联邦学习

最新推荐文章于 2024-05-08 20:24:48 发布
最新推荐文章于 2024-05-08 20:24:48 发布
阅读量5.5k 收藏 8
点赞数 2
分类专栏： 联邦学习 文章标签： 联邦学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/thormas1996/article/details/88942860
版权

简单的笔记

历史
联邦学习的概念最早由google于17年[1]提出，他们构建了一个横向联邦模型用于提升用户下一步输入预测的准确性。

定义
1）数据不离本地
2）传输模型来共同训练
3）过程加密，保证用户信息安全和数据隐私

解决的问题

  • 数据隔离
  • 少标签数据
  • 传输过程隐私安全

分类

  • 横向联邦模型：用户特征一致，用户不一致
  • 纵向联邦模型：用户一致，用户特征不一致
  • 联邦迁移学习：用户，用户特征均不一致

在这里插入图片描述
安全和隐私

  • 安全性通过同态加密HE和secret sharing解决
  • 隐私性通过差分隐私DP解决

Reference
[1] McMahan H B, Moore E, Ramage D, et al. Communication-efficient learning of deep networks from decentralized data, ICAI, 2017

thormas1996
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
联邦学习的基本概念、三种框架和应用场景
Ax的博客
01-14 4929
本文主要总结记录了联邦学习的基本概念、三种基本框架及其应用场景，下篇将从威胁模型和攻防现状入手介绍联邦学习的安全隐私现状...
什么是联邦学习
爱学习爱运动的专栏
12-17 5389
联邦学习 1.1 联邦学习的概念 历史：联邦学习最早在 2016 年由谷歌提出，原本用于解决安卓手机终端用户在本地更新模型的问题； 本质：联邦学习本质上是一种分布式机器学习技术，或机器学习框架。 目标：联邦学习的目标是在保证数据隐私安全及合法合规的基础上，实现共同建模，提升AI模型的效果。 联邦学习的架构分为两种，一种是中心化联邦（客户端/服务器）架构，一种是去中心化联邦（对等计算）架构。 针对联合多方用户的联邦学习场景，一般采用的是客户端/服务器架构，企业作为服务器，起着协调全局模型的作用； 针对联合多
【论文笔记 | 异步联邦】FedSA
最新发布
m0_46554918的博客
05-08 1193
FedSA：一种处理的异步联邦算法。
联邦学习与可信计算技术TEE、MPC、同态加密的关系
Garvin的专栏
02-10 4472
随着国家对数据安全、数据隐私的要求越来越严格，可信计算越来越受到重视，也会是未来技术发展的重点方向之一。对于这个大众相对比较陌生的领域其实有很多相关的技术，比如TEE、MPC、同态加密等，网上的资料也比较杂，今天分别给大家做下介绍，另外也讲下联邦学习与这些可信计算技术的关系。 3大可信计算技术 可信计算指的是通过技术手段保证数据安全性的计算方式。按照不同的技术路线可以分为3种： 1.TEE（Trusted Execution Environment）：基于硬件的可信执行环境计算 2.MPC（M.
物联网大数据与AI：联邦学习与深度学习的应用前沿
禅与计算机程序设计艺术
12-31 922
1.背景介绍 物联网大数据与AI：联邦学习与深度学习的应用前沿 随着物联网技术的不断发展，我们生活中的各种设备都变得越来越智能化。这些设备可以通过互联网进行数据交换，从而实现数据共享和资源整合。这种互联互通的设备被称为物联网(Internet of Things, IoT)设备。物联网设备产生的数据量巨大，这些数据被称为大数据。 大数据是指由于数据的规模、速度和复杂性等特点，传统的数据处理技...
车联网场景下联邦学习应用（主要针对节点动态性和激励机制）——文献总结分析
m0_51730146的博客
03-20 1750
从车辆移动性考虑，采用异步FL提升聚合模型的精度，将车辆位置、传输速率作为权重融入聚合公式;从传输延迟的角度，预测热门内容，基于DRL将其存储到本地或邻居RSU上，减少与MBS、云服务器的通信。；AE(auto encoder)提取content的潜在特征，训练AE中的权重和偏置项。异步联邦聚合方式，融入车辆移动性相关权重。
联邦学习介绍（ppt）
03-10
联邦学习介绍 作为人工智能和机器学习的核心技术，联邦学习旨在解决数据孤岛问题，保护数据隐私和安全，同时实现高效、准确的机器学习模型训练。下面是联邦学习的详细介绍： 1. 什么是人工智能？ 人工智能...
联邦学习场景应用研究报告（2022年）.pdf
02-21
联邦学习场景应用研究报告（2022年） 本报告由中国信息通信研究院发布，旨在深入探讨联邦学习技术在政务、医疗、金融、广告、物流等领域的应用价值。以下是报告中提到的重要知识点： 1. 联邦学习简介： 联邦学习...
MNIST-联邦学习代码-FedAvg-master.rar
11-23
联邦学习（Federated Learning）是一种分布式机器学习方法，它允许在不共享数据的情况下进行模型训练。在这种设置下，每个参与设备（如智能手机或服务器）都持有部分数据，并且只贡献其模型更新到全局模型，而不是...
联邦学习白皮书V1.0_联邦学习_
09-30
