图隐私保护发布技术+联邦学习

最近也是不断地在搜集图隐私保护发布技术的相关文献进行调研，和研究基于联邦学习的网络攻击智能感知系统。

有关文献阅读的文章：百度安全验证

在图隐私保护发布技术上搜集了如下文献（如果有uu还有其他相关文献，欢迎告知哟，感激不尽）

https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9054769

这篇文献被加了数字签名

这篇文章对于国内外的研究现状了解也有很大的帮助，也在油管上收藏了一些有关图结构的视频等着去看，这个对后续的代码实现会有帮助

问：信息是怎么存储在图中的呢?(uu看见了，帮忙回答下哟【比心心】)

看了差分隐私的入门介绍视频，差分隐私主要应用在差分隐私数据库、差分隐私机器学习、差分隐私数据采集。随机化回答还不是很清楚

如何设计满足差分隐私的算法？

一般做法为从一个不满足差分隐私的算法出发，往算法里适当地加入一定的噪声，以便其输出满足差分隐私要求。（差分隐私的公式得记牢，这是关键）

拉普拉斯机制中敏感度为修改数据后，查询结果最大改变多少的值

关于联邦学习的网络攻击智能感知系统

数据集目前是NSL-KDD，查阅视频啊，目前比较新的是IDS2018

数据预处理-特征工程（预处理，清洗，标准化，归一化，数据增强，样本平衡，特征缩放，降维，数据划分等等）

http://t.csdnimg.cn/rpWAl
这篇文章很好地介绍了数据预处理的内容（PS:得去多参加参加建模之类的比赛了）

[1]黄俊萍.基于改进K-means数据聚类算法的网络入侵检测[J].成都工业学院学报,2024,27(02):58-62+97.DOI:10.13542/j.cnki.51-1747/tn.2024.02.011.
文献得看看 

这个项目下周四要中期答辩惹，时间得分配一下