联邦学习
文章平均质量分 95
有关联邦学习的论文与实战内容
HERODING77
本科大连理工大学软件工程,目前华东师范大学数据学院硕士在读,兴趣方向为智能体,LLM,自然语言处理,知识图谱,NER,联邦学习,数据结构与算法。
展开
-
【联邦学习实战】基于同态加密和差分隐私混合加密机制的FedAvg
联邦学习实战——基于同态加密和差分隐私混合加密机制的FedAvg前言前言好久都没更新联邦学习相关内容了,这也是我更新这篇我认为非常硬核的文章的原因,这也算是实现了我在学习联邦学习半年以来的一个目标,基于混合加密机制实现联邦学习任务,这次任务使用的框架是FedAvg,在github上非常热门的联邦学习模拟实现方案,FedAvg的代码还是非常好理解的,本文的结构将主要分为三个部分,第一部分是对FedAvg代码的讲解和修改,第二部分将差分隐私机制加入到FedAvg中,包括高斯机制和拉普拉斯机制,第三部分将同态原创 2022-06-13 08:00:00 · 13396 阅读 · 193 评论 -
【联邦学习实战】基于FATE框架的MNIST手写数字识别——卷积神经网络
在FATE上基于mnist数据集训练手写数字识别模型前言1. 下载MNIST数据集1.1 KagglePython格式转换2. 数据集分割3.数据集上传3.1 docker上传3.2 rz工具3.3 FATE数据上传参考链接前言ATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有超过4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客原创 2022-05-01 08:30:00 · 4346 阅读 · 10 评论 -
【联邦学习实战】基于FATE框架的MNIST手写数字识别——全连接神经网络
基于FATE框架的MNIST手写数字识别——全连接神经网络前言1. 下载MNIST数据集1.1 KagglePython格式转换2. 数据集分割3.数据集上传3.1 docker上传3.2 rz工具3.3 FATE数据上传4. 模型训练4.1 构建模型4.2 修改配置文件4.3 训练模型5. 模型评估参考链接前言ATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有超过4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学原创 2022-04-27 19:47:10 · 6029 阅读 · 3 评论 -
【阅读笔记】联邦学习实战——联邦学习攻防实战
联邦学习实战——联邦学习攻防实战前言1. 后门攻击1.1 问题定义1.2 后门攻击策略1.3 详细实现参考文献前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第十五章内容,使用的fate版本为1.6.0,fate的安装已经在这篇博客中介绍,有需要的原创 2022-04-04 21:04:54 · 7139 阅读 · 23 评论 -
【阅读笔记】联邦学习实战——构建公平的大数据交易市场
联邦学习实战——构建公平的大数据交易市场前言1. 大数据交易1.1 数据交易定义前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第十四章内容,使用的fate版本为1.6.0,fate的安装已经在这篇博客中介绍,有需要的朋友可以点击查阅。本章内容为构原创 2022-03-28 19:46:03 · 14428 阅读 · 0 评论 -
【阅读笔记】联邦学习实战——联邦学习智能用工案例
联邦学习实战——联邦学习智能用工案例前言1. 智能用工简介2. 智能用工平台2.1 智能用工的架构设计2.2 智能用工的算法设计3. 利用横向联邦提升智能用工模型4. 设计联邦激励机制4.1 FedGame系统架构阅读总结前言sFATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博原创 2022-03-25 16:35:11 · 8175 阅读 · 0 评论 -
【阅读笔记】联邦学习实战——联邦学习医疗健康应用案例
联邦学习实战——联邦学习医疗健康应用案例前言1. 医疗健康数据概述2. 联邦医疗大数据与脑卒中预测2.1 联邦数据预处理前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第十二章内容,使用的fate版本为1.6.0,fate的安装已经在这篇博客中介绍原创 2022-03-24 20:30:32 · 12053 阅读 · 11 评论 -
【阅读笔记】联邦学习实战——联邦学习在智能物联网中的应用案例
联邦学习实战——联邦学习在智能物联网中的应用案例前言1. 案例背景与动机2. 历史数据分析3. 出行时间预测模型3.1 问题定义3.2 构造训练数据集3.3 模型结构4 联邦学习实现阅读总结前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第十一章内原创 2022-03-23 18:25:42 · 13228 阅读 · 4 评论 -
【阅读笔记】联邦学习实战——联邦学习视觉案例
联邦学习实战——联邦学习视觉案例前言1. 概述2. 案例描述3. 目标检测算法概述3.1 边框线与锚框3.2 交并比3.3 基于候选区域的目标检测算法3.4 单阶段目标检测4. 基于联邦学习的目标检测网络4.1 动机4.2 FedVision-联邦视觉产品5. 方法实现5.1 Flask-SocketIO基础参考链接前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦原创 2022-03-22 19:46:39 · 7071 阅读 · 12 评论 -
【阅读笔记】联邦学习实战——联邦个性化推荐案例
联邦学习实战——用FATE从零实现纵向线性回归前言1. 引言2. 传统的集中式个性化推荐2.1 矩阵分解2.2 因子分解机9.2 联邦矩阵分解9.2.1 算法详解前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第九章内容,使用的fate版本为1.6.原创 2022-03-19 18:42:33 · 5284 阅读 · 4 评论 -
【阅读笔记】联邦学习实战——联邦学习平台介绍
