐私（也就是说在联邦学习的过程不会暴露是否使用某个特定的样本信息）①DWORKC,ROTHA.Thealgorithmicfoundationsofdifferentialprivacy
河大吴彦祖·2023-01-28 14:05

【论文阅读】一种包含同态加密、差分隐私、多方安全计算的FL隐私保护框架 Efficient and Privacy-Enhanced Federated Learning for Industrial

本文来自：EfficientandPrivacy-EnhancedFederatedLearningforIndustrialArtificialIntelligence本文提出了一种包含同态加密、差分隐私、多方安全计算的FL隐私保护框架。目录FLrelatedworkpreliminariesDeeplearning的差分隐私MethodologyFL大家都知道，就不写了~relatedwork
学渣渣渣渣渣·2023-01-28 14:04
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他