![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
联邦学习
文章平均质量分 95
专注于联邦学习相关内容
cryptocxf
一个摘录个人学习笔记的地方(请尊重个人学习成果,转载或摘抄请注明出处或征得本人同意!)
展开
-
最新论文笔记(+24):VCD-FL:Verifiable, Collusion-Resistant, and Dynamic Federated Learning / TIFS23
(1)服务器选择客户端集合,这些客户端从服务器下载初始模型(2)客户端利用本地数据进行模型训练,并上传模型参数(梯度)(3)服务器聚合客户端的模型参数,并将聚合结果返回给客户端(4)客户端根据聚合结果更新本地模型,反复迭代直至模型收敛。原创 2023-08-22 17:21:57 · 938 阅读 · 4 评论 -
最新论文笔记(+23):VERSA: Verifiable Secure Aggregation for Cross-Device Federated Learning / TDSC23
摘要:在传统cross-device(跨设备)联邦学习中,提交加密的本地模型给不可信的中央服务器聚合以更新全局模型。先前的工作依赖强假设来验证聚合结果的正确性,如不可靠网络中所有用户之间的可信设置。或是遭受昂贵的加密操作,如双线性配对。本文提出了一种模型恢复攻击,证明了大多数本地模型可以在合理时间内泄露。进一步,提出了一种可验证的跨设备联邦学习安全聚合协议VERSA。原创 2023-05-20 17:46:45 · 1286 阅读 · 13 评论 -
最新论文笔记(+22):Anonymous and Efficient Authentication Scheme for Privacy-Preserving DL / TIFS2022
摘要:在分布式学习(Distributed Learning,DL)中,敌手能够通过分析中间参数(传输的模型)来推断出原始数据。目前的解决方案,主要依赖于差分隐私、加密技术(同态加密、安全多方计算)。但差分隐私会降低数据效用,而加密技术的操作是有限的,以及计算和通信成本很高。本文提出了一种不降低数据效用的前提下,解决隐私问题和匿名认证问题。而且可以结合数据投毒攻击和搭便车攻击的检测方法,更适用于分布式场景。因此,设计了一个基于配对的无证书签名方案,进一步提出了支持动态批量验证的匿名高效认证协议。原创 2022-10-14 23:05:29 · 1957 阅读 · 5 评论 -
最新论文笔记(+21):Privacy-Preserving Byzantine-Robust Federated Learning via Blockchain Systems/ TIFS2022
Privacy-Preserving Byzantine-Robust Federated Learning via Blockchain Systems可译为“利用区块链实现隐私保护的拜占庭鲁棒性联邦学习”这篇是今年八月份被TIFS2022(CCF A)收录的文章,写的利用全同态加密和区块链技术解决联邦学习中隐私问题和可信问题(虽然区块链仅仅只是存储的作用,也稍微提了一下)。精读完这篇文章,整体感觉还不错,毕竟是CCF A类期刊。下面是自己读后感,根据自己的语言来做了一些笔记,也相当于回顾。原创 2022-10-11 11:56:07 · 7614 阅读 · 14 评论 -
最新论文笔记(+19):TrustFed: A Framework for Fair and Trustworthy Cross-Device Federated Learning in IIoT
TrustFed: A Framework for Fair and Trustworthy Cross-Device Federated Learning in IIoT "译为“TurstFed:在工业物联网中一种公平可信的跨设备联邦学习框架”这篇文章是IEEE Transactions on Industrial Informatics 21上的一篇联邦学习和区块链相结合应用到物联网中的文章。总体来看,本文内容还不错,明确指出了现存的主要问题,并针对这几个问题进行了解答,对读者的帮助还是很大的,但是原创 2022-04-03 18:44:18 · 14255 阅读 · 1 评论 -
最新论文笔记(+18):Threats to Federated Learning: A Survey
Threats to Federated Learning: A Survey (联邦学习面临的威胁:一项调查)本篇文章是2020年发表在arXiv上的论文,介绍了联邦学习存在的隐私威胁问题,是一篇还不错的综述论文,对理解投毒攻击和推理攻击有很大帮助,以下是我个人看论文的重点记录,可能也有理解不对的地方,建议看原文!原文链接:Threats to Federated Learning: A Survey文章目录预览一、背景与介绍1.2 联邦学习中的隐私泄露二、威胁模型2.1 内部和外部2.2 半城原创 2022-02-22 17:39:13 · 5972 阅读 · 2 评论 -
读懂联邦学习中的安全与隐私问题(全)
该篇是2021年发表在《Future Generation Computer Systems》期刊上的一篇综述论文,主要介绍了联邦学习中可能面对的所有安全与隐私威胁问题,比较详细和具体的进行了综述,是篇还不错的文章,建议读原文。以下是个人的读书笔记,结合自己的理解,只截取部分关键或重要的部分。先附上原文下载链接:查阅or下载(长文警告,本篇大约1.8w个字,谨慎阅读!)文章目录预览《A survey on security and privacy of federated learning》联邦学习的原创 2021-09-06 21:48:14 · 15672 阅读 · 3 评论 -
简单理解什么叫联邦学习(全)
《Federated Machine Learning:Concept and Applications》该篇综述《Federated Machine Learning:Concept and Applications》是杨强教授在2019年发表在ACM Transactions on Intelligent Systems and Technology (TIST)上的一篇综述论文,比较全面和系统的介绍了联邦学习的基本概念、分类和一些安全隐私问题等。下面是我个人结合本篇综述理解的一些笔记记录,比较精简,原创 2021-09-06 11:05:25 · 11086 阅读 · 2 评论