联邦多任务学习(Federated MultiTask Learning):考虑到本地数据隐私,联邦学习在大量移动设备上协作训练 模型。此设置还可以扩展到联合多任务学习环境,其中多任务学习驱动设备之间个性化但共享的模型。 可信执行环境(Trusted Execution Environments):这个在笔记04中详细提及过,这里不展开了。 数据清理(Data Sanitization):同...
与跨设备联邦学习不同(cross-device federated learning),跨孤岛联邦学习在总体设计的某些方面展现了更高的灵活性,但同时present了一个更难实现特性的环境。 一些公司组织希望基于他们所有的数据训练模型,但是不直接分享数据——这便是跨孤岛联邦学习的应用情境。 数据分割 在跨孤岛联邦学习设置下,数据可以按样本分割—...
Similarly, Yu et al. (2020) build a federated multi- task learning framework for smart home IOT to automatically learn users’ behavior patterns, which could effectively detect physical hazards. Furthermore, Liu, Wang, Liu, and Xu (2020) proposed a data fusion approach based on FL for robots...
写不出论文了,兴趣使然地开一个论文笔记系列,不知道毕业的时候能写到多少篇(苦笑)。论文名称'Clustered federated learning: Model-Agnostic distributed multi-Task optimization under privacy constrain
http://papers.nips.cc/paper/7029-federated-multi-task-learning.pdf. [58] Reza Shokri and Vitaly Shmatikov. 2015. Privacy-preserving deep learning. In Proceedings of the 22nd ACM SIGSAC Conference on Computer and Communications Security (CCS’15). ACM, New York, NY, 1310–1321. DOI:https:/...
当以“federated personal”为关键词,在 dblp 上进行文献检索的时候,会发现个性化联邦学习(PFL, Personalized Federated Learning)的研究在2021年的有明显增加。 经小鱼的查询,至22年4月16日针对个性化联邦学习的综述文章仅两篇[1][2],其中...
✍️ [阅读笔记] An Overview of Federated Deep Learning Privacy Attacks and Defensive Strategies ??? 艺、Introduction ??? 尔、威胁模型??? Threat Model A. ??? 攻击面(Attack surface) B. ??? 客户端或者服务端的攻击(Client or server-side attacks) C. ??
联邦学习论文阅读:Federated meta-learning for recommendation 2018年fb的文章Federatedmeta-learningfor recommendation的阅读笔记 想法 用元学习的方法解决少数据的问题,并用差分隐私保护用户的隐私性 这篇文章作者声称有两点创新,一是meta-learning在算法层面,二是用联邦学习保护用户隐私。但文章中的算法A与之前工作没有...
AAAI2022 | 联邦学习专题—SpreadGNN: Serverless Multi-task Federated Learning for Graph Neural Networks 这篇文章由南加州学者撰写。本文研究的是去中心化的联邦学习在GNN上的应用场景。重点关注一下这篇文章。论文还是自己去看有用,我只是单纯记录自己的论文阅读。
现有联邦学习个性化技术《2020-IEEE-Survey of Personalization Techniques for Federated Learning》包括多任务学习《2017-NIPSFederated Multi-Task Learning》,基础层+个性化层《2019-Federated learning with personalization layers》,全局和局部模型的混合《2020-Federated learning of a mixture of global and local ...