联邦学习（Federated Learning，FL）是一种新兴的分布式机器学习方法，旨在在保护数据隐私的同时，通过协作训练模型来利用分布式设备上的数据。白皮书《联邦学习V1.0》深入探讨了这一领域的核心概念、应用背景以及...
联邦学习分布式训练MNist数据集.zip
03-13
联邦学习（Federated Learning）是一种新兴的人工智能训练方法，它允许在多个设备或机构之间进行模型训练，而无需实际共享数据。这种技术对于保护用户隐私和遵守数据法规至关重要，尤其是在医疗、金融等敏感领域。...
联邦学习综述：概念与应用
cherreggy的博客
12-21 1916
联邦学习：概念与应用 2019 ACM Transactions on Intelligent Systems and Technology, Hongkong 现在的人工智能仍然面临两个挑战：数据孤岛和数据安全。本文介绍一种综合型安全联邦学习框架，包括水平联邦学习、垂直联邦学习和联邦迁移学习。这里介绍定义、结构和应用，提供了相关工作的调研。 简介 人工智能发展迅速，但是逐渐显现其缺陷。在很多领域中，数据都是有限的，而且质量不高，因此可以考虑将不同组织的数据进行融合并公用。 由于企业竞争、隐私和复杂的管
一文读懂联邦学习的前世今生（建议收藏）
JDDTechTalk的博客
11-17 1万+
前言 联邦学习（Federated Learning）作为人工智能的一个新分支，为机器学习的新时代打开了大门。如果投票问人工智能和大数据应用领域有什么好玩又好用的新技术，“联邦学习”一定是排在前列的。 这项技术由谷歌在2016年首次提出，从2018年8月开始在国内快速发展和普及，截至2020年2月，有公开资料可查的联邦学习研究或应用单位已超过百家，阿里、微众、京东、腾讯、华为、平安等各领域的头部企业均在大力推进。身边做技术和业务的朋友都在说：忽如一夜春风来，联邦学习突然就在圈子里传播了，在聊天中不发表点联邦
人工智能新技术——联邦学习的前世今生（上）
JDD风控算法的博客
05-13 4170
联邦学习（Federated Learning）作为人工智能的一个新分支，为机器学习的新时代打开了大门。JDD风控算法团队将通过联邦学习白话三部曲，为大家揭秘联邦学习的前世今生。
联邦学习之差分隐私
威化饼的一隅
10-17 8418
联邦学习过程   联邦学习以轮为单位，每个轮内包含模型分发、本地训练和全局更新这3个阶段。 1. 模型分发   在模型分发阶段，服务器按照一定标准，选择参与本轮联邦学习的设备，例如下图中选中了3个设备，向它们分发全局模型。 2. 本地训练   在本地训练阶段，每个设备加载当前全局模型，使用自己的训练数据训练，得到新的本地模型。 3. 全局更新   在全局更新阶段，每个设备向服务器上传模型更新值，服务器收集更新值进行聚合，得到聚合结果，更新全局模型。 下一轮，服务器会将新的全局模型发送给选中的设备
联邦学习（Federated Learning）
librahfacebook的博客
05-09 2万+
本文出自微众银行AI项目组对于联邦学习介绍的白皮书，网址：https://www.fedai.org/ 文章目录一、联邦学习背景和重要性1.人工智能发展概况2.GDPR与人工智能挑战3.联邦学习成为可行的解决方案二、联邦学习的定义和范围1.联邦学习概述2.联邦学习定义三、 联邦学习的分类1.横向联邦学习2.纵向联邦学习3.联邦迁移学习四、联邦学习系统架构五、总结展望 一、联邦学习背景和重要性 ...
联邦学习简介
06-30 2781
阅读原文 什么是联邦学习联邦学习可以在不直接访问训练数据的情况下构建机器学习系统。数据保留在原始位置，这有助于确保隐私并降低通信成本。 为什么需要联邦学习隐私问题（我不想分享我的自己的照片），联邦学习可以不将你的数据共享出去。 监管需要（HIPAA，GDPR等），保护用户私有数据，使用联邦学习可以将模型下发到用户侧进行训练。 解决数据孤岛问题，如：互联网企业、银行间数据不可能共享，模型使用联邦学习...
联邦学习 Federated Learning 相关资料整理
SYP'S Blog
05-30 1万+
论文 Towards Federated Learning at Scale: System Design 安全的联邦迁移学习（Secure Federated Transfer Learning） 联邦强化学习（Federated Reinforcement Learning） SecureBoost 安全树模型 会议资料 联邦学习的研究与应用 Federated Learning an...
联邦学习 - 基础知识+白皮书+杨强教授讲座总结+同态加密+ 差分隐私
热门推荐
柯同学要谦虚
10-06 2万+
联邦学习概念分类横向联邦学习纵向联邦学习联邦迁移学习优势 概念 联邦机器学习又名联邦学习，联合学习，联盟学习。联邦机器学习是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模 分类 针对不同数据集，联邦学习分为横向联邦学习（horizontal federated learning）、纵向联邦学习（vertical federated l...
matlab 联邦学习
11-24
Matlab联邦学习是一种利用联邦学习技术来解决机器学习问题的方法。联邦学习是一种分布式学习方法，可以在不共享原始数据的情况下，将模型的训练和优化推广到多个本地数据节点上。在Matlab中，我们可以使用联邦学习...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值