qq_26972735的博客

DeepRT论文笔记， 边缘服务器推理调度

为什么要联邦学习已有的数据中心学习架构，存在成本高昂，数据隐私和安全问题。在用户将数据上传到数据中心的过程中，敏感数据极易受到泄露、攻击和网络的影响。比如，万豪（2018年受影响的客户数为5亿）和eBay（2014年受影响的用户数为1.45亿）。在这种情况下，欧盟实施了一项名为《通用数据保护条例》（GDPR）的新法规，通过设置规则、限制数据共享和存储来保护个人数据。基于上述的这些规则，On-site ML和FL已经成为替代数据中心的解决方案基于云（集中式）的学习：存在的问题用户数据上传到云上

论文名称： LN-SNE:Log-Normal Distribute Stochastic Neighbor Embedding for Anomaly Detection(TKDE 2020)背景获取标签成本巨大，因此本文关注的是无监督异常检测。许多领域（如欺诈和入侵检测）的数据的特点是：数据量大、维度大。分析这些数据的复杂性与其数据大小和维度成正比。在数据包含大量的特征的情况下，使用可视化技术进行数据分析。区分正常和异常数据与数据维度成反比。降维方法可以缓解上述的问题，但现有的降维方法存

论文名称： LogAnomaly: UnsupervisedDetectionof SequentialandQuantitativeAnomaliesinUnstructuredLogs背景现有的日志序列异常检测方法分类：基于日志消息计数器的方法检测quantitative（定量）异常如PCA、不变量挖掘和LogClustering等基于深度学习的方法：从日志序列中学习序列模式如DeepLog（DeepLog: Anomaly Detection and Diagnosis fro