- 博客(71)
- 收藏
- 关注
RSS订阅原创 cookie, session and token
Cookie：用于在客户端存储少量数据，主要用于跟踪用户会话。Session：服务器端存储会话数据，通过唯一的 Session ID 与客户端 Cookie 关联。Token：用于无状态的身份验证和授权，通常是加密的字符串。在现代 Web 应用中，Token 和 Session 常常用来处理用户认证和授权，而 Cookie 通常用于存储少量的数据和状态信息。Cookie 本身只是一个存储机制，它存储数据而不进行验证。Session。
2024-08-28 17:03:49
312
原创 ICLR 2024 BACKDOOR FEDERATED LEARNING BY POISONING BACKDOOR-CRITICAL LAYERS
作者将良性模型中的每一层替换为恶意模型中的同一层，并测量后门攻击成功率，这表示识别嵌入触发器作为目标标签的样本的准确性。现有的 FL 攻击和防御方法通常关注整个模型。已识别的 BC 层提供了一个新的视角，可以对 FL 进行更精确、更隐蔽的后门攻击。本节介绍两种具有后门关键层意识的攻击方法：同时攻击基于距离和基于反转的防御方法的分层中毒（LP）攻击和攻击基于符号的防御方法的分层翻转（LF）攻击。LP攻击：模拟聚类筛选的过程，如果被筛除，就减少加入的层数，并且引入加权项，不是完全替换，而是加权替换。
2024-06-05 18:34:25
292
原创 快速区间查询——ST表
ST表是一种数据结构，可以快速地求出一个数组任意区间内的数学特性，例如区间内最大最小值，区间内按位与，按位或等结果。ST 表是一种用于解决静态区间查询问题的高效数据结构，特别是在需要快速求区间最值 (RMQ, Range Minimum Query)、区间最大值 (Range Maximum Query)、区间按位与 (Range AND Query)、区间按位或 (Range OR Query) 等问题时非常有用。ST 表的构建和查询基于倍增思想，能够在Onlogn时间内构建，并在O1。
2024-05-31 11:08:33
866
原创 矩形最大面积与接雨水——单调栈
给定一组矩形，要求得最大的子矩形大小，这是一道典型的单调栈问题。我们使用单调栈，首先插入一个-1，方便代码的编写。然后将矩形下标一个一个入栈，如果当前元素大于栈顶元素，就可以加入，如果小于栈顶元素，就要开始计算面积了。基本就是用到了单调栈的特性，当一个元素出栈时，以这个元素作为高，只有处在他后面的元素可以扩展，所以宽度就是 当前要入栈元素下标-（当前元素出栈后下一个元素的下标+1），因为当前元素出栈后，下一个元素一定是<= 当前出栈元素，无法满足出栈元素的高度。
2024-05-29 23:27:47
286
原创 上色与矩形覆盖
使用单调栈，当出现当前元素小于栈顶元素的时候出栈，当当前元素与栈顶元素相同时，可以减少一次海报覆盖。第二种是横着涂，先涂满公共最低的高度，然后剩下的高度依次计算。两道题都是使用矩形填充满，但是一个是分治，一个是单调栈。第一种是全部竖着涂，那么需要涂的次数就是宽度r-l+1。对于区间1~n内，我们有两种涂法。
2024-05-22 16:29:23
131
原创 【巨大的错误】【歌词中找单词】【字符串斐波那契】
想象一个原来有序的书架，每本书都有原本的位置，现在要改变他们的位置，让每本书的位置都不是原来的位置。因此递推公式就是Dnn−1∗Dn−1Dn−2))
2024-04-26 16:39:50
378
原创 A Little Is Enough: Circumventing Defenses For Distributed Learning
联邦学习的攻击方法：LIE简单的总结，只是为了能快速想起来这个方法。
2024-03-29 19:03:20
618
1
原创 FedDefender: Client-Side Attack-Tolerant Federated Learning
与现有的大部分方法不同，FedDefender是在客户端层面的防御机制。方法叠的有点多。
2024-03-06 20:10:24
915
原创 Dijkstra算法——Python
最简单版本的Dijkstra还存在可以优化的地方，在我们每次寻找更新之后，当前可到达的点集中距离最短的那个点时候，每次都需要遍历一遍所有未得到最短距离的点，这个过程是O(n)的，我们可以使用最小堆，来将时间复杂度简化为O(logn)，每次只需要取出堆顶元素即可。Dijkastra是常见的求单源最短路的算法，这里将介绍两种最短路的写法。
2024-02-03 20:43:44
679
原创 《Is dataset condensation a silver bullet for healthcare data sharing?》
一篇数据浓缩在医疗数据集应用中的论文。其实就是在医疗数据集上使用了data condensation的方法，这里使用了DM的方式，并且新增了浓缩时候使用不同的网络。
2024-01-31 20:36:52
318
原创 《论文阅读：Backdoor Attacks Against Dataset Distillation》
《论文阅读：Backdoor Attacks Against Dataset Distillation》
2023-12-29 15:56:55
838
原创 Pytorch数据集读出到transform全过程
最近写代码又遇见了这个问题，又忘记了，于是写一篇博客记录一下。最后出来的结果都是小数和xxx数。
2023-11-14 20:36:37
473
原创 《论文阅读：Dataset Condensation with Distribution Matching》
