![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
联邦学习
文章平均质量分 74
联邦学习的道路上
这个作者很懒,什么都没留下…
展开
-
联邦学习安全么?(数据攻击)
联邦学习的数据攻击方式.整理有关联邦学习中数据攻击的几种方式原创 2021-08-30 11:16:51 · 1842 阅读 · 0 评论 -
单机版Fate安装教程(含虚拟机搭建)
单机版Fate安装教程(含虚拟机搭建)1.虚拟机安装1)下载VMwarehttps://www.vmware.com/products/workstation-player/workstation-player-evaluation.html2)双击下载的文件3)安装Microsoft VC Redistributable4)再双击下载好的文件,下一步5)选择安装位置,这里有增强型键盘驱动程序,可选可不选。6)安装7)Ubuntu镜像文件下载(注意系统内存和存储空间)https原创 2021-08-24 15:38:21 · 2640 阅读 · 1 评论 -
Model-Agnostic Meta-Learning (MAML)模型介绍及算法详解
在学习联邦学习过程中,有涉及到MAML的内容,这里将学习资料做转载原文地址添加链接描述MAML在学术界已经是非常重要的模型了,论文Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks自2017年发表至今已经收获了400+的引用。由于当前网上关于MAML的中文介绍少之又少,可能很多小伙伴对其还不是特别理解。所以今天我整理了这段时间来的学习心得,与大家分享自己对MAML的认识与理解。MAML可以用于Supervised Regre转载 2021-07-23 10:55:18 · 1535 阅读 · 0 评论 -
一种通用的异步纵向联邦学习架构(VAFL: a Method of Vertical Asynchronous Federated Learning)
VAFL: a Method of Vertical Asynchronous Federated Learning论文传送门:https://arxiv.org/pdf/2007.06081.pdf摘要:本文旨在以异步方式解决垂直 FL,并开发了一种简单的 FL 方法。新方法允许每个客户端运行随机梯度算法而无需与其他客户端协调,因此适用于客户端的间歇性连接。该方法进一步使用了一种新的扰动局部嵌入技术来保证数据隐私并提高通信效率。问题定义:假设有M个client,N的数据集大小,被不同端持有不同原创 2021-07-20 19:11:34 · 1055 阅读 · 0 评论 -
正类标签的联邦学习(Federated Learning with Only Positive Labels)
Federated Learning with Only Positive Labels论文传送:https://arxiv.org/pdf/2004.10342.pdf以下是个人理解,欢迎批评指正!论文概括:本文主要针对的是一种横向联邦non-iid场景下的极端问题(即每方仅持有一类标签)进行讨论。按照传统联邦学习架构,通过SGD迭代后将会导致变成一个单一分类器,特别是针对嵌入分类器,这将导致结果输出为单一的点。因此,本文提出FedAwS,一种仅使用正标签进行训练的通用框架。分类模型:将分类模原创 2021-07-20 15:39:54 · 1042 阅读 · 0 评论 -
联邦学习基础
摘要当今人工智能仍然面临两大挑战:在大多数工业中,数据以 “孤岛”形式存在加强数据隐私和安全问题针对上述挑战提出可能的解决方法: 安全联邦学习(secure federated learning)全面介绍了安全联邦学习的框架,包括1)横向联邦学习(horizontal federated learning),2)纵向联邦学习(vertical federated learning),3)联邦迁移学习(federated transfer learning)提供FL定义、架构、FL框架的转载 2021-07-09 18:55:11 · 1049 阅读 · 0 评论 -
Deep leakage from Gradients论文解析
Deep leakage from Gradients论文解析今天来给大家介绍下2019年NIPS上发表的一篇通过梯度进行原始数据恢复的论文。论文传送门**问题背景:**现在分布式机器学习和联邦学习中普遍接受的一个做法是将数据梯度进行共享,多方数据通过共享的梯度信息进行联合建模,即在原始数据不出库的前提下进行建模,那么这样引出作者的一个思考:这样的梯度信息是否是安全的呢?我们知道,梯度与标签和样本特征有关,那么意味着梯度其中包含着部分的标签信息和原始信息,所以作者做了这样一个工作,通过神经网络中的梯度原创 2021-07-09 17:52:36 · 3438 阅读 · 0 评论 -
联邦学习开源框架
来源:https://zhuanlan.zhihu.com/p/387101962FATE单位:微众银行github: https://github.com/FederatedAI/FATE star:3.2kdocs:https://github.com/FederatedAI/FATE/blob/master/doc/develop_guide_zh.rst概述:FATE (Federated AI Technology Enabler) 是微众银行AI部门发起的开源项目,为联邦学习生态系统提转载 2021-07-08 17:16:40 · 3134 阅读 · 0 评论 -
2021-07-08
##联邦学习专栏大家好~小编是联邦学习方向的博士在读,这里会不定时发送一些联邦学习的学习资料和论文总结,欢迎订阅原创 2021-07-08 17:05:47 · 86 阅读 · 0 评论