- 博客(19)
- 收藏
- 关注
RSS订阅原创 019 Budget-Bounded Incentives for Federated Learning（激励机制）
我们展示了基于影响力的方案如何既能保证激励预算与联邦学习模型的价值成比例有界，又能保证真实报告数据是参与者的主导策略。
2022-06-29 09:51:18
280
1
原创 018 A Gamifified Research Tool for Incentive Mechanism Design in Federated Learning（多人游戏平台 激励机制）
介绍了一种多人游戏平台：允许人类玩家在各种条件下扮演FL参与者的突发行为影响工具。它可以用于引出FL中的人类行为模式，并识别拟议激励方案中的潜在漏洞。在了解了行为模式之后，FedGame反过来可以根据真实的决策模式进一步检验任何给定激励方案的竞争力。目的：通过有效和公平的激励计划，激励参与者贡献高质量数据。...
2022-06-29 09:46:52
303
原创 017 Two-Phase Multi-Party Computation Enabled Privacy-Preserving Federated Learning（安全多方计算 通信）
提出一个两阶段机制：①选举一个小委员会②通过委员会向更多的参与者提供MPC支持的模型聚合服务。
2022-06-29 09:44:52
658
原创 016 A Principled Approach to Data Valuation for Federated Learning（评价 federated shapley value）
方法：提出federatedshapleyvalue：①保留了规范SV的理想特性②可以在不产生额外通信成本的情况下进行计算③能够捕获参与顺序对数据值的影响
2022-06-29 09:39:43
413
原创 015 Efficient and Fair Data Valuation for Horizontal Federated Learning（评价指标 Shapley Value、CI）
采用Shapley Value——>机器学习中数值评估方案需要在所有数据集组合上训练额外的模型，计算成本很高。——>改进：使用梯度训练单个模型，而不是从零开始训练指数数量的模型
2022-06-29 09:34:20
517
原创 014 A Peer-to-Peer Payment System for Federated Learning(FedCoin:联邦学习点对点支付系统 区块链 Shapley Value)
FedCoin
2022-06-29 09:31:29
2983
原创 013 Dealing with Label Quality Disparity in Federated Learning（联邦学习中标签质量差异的处理）
联邦学习中标签质量差异的处理
2022-06-29 09:22:08
415
原创 012 Federated Soft Gradient Boosting Machine for Streaming Data（用于流数据的联邦软梯度提升机）
软梯度增强机（sGBM）：是第一个可以同时对所有基础学习者进行训练的可微分梯度增强系统，极大地提高了训练效率。——>sGBM将多个可微基础学习器连接在一起，并注入了来自梯度提升的局部和全局目标。由于整个结构是可微的，所有基础学习器可以联合优化，与原始的GBM相比，实现线性加速。当使用可微决策树作为基础学习器时，这种设备可以被视为（硬）梯度决策树（GBDT）的替代版本，具有额外的好处，特别是在处理流数据方面。...
2022-06-29 09:19:09
245
原创 011 Towards Byzantine-Resilient Federated Learning via Group-Wise Robust Aggregation（群体鲁棒聚合、拜占庭）
通过群体鲁棒聚合进行拜占庭式弹性的联邦学习
2022-06-29 09:15:30
437
原创 010 Large-Scale Kernel Method for Vertical Federated Learning（垂直联邦学习大规模核方法）
面向垂直联邦学习的大规模核方法
2022-06-29 09:12:10
410
原创 009 PFA: Privacy-preserving Federated Adaptation for Effective Model Personalization（联邦个性化 自适应）
方法：提出PFA（实现隐私保护的联邦自适应框架）：利用神经网络的稀疏性来生成隐私保护的表示，并使用它们来有效地识别具有相似数据分布的客户端。基于分组结果，PFA对联邦模型进行分组的联邦学习过程，以实现自适应。...
2022-06-28 22:14:11
885
原创 008 Task-Agnostic Privacy-Preserving Representation Learning via Federated Learning（隐私对抗训练PAT）
借助联邦学习的任务不可知的隐私保护方法：PAT（隐私对抗训练）算法，从特征中隐藏隐私信息（模拟了努力从提取的特征中推断隐私属性的对手和旨在保护用户隐私的防御者之间的博弈）——>提出MaxMI算法保留原始信息（目的是最大化原始数据特征之间的相互信息，以及私有信息与保留信息之间的联合）...
