成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
联邦学习
关注
195
联邦学习(Federated Learning)是一种新兴的人工智能基础技术,在 2016 年由谷歌最先提出,原本用于解决安卓手机终端用户在本地更新模型的问题,其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习。其中,联邦学习可使用的机器学习算法不局限于神经网络,还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。
综合
百科
VIP
热门
动态
论文
精华
Concealing Backdoor Model Updates in Federated Learning by Trigger-Optimized Data Poisoning
Arxiv
0+阅读 · 5月10日
HeteroSwitch: Characterizing and Taming System-Induced Data Heterogeneity in Federated Learning
Arxiv
0+阅读 · 5月10日
Multi-level Personalized Federated Learning on Heterogeneous and Long-Tailed Data
Arxiv
0+阅读 · 5月10日
Agent-oriented Joint Decision Support for Data Owners in Auction-based Federated Learning
Arxiv
0+阅读 · 5月9日
FedGCS: A Generative Framework for Efficient Client Selection in Federated Learning via Gradient-based Optimization
Arxiv
0+阅读 · 5月10日
DP-DyLoRA: Fine-Tuning Transformer-Based Models On-Device under Differentially Private Federated Learning using Dynamic Low-Rank Adaptation
Arxiv
0+阅读 · 5月10日
Data Valuation and Detections in Federated Learning
Arxiv
0+阅读 · 5月9日
Intelligent EC Rearview Mirror: Enhancing Driver Safety with Dynamic Glare Mitigation via Cloud Edge Collaboration
Arxiv
0+阅读 · 5月9日
Age Aware Scheduling for Differentially-Private Federated Learning
Arxiv
0+阅读 · 5月9日
Privacy-Preserving Edge Federated Learning for Intelligent Mobile-Health Systems
Arxiv
0+阅读 · 5月9日
martFL: Enabling Utility-Driven Data Marketplace with a Robust and Verifiable Federated Learning Architecture
Arxiv
0+阅读 · 5月9日
Compressed Bayesian Federated Learning for Reliable Passive Radio Sensing in Industrial IoT
Arxiv
0+阅读 · 5月9日
Fast Decentralized Gradient Tracking for Federated Minimax Optimization with Local Updates
Arxiv
0+阅读 · 5月7日
Convergence Analysis of Sequential Federated Learning on Heterogeneous Data
Arxiv
0+阅读 · 5月8日
When Foresight Pruning Meets Zeroth-Order Optimization: Efficient Federated Learning for Low-Memory Devices
Arxiv
0+阅读 · 5月8日
参考链接
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top