- 博客(13)
- 收藏
- 关注
原创 联邦学习中客户端-服务器攻击与防御综述
联邦学习 (FL) 提供去中心化机器学习 (ML) 功能,同时可以保护数据隐私。然而,这种架构带来了独特的安全挑战。客户端训练数据、本地模型、FL 通道、服务器端聚合参数和全局模型。我们进一步讨论为本地和全局模型量身定制的防御机制。通过我们的调查,我们阐明了FL 固有的漏洞,并提供了确保鲁棒性的对策的见解。我们的研究结果强调了双重重点策略的重要性,即解决客户端和服务器级别的安全问题。表 1 和表 2 高度概述了 FL 框架中的各种威胁和相应的对策。
2024-05-26 22:57:50
1051
原创 python绘图要求出现中文(针对matplotlib和seaborn两种库实现中文显示标题、坐标轴标题、图例)
python绘图显示中文解决方法
2024-03-18 16:19:26
4685
原创 模型评估指标总结(预测指标、分类指标、回归指标)
关于模型指标评估总结,涉及预测指标(MAE/MSE/RMSE/等)、分类指标(PR曲线、ROC曲线和AUC曲线)和回归指标(MAE、MSE),还有深度学习中的一些概念如:KL散度、JS散度、常用损失函数,鲁棒性与泛化性
2024-03-18 14:42:34
13193
原创 将虚拟环境加载到JupyterNotebook中、jupyter打开指定路径的.ipynb文件
主要涉及两个内容,其一,虚拟环境加载到jupyter中;其二,jupyter打开指定路径的.ipynb文件
2024-02-29 20:24:20
2334
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人