联邦学习
文章平均质量分 92
牧心.
心之所向,素履以往
展开
-
【联邦学习】杨强教授联邦学习公开课视频及问答整理
4月13日,咱们微众银行首席人工智能官杨强教授也做客雷锋网,结合最新发布的《联邦学习白皮书v2.0》,对联邦学习研究与应用价值展开了最前沿的讨论和分享。这是雷锋网《金融联邦学习公开课》第一期。这一系列课程将为金融界和人工智能界,输出最前沿、最具实用价值的联邦学习线上系列课。作为当前人工智能尤其是AI金融领域,最受工业界和学术界关注的研究方向之一。联邦学习有哪些前沿研究与应用?欢迎戳下方视频回顾精彩回放,同时直播PPT内容也上传到了我们公众号【FATE开源社区】(戳我前往查看PPT课件)视频链接h.转载 2020-11-09 17:44:00 · 27134 阅读 · 0 评论 -
【联邦学习】读书笔记(二) 隐私、安全及机器学习
1、面向隐私保护的机器学习英文名:PPML:Privacy-Preserving Machine Learning2、面向隐私保护的机器学习及安全机器学习在机器学习中,敌手被假设违反了机器学习系统的完整性和可用性。在PPML中,敌手被假设违反了机器学习系统的隐私性和机密性。1. 完整性。对完整性的攻击可能导致机器学习系统会出现检测错误。2. 可用性。对可用性的攻击可能导致系统会出现分类错误。3. 机密性。对机密性的攻击可能导致一些机器学习系统的敏感信息(如训练数据或训练模.原创 2020-11-13 23:06:00 · 28496 阅读 · 0 评论 -
【联邦学习】CCF-ADL115 隐私保护机器学习(一) 联邦学习与推荐系统
一、联邦学习与推荐系统1. 迁移学习:跨点。当“低垂的果实”被摘完之后,迁移学习会“火”起来。2. 人工智能的历史:先逻辑推理,后感官识别。3. 什么是人工智能?算法、算力、大数据。有人说AI是“二八定律”,即数据占80%,模型占20%。杨强教授不同意这种观点,他认为“数据的压缩是模型,模型是数据的反映,数据本身就是模型,数据与模型是不可分的“。4. AI的力量来自大数据。5. 迁移学习:比喻为”老师教学生,学生是一张白纸“。 联邦学习比喻为”学生的学习小组“。二、个人隐私与数据原创 2021-04-25 22:12:01 · 22009 阅读 · 2 评论 -
【联邦学习】读书笔记(二) 隐私保护技术
本文的隐私保护技术,包括三种方法。安全多方计算 同态加密 差分隐私1.安全多方计算安全多方计算最初是针对一个安全两方计算问题,即所谓的“百万富翁问题”被提出的,并于1982年有姚期智提出和推广。安全多方计算允许我们计算私有输入值的函数,从而使每一方只能得到其相应的函数输出值,而不能得到其他方的输入值与输出值。安全多方计算能够通过三种不同的框架来实现:不经意传输(Oblivious Transfer,OT) 秘密共享(Secret Sharing,SS) 阈值同态加密(Th.原创 2020-11-22 19:54:21 · 29992 阅读 · 6 评论 -
【联邦学习】隐私计算理论和效率
主讲:1. 隐私计算:背景随着大数据、机器学习与互联网经济的不断发展,人们对用户数据隐私保护的要求也不断提升,涉及数据保护的立法也不断完善。• GDPR of EU, 2018• CCPA of USA, 2018• Cyber Security Law of China,2017数据孤岛:各个公司、组织和个人之间互相孤立、不共通数据,难以通过大数据的优势获得机器学习模型的增益。2. 隐私计算如何在保护数据隐私不泄露的前提下,协同多方参与计算:• 隐私定义• 隐私度量.原创 2021-04-29 22:34:31 · 21445 阅读 · 1 评论 -
【联邦学习】FATE安装与部署(单机部署)
FATE支持Linux或Mac操作系统,目前最新版本为FATE v1.5 (2020年10月)。FATE支持单机部署、集群部署和KubeFATE部署三种方式,其中单机部署和集群部署都属于原生(Native) 部署方式,要求开发人员配置必要的开发环境和依赖库,主要包括JDK 1.8+、Python 3.6、Python virtualenv、MySQL 5.6+、Redis 5.0.2等。注意,FATE正在不断的开发和完善中,版本不同,所依赖的环境及安装方法也会发生改变。要了解最新版本的安装步骤,可参考FAT原创 2021-05-10 16:23:48 · 24335 阅读 · 7 评论 -
【联邦学习】综述《Advances and Open Problems in Federated Learning》论文结构
该文章由来自麻省理工、斯坦福、加州大学、南阳理工、谷歌等25所国际知名高校(机构)的58位学者联合发表,文章源于2019年6月17日至18日在谷歌西雅图举办的联邦学习学习和分析研讨会,共105页,调研了438篇文献,讲解了最新的联邦学习进展,并提出大量开放型问题。先把文章的结构图放在这里,后面陆续更新论文细节。...原创 2020-12-14 22:08:11 · 28293 阅读 · 0 评论 -
【联邦学习】读书笔记(一)基础概念
0、前言1.联邦学习的动机(1)保护用户隐私和数据安全。(2)最大化地利用云系统下终端设备地计算能力。2.FL模式(1)B2C。如Google地Gboard系统。它也能支持边缘计算,云系统地终端(边缘)设备可以处理许多计算任务,从而减少了通过原始数据与中央服务器通信地需要。(2)B2B。多个组织联合起来搭建一个共享地机器学习模型。3.FL需要多个学科领域地合作。机器学习算法、分布式机器学习、密码学与安全、隐私保护数据挖掘、博弈论与经济学原理、激励机制设计、法律与监管要求。原创 2020-10-27 22:39:19 · 32636 阅读 · 1 评论