机器学习
文章平均质量分 89
wenzhu2333
这个作者很懒,什么都没留下…
展开
-
联邦学习入门笔记(四)— 基于差分隐私的FL(ii)
本文详细介绍了DP(差分隐私)+FL(联邦学习)的实现方法,笔者经过一年多的学习,基本上摸清了这个领域的一些套路,这里做一个总结。原创 2022-05-03 16:19:39 · 5527 阅读 · 25 评论 -
联邦学习入门笔记(三)— 基于差分隐私的FL(i)
本文主要介绍了笔者对于将差分隐私与联邦学习相结合以保护客户端隐私这一类办法的理解,可能不太对(笔者也是在读研究生,关于我页面有我的联系方式,可以互相交流),但是也算是对笔者最近读的文章涉及到DP和FL的相关文章的一个总结。最近好久没更新博客了,主要是因为这一个多月研究生开学,事情比较多,再加上自己的电脑拆机的时候不小心把螺丝拧坏了一直没去处理(最近才弄好),所以导致将近2个月没更新文章。笔者最近在研究将差分隐私与联邦学习相结合以保护客户端隐私的相关方向,大概看了有一个多月的文章,算是对这种保护方法有一原创 2020-11-21 11:04:14 · 10750 阅读 · 32 评论 -
联邦学习入门(一)-Advances and Open Problems in Federated Learning详解
本文主要是联邦学习的入门级笔记,主要参考了论文Advances and Open Problems in Federated Learning和微众银行的联邦学习白皮书,笔者作为初次接触该领域的小白,对感觉必要的知识做一个总结和记录。本文首发于我的个人博客原文请点击这里!!!!!定义联邦学习(Federated Learning简称FL)是一种机器学习设置,其中多个实体(客户端)在中央服务器或服务提供商的协调下协作解决机器学习问题。每个客户的原始数据都存储在本地,并且不会交换或转移;从而代替了用于原创 2020-07-27 12:01:30 · 7876 阅读 · 2 评论