联邦学习
文章平均质量分 83
牛三金
从业2年的隐私计算工程师一枚~
展开
-
基于数据混淆实现匿踪查询功能的系统及其方法——富数科技
基于数据混淆实现匿踪查询功能的系统及其方法——富数科技原创 2022-10-14 12:05:28 · 891 阅读 · 1 评论 -
Fate原理(面试必备)
零.基础主要包含三个组成部分:Guest:数据应用方。纵向联邦时是拥有标签的一方; Host:数据提供方。纵向联邦中不含label的建模方; Arbiter:协作者,中立第三方,作用是聚合多方模型;加密方案:Paillier Encryption 加法同态加密算法 Affine Homomorphic Encryption 仿射同态加密算法,加法同态 IterativeAffine Homomorphic Encryption 变换仿射同态加密算法,加法同态基于同态加密的逻辑回原创 2021-09-29 09:40:27 · 1144 阅读 · 4 评论 -
BatchCrypt:用于跨数据孤岛联邦学习的高效同态加密
论文:BatchCrypt: Efficient Homomorphic Encryption for Cross-Silo Federated Learning一.目的和背景:对于集中式联邦学习常常采用但个梯度进行加密的方案,但是单个加密会带来巨大的开销,即使有人提出了批梯度加密的方案,但是还是存在两大问题——无法完整聚合,阈值空间无法确定。文章想提出一种新的批量加密的方案。要满足三个条件:模型隐私,聚合准确,更新快速。回忆以前几种常见的加密方案的问题:1、安全多方计算MPC:远距.原创 2021-09-21 21:06:04 · 1515 阅读 · 2 评论 -
FATE官方实战1
若你没有安装完成请参考https://blog.csdn.net/niujinya/article/details/120193234?spm=1001.2014.3001.5502一. 使用docker启动fatedocker exec -t -i fate_python bashroot@0bd20afb2d1c:/fate#查看一下flow,打入flow即可二. 下载官方示例GitHub链接:https://github.com/FederatedAI/FATE..原创 2021-09-14 09:57:53 · 983 阅读 · 1 评论