联邦学习最早由Google提出,是一种有着很多应用前景的机器学习概念。这篇文章用漫画的形式,不仅仅向我们展示了有趣的联邦学习知识,更在其中贯穿了互联网公司和程序员的日常百态,也给读者以宏观的角度去理解产品落地的思维逻辑。以下,enjoy:
*安全聚合是一种用于计算带掩码的矢量 (比如模型里的权重) 之和的交互式加密协议。它会调整数据对中的随机掩码,使得当输入的数据足够多时,让这些掩码最终相互抵消,从而计算出最终结果 (如一套计算模型的更新量)。
Practical Secure Aggregation for Privacy-Preserving Machine Learning
https://ai.google/research/pubs/pub47246
*出自《白鲸记》
- 联盟学习与分析基于多个领域的丰富研究成果,包括分布式优化、机器学习以及隐私研究。而且借鉴了很多系统和工具的灵感,比如用于分布式计算的 MapReduce,用于机器学习的 TensorFlow 以及用于隐私保护与分析的 RAPPOR。使用联盟学习来训练深度网络的论述最早由 Google AI 研究人员于 2016 年发表。
Communication-Efficient Learning of Deep Networks from Decentralized Data