2022-06-28 22:10:23
378
原创 007 Rethinking Privacy Preserving Deep Learning: How to Evaluate and Thwart Privacy Attacks（秘密极化网络）
重新思考隐私保护的深度学习：如何评估和阻止隐私攻击研究隐私保护深度学习（PPDL）机制对抗各种形式的隐私攻击的能力。——>提出了定量衡量 模型准确性 与 重构、跟踪和成员攻击导致的隐私损失 之间的协定——>提出了一种新的秘密极化网络（SecretPolarizationNetwork，SPN）来阻止隐私攻击，比现有的PPDL方法更有竞争力。——>与基线机制相比，在数据隐私得到满意保护的情况下，模型精度平均提高了5-20%。差分隐私由于其隐私保护的理论保障和较低的计算复杂度而..
2022-05-31 15:45:32
203
原创 006 Deep Leakage from Gradients（便于寻找：梯度泄露）
梯度的深度泄露两种联邦学习中的信息泄露（有无中央服务器）从联邦学习期间共享的梯度可以推断出参与者的训练数据集的什么？成员推理：使用预测结果和真相标签来推断记录是否在受害者训练数据集内。属性推理：能推断出受害者的训练集包含一个具有一定属性的数据点。模型反转：首先利用模型更新和攻击者自身的训练数据训练GAN模型，然后它使用GAN模型从受害者的更新中生成相似图像。传统观点上认为：如果不事先了解训练数据，不能完全从梯度中窃取训练数据。联邦设置中的深
2022-05-31 15:33:24
1088
原创 005 Threats to Federated Learning（便于寻找：攻击模型）
传统的集中式机器学习无法支持这种无处不在的部署和应用，这是由于基础设施的缺陷，如有限的通信带宽、间歇性的网络连接、严格的网络约束。分类：水平（HFL）、垂直（VFL）、迁移（FTL）水平联邦学习可以分为商业（H2B）和消费者（H2C）H2B参与者通常很少，可以经常被选择在联邦学习中被培训，具有显著的计算能力和复杂的技术能力。H2C有数千甚至数百万的潜在参与者，在每一轮训练中，只选择了其中一个子集。因为他们的数据集往往很小，所以参与者被反复选中参加联邦学习训练的概率很低。通常...
2022-05-31 15:20:37
273
原创 004 Location Privacy Protection via Delocalization in 5G Mobile Edge Computing Environment（主要关于边缘计算）
5G移动边缘计算环境中位置隐私保护的去本地化方法：基于整数规划的最优求解方法ELP-PU目的：解决移动用户可以通过LBS@E从部署在边缘服务器上的LBSs中检索本地信息，仍然可以被定位到由移动用户访问的边缘服务器共同覆盖的特定隐私区域，使用户位置处于风险中的问题结论：①提出了基于整数规划的ELP-PU最优解解决边缘位置隐私问题（ELP）②提出了一套评估移动用户隐私和效用的技术，以便ELP-PU可以优化两者之间的权衡局限性：仅对四种具有代表性的方法进行了评估现有的保护移动用户位置隐私...
2022-05-31 14:52:50
160
原创 003 FedSky：An Efficient and Privacy-preserving Scheme for Federated Mobile Crowdsensing（主要关于移动众感知）
移动众感知中高效保护隐私的方法FedSky方法：FedSky——F-MCS的隐私保护方案，通过扩展经典的FedAvg算法，FedSky基于CG-skyline（constrained group skyline）选择合格的工人，并基于同态加密技术(HE)安全聚合模型更新。目的：解决F-MCS中存在的问题：①由于计算能力和数据来源的不同，员工数据是异构的。所以应该筛选一些合适的员工数据。②F-MCS是跨平台(cross-device)的联邦学习系统，然而大多数隐私保护技术是跨筒仓的（cross-sil
2022-05-31 14:39:50
340
原创 002 Privacy-preserving and communication-efficient federated learning in Internet of Things（主要关于通信）
在物联网中实现保护隐私、高效通信的联邦学习方法PCFL
2022-05-31 14:13:58
919
原创 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。A Comprehensive Survey of Privacy-preserving Federated Learning: A Taxonomy, Review, and Future Directionshttps://doi.org/10.1145/3460427下图用表格的形式将联邦学习中隐私保护相关论文进行了罗列......
2022-05-31 13:55:20
1027
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人