前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第七章内容,本章主要是介绍当前流行的联邦学习平台,下面就让我们开始吧。1. FATE1.1 FATE平台架构概述FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,该平台为原创 2022-03-16 21:23:33 · 6991 阅读 · 0 评论 -
【阅读笔记】联邦学习实战——用FATE从零实现纵向线性回归
联邦学习实战——用FATE从零实现纵向线性回归前言1. 数据集的获取纵向数据集切分前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第六章内容,使用的fate版本为1.6.0,fate的安装已经在这篇博客中介绍,有需要的朋友可以点击查阅。下面就让我们原创 2022-03-15 22:56:33 · 7847 阅读 · 10 评论 -
【阅读笔记】联邦学习实战——用FATE从零实现横向逻辑回归
联邦学习实战——用FATE从零实现横向逻辑回归前言1. FATE平台1.1 FATE平台架构概述2. Docker镜像安装FATE2.1 Docker的安装2.2 FATE的安装2.2.1 拉取镜像2.2.2 启动2.2.3 测试3. FATE编程范式前言FATE是微众银行开发的联邦学习平台,是全球首个工业级的联邦学习开源框架,在github上拥有近4000stars,可谓是相当有名气的,该平台为联邦学习提供了完整的生态和社区支持,为联邦学习初学者提供了很好的环境,否则利用python从零开发,那将会是原创 2022-03-11 16:08:58 · 10655 阅读 · 26 评论 -
【阅读笔记】联邦学习实战——用Python从零实现横向联邦图像分类
联邦学习实战——用Python从零实现横向联邦图像分类前言1. 配置信息2. 训练数据集3. 服务端前言本篇学习笔记记录的内容是杨强教授编写的《联邦学习实战》这本书的第三章内容,本来是准备记录在ipad上,但是用博客形式写下来可以跟更多人分享并讨论,这不失为更好的选择。前两章内容为理论基础,简单介绍了联邦学习(想要深入了解的朋友可以阅读杨强教授的《联邦学习》这本书)以及联邦学习的安全机制(同态加密、差分隐私、安全多方计算),这些内容我在之前的博客中有所涉及,就不再此赘述了。第三章开始部分是配置运行环境原创 2022-02-20 22:51:41 · 6548 阅读 · 27 评论 -
【阅读笔记】Towards Efficient and Privacy-preserving Federated Deep Learning
Towards Efficient and Privacy-preserving FederatedDeep Learning前言一、论文解析Abstract1. INTRODUCTION2. SYSTEM MODEL AND THREAT MODEL2.1 System Model2.2 Threat Model3. PRELIMINARIES3.1 Neural Network and Federated Deep Learning3.2 Additively Homomorphic Encrypt原创 2022-02-13 12:01:28 · 3359 阅读 · 31 评论 -
【阅读笔记】Pain-FL: Personalized Privacy-Preserving Incentive for Federated Learning
Pain-FL前言前言一篇来自 CCF A 类期刊 IEEE JOURNAL ON SELECTED AREAS IN COMMUNICA TIONS 的文章,可谓是通信领域的现象级论文,无论是其写作技巧还是论文深度一定都值得我去细心挖掘,所以我决定将这篇文章作为我毕设论文翻译任务,认真去钻研并理解,希望能够帮助我更好理解PPFL,以及为我的毕设提供更多思路和灵感。话不多说,让我们开始吧!...原创 2022-01-24 19:07:47 · 3617 阅读 · 4 评论 -
【阅读笔记】Federated Learning for Privacy-Preserving AI
Federated Learning for Privacy-Preserving AI前言一、论文解析DefinitionCategorizationArchitectureApplication ExamplesUse Case 1:FedRiskCtrlUse Case 2:FedVisionOutlook二、论文总结三、个人感悟前言一篇来自 Communications of ACM 的文章,这类期刊相当于magazine性质的文章,所以大多很短。之前阅读了PPFL的综述,对PPFL有了更深刻的原创 2021-12-20 18:26:38 · 1307 阅读 · 1 评论 -
【阅读笔记】Inverting Gradients -- How easy is it to break privacy in federated learning?
Inverting Gradients前言一、论文解析Abstract1 Introduction2 Related Work3 Theoretical Analysis: Recovering Images from their Gradients3.1 Proposition(命题)4 A Numerical Reconstruction Method5 Single Image Reconstruction from a Single GradientTrained vs. untrained ne原创 2021-12-18 22:27:00 · 3195 阅读 · 6 评论 -
【阅读笔记】PPFL全面综述文章: A Comprehensive Survey of Privacy-preserving Federated Learning
PPFL全面综述前言一、个人拙见1. 什么是联邦学习?2. 联邦学习与分布式机器学习的区别3. 联邦学习的应用与前景二、综述解析1. INTRODUCTION1.1 Background1.2 Motivation1.3 Main Contributions2. AN OVERVIEW OF FEDERATED LEARNING2.1 Brief Introduction to FL2.2 Categorization of Current FL Methods2.2.1 Horizontal FL2.2.原创 2021-12-09 21:23:45 · 3061 阅读 · 0 评论