首页
学习
活动
专区
圈层
工具
发布
首页标签联邦学习

#联邦学习

保护数据隐私前提下的联合建模

【人工智能功能流程化的技术】

用户1750537

实现过程会涉及到多种技术和编程语言,如Python、TensorFlow、PyTorch、Neo4j等。具体的代码实现细节需要根据具体需求和环境进行设计和开发。

4810

深度学习前沿探索:联邦学习的梯度安全与差分隐私噪声注入的收敛界分析

用户6320865

在人工智能领域,数据隐私保护与模型性能的平衡一直是核心挑战之一。联邦学习(Federated Learning)作为一种分布式机器学习范式,自2016年由Goo...

9410

安全可信机器学习中心公布五项新研究项目

用户11764306

安全可信机器学习中心近日宣布遴选出来自南加州大学教师的五项新研究项目(2022-2023年度)。该中心成立于2021年1月,致力于支持机器学习隐私、安全与可信度...

4810

个性化联邦学习库PFLlib的技术解析与基准测试

用户11764306

随着联邦学习(FL)技术的持续发展,个性化联邦学习(pFL)已成为该领域的重要研究方向。传统FL(tFL)侧重于联合学习全局模型,而pFL则致力于平衡每个客户端...

5500

ICCV 2025 | 新型后门攻击直指Scaffold联邦学习,NTU联手0G Labs揭示中心化训练安全漏洞

机器之心

通过使用控制变元(control variate)来校准每个客户端的本地梯度,Scaffold 已被广泛认为是缓解联邦学习中数据异质性影响的一种强大方案。但尽管...

11310

可信机器学习中心首批研究项目揭晓

用户11764306

南加州大学与某机构联合成立的"安全可信机器学习中心"于2021年1月成立,致力于支持机器学习隐私、安全与可信性的基础研究和新方法开发。该中心近日宣布了2021-...

3500

联邦学习中的动态提示调优技术FedDPG

用户11764306

预训练语言模型(PLMs)在各种NLP任务中表现出色,但传统微调方法存在高计算成本问题。提示调优作为高效替代方案,仅需在输入序列前添加少量可训练参数,同时冻结P...

5300

个性化联邦学习提升客户体验

用户11764306

联邦学习(FL)框架允许多个边缘设备(如智能终端)在数据本地保存的前提下协作训练全局模型。标准FL系统包含云服务器和多个客户端设备,每个设备持有本地数据和机器学...

8300

联邦学习中的持续学习技术

用户11764306

联邦学习使分布式设备能够利用本地数据贡献全局模型,同时保护数据隐私;持续学习则要求模型在新数据到来时不断更新。两者的结合面临关键挑战——如何避免"灾难性遗忘",...

8500

攻克「恶意投毒」攻击!华南理工联合霍普金斯和UCSD,连登TPAMI、TIFS顶刊

新智元

【新智元导读】华南理工大学计算机学院AI安全团队长期深耕于人工智能安全,近期联合约翰霍普金斯大学和加州大学圣地亚戈分校聚焦于联邦学习中防范恶意投毒攻击,产出工作...

11410

Nat. Mach.Intell. | 数据驱动的联邦学习:知识蒸馏助力药物发现新突破

DrugOne

人工智能在科学研究中的一大挑战是如何确保获取足够的高质量数据,以构建具有影响力的模型。尽管公共数据资源丰富,但最有价值的知识往往深藏于企业的机密数据孤岛之中。尽...

20300

DeepSeek医疗影像诊断:从数据到模型的落地密码(8/18)

正在走向自律

摘要:《DeepSeek医疗影像诊断:从数据到模型的落地密码南》通过详细介绍DICOM数据预处理规范、3D器官分割模型训练以及联邦学习保障数据隐私等方面的内容,...

91710

破解联邦学习中的辛普森悖论,浙大提出反事实学习新框架FedCFA

机器之心

江中华,浙江大学软件学院硕士生二年级,导师为张圣宇老师。研究方向为大小模型端云协同计算。张圣宇,浙江大学平台「百人计划」研究员。研究方向包括大小模型端云协同计算...

20800

《迁移学习与联邦学习:推动人工智能发展的关键力量》

程序员阿伟

联邦学习则在数据安全和隐私保护方面发挥着重要作用。在云计算和大数据领域,联邦学习可以确保数据的安全和隐私,同时实现数据的共享和合作。例如,在企业的内部网络中,不...

24110

联邦学习结合协同推理

zhangjiqun

在AIoT应用场景中,联邦学习和协同推理是两项至关重要的技术,它们在保护用户数据隐私、克服单个AIoT设备资源瓶颈以及提升AIoT设备智能化水平方面发挥着关键作...

26310

联邦学习中聚合算法可能怎样创新,智慧农业结合什么数学理论或知名理论实现创新并发表文章

zhangjiqun

智慧农业可以结合多种计算机理论实现创新,并发表相关文章。以下是一些可能的计算机理论:

14010

基于区块链与联邦学习技术的数据交易平台

zhangjiqun

如图1所示,区块链系统保存了联邦学习系统中各参与方的数字证书,参与方采用基于双向认证的TLS协议构建的P2P通信链路进行通讯。如果通信时采用的证书无法通过区块链...

32210

paddle2.3-基于联邦学习实现FedAVg算法-CNN

zhangjiqun

联邦学习是一种分布式机器学习方法,中心节点为server(服务器),各分支节点为本地的client(设备)。联邦学习的模式是在各分支节点分别利用本地数据训练模型...

22910

联邦学习-Tensorflow实现联邦模型AlexNet on CIFAR-10

zhangjiqun

不需要读写文件来保存、切换Client模型 不需要在每次epoch重新初始化Client变量 内存占用尽可能小(参数量仅翻一倍,即Client端+Serve...

26110

Tensorflow Federated Framework 谷歌联邦学习框架

zhangjiqun

联邦学习是谷歌在2016年提出的概念:在分布式的场景下,训练数据分别保存在每个clients中,希望提出一种训练方法:跨多个参与客户端(clients)训练...

36310
领券