点进去这篇文章的开源地址，才发现这篇文章和DC DSA居然是一个作者，数据浓缩写了三篇论文，第一篇梯度匹配，第二篇数据增强后梯度匹配，第三篇匹配数据分布。DC是匹配浓缩数据和原始数据训练一次后的梯度差，DSA是在DC前加入了一层数据增强，DM直接就匹配浓缩数据和原始数据丢入模型得到的输出，匹配输出的分布。一个地址包含了三个数据浓缩方法的开源代码。
2023-10-12 13:26:38
968
原创 《Dataset Condensation with Differentiable Siamese Augmentation》
Dataset Condensation with Differentiable Siamese Augmentation 论文阅读
2023-10-04 16:19:18
219
原创 《DATASET CONDENSATION WITH GRADIENT MATCHING》
本文提出了一种用于数据效率学习的训练集合成技术，称为“数据集凝聚”(Dataset)，它学习将大数据集压缩成一个小的信息合成样本集，用于从头开始训练深度神经网络。我们将这个目标表述为在原始数据和合成数据上训练的深度神经网络权值的梯度之间的梯度匹配问题。
2023-09-22 17:05:16
460
原创 《META KNOWLEDGE CONDENSATION FOR FEDERATED LEARNING》
作者说，现在的联邦学习都是交换模型参数，但是，这会在服务器和多个客户机之间产生严重的通信负担。于是作者引入了元知识的方式，从分布式客户端中提取元知识，直接上传元知识给服务器，让服务器在云知识上训练就行了。随着训练的进行，训练样本对联邦模型的贡献也会发生变化。因此，坐着引入了一个动态的权重分配机制，使样本能够自适应地对当前的模型更新做出贡献。在组合的元知识上训练模型，而不在不同的客户之间暴露原始数据，可以显著减轻异构问题。
2023-09-13 14:11:41
146
原创 《DATASET DISTILLATION》
模型蒸馏的目的是将复杂模型的知识提炼为简单模型的知识。在本文中考虑了一个替代的公式，称为数据集蒸馏:我们保持模型固定，而不是尝试从一个大的训练数据集提取知识到一个小的。其思想是合成少量的数据点，这些数据点不需要来自于正确的数据分布，但当给学习算法作为训练数据时，会近似于在原始数据上训练的模型。例如，文章展示了可以将6万幅MNIST训练图像压缩成10幅合成蒸馏图像(每类一张)，在给定一个固定的网络初始化条件下，只需几个梯度下降步骤，就可以达到接近原始性能的效果。
2023-09-13 11:03:27
453
原创 Python进阶系列（三）— 数据结构与存储优化
在实际开发中，我们经常会使用一个类来表示一个对象，从数据库从取出数据之后需要保存在具体的数据结构中进行处理。我们可以使用元组，字典和类进行存储。
2023-08-18 16:38:18
264
1
原创 Python进阶系列（二）— 类与对象
例如这是一个玩家类，玩家有x，y和生命值三个成员变量，有move和damage两个成员函数。类方法，带有self的函数，代表这是一个类成员函数，他会修改类实例的成员变量，可以通过self.x来访问对象实例的变量。对象作为第一个参数被传递。可以看到，我们用类实例化声明一个对象的时候，提供了两个参数，这是内置的初始化函数__init__提供的，和C++的构造函数相同。类是对现实中的事物进行抽象的数据表示，用来定义对象们的数据结构，对象由实例化类获得。实例的话根据初始函数输入参数即可，就像函数调用一样。
2023-08-17 00:28:09
113
原创 RESTAPI简介与DRF使用
以资源为url，通过不同的请求方式实现不同的行为。以资源名作为urlPOST:增 …/student/GET：查所有 …/student/GET：查单个 …/student/<pk>/ 获取id=pk的学生DELETE：删 …/student/<pk>/PUT：改全部 …/student/<pk>/PATCH：改部分 …/student/<pk>/
2023-08-15 15:57:08
261
原创 《Communication-Efficient Learning of Deep Networks from Decentralized Data》
现代移动设备可以获取大量适合学习模型的数据，然而，这些丰富的数据通常是隐私敏感的、数量很大的，这可能导致无法记录到数据中心并使用传统方法进行培训。本文提倡一种替代方案，将训练数据分布在移动设备上，并通过聚合本地计算的更新来学习共享模型，称为联合学习。本文在五种模型四个数据集下测试了联邦学习的效果。
2023-07-17 16:43:12
1253
原创 CSDN周赛61期
是指在某些使用了计算机程序的智能系统（包括计算机系统、自动控制芯片等）中，由于其中的年份只使用两位十进制数来表示，因此当系统进行（或涉及到）跨世纪的日期处理运算时（如多个日期之间的计算或比较等），就会出现错误的结果，进而引发各种各样的系统功能紊乱甚至崩溃。贪心+特殊情况判断，例如一个数字12345，那么我们通过字符串变换为12321可以获得一个回文数，我们通过判断这个回文数是大于原来的数12345还是小于它，如果小于，中间的数可以增大来缩小距离，达到边界之后可以再增大一位判断最近的大于这个数的数值距离。
2023-07-06 20:47:21
600
原创 pytorch实现联邦学习中state_dict()与named_parameters()的差异
联邦学习state_dict()与named_parameters()区别
2023-05-24 10:14:57
411
全国城市气象台代号 漠河50135~南沙59997
2022-12-30
关于A*算法中实际路径g的问题c++
2024-03-20
爬虫F12网络响应乱码
2023-02-17
TA创建的收藏夹 TA关注的收藏夹
TA关注的人