【差分隐私联邦学习从入门到发文】

2024-06-01 05:04

本文主要是介绍【差分隐私联邦学习从入门到发文】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

差分隐私联邦学习从入门到发文

  • 差分隐私联邦学习从入门到发文
    • 一、学习相关理论
      • 1. 差分隐私理论解读
      • 2. 联邦学习相关收敛性分析
      • 3. 差分隐私经典论文解读
      • 4. 联邦学习代码解读
      • 5. 深度学习相关代码网站
    • 二、必读论文
    • 三、最新进展2023

差分隐私联邦学习从入门到发文

这是关于差分隐私联邦学习一份学习资料:有关理论知识、收敛性分析、代码、进展

一、学习相关理论

1. 差分隐私理论解读

(1)该博客包括拉普拉斯噪声、差分隐私组合定理等。
https://blog.csdn.net/MathThinker/article/details/51464273
https://blog.csdn.net/MathThinker/article/details/51637781
差分隐私知识点
(2)满足差分隐私约束的深度学习系统详解
https://zhuanlan.zhihu.com/p/438563580
细读会加深你关于在深度学习中应用差分隐私的理解
在这里插入图片描述

2. 联邦学习相关收敛性分析

Bilibili up主丸一口
https://space.bilibili.com/3461572290677609/video?tid=36&special_type=&pn=1&keyword=&order=pubdate
收敛性分析

3. 差分隐私经典论文解读

Bilibili up主JeffffffFu
https://www.bilibili.com/video/BV16A4y1X74k/?spm_id_from=333.999.0.0&vd_source=93b0e444c0dae60de23bb4f18190a0e3
在这里插入图片描述

4. 联邦学习代码解读

https://zhuanlan.zhihu.com/p/263959892?utm_source=wechat_session
该博主逐字逐句解读联邦学习模型训练、数据集分配代码
在这里插入图片描述

5. 深度学习相关代码网站

Papers with code
https://paperswithcode.com/task/federated-learning
在这里插入图片描述

二、必读论文

1.联邦学习开山之作FedAVG:Communication-Efficient Learning of Deep Networksfrom Decentralized Data
https://blog.csdn.net/qq_41605740/article/details/124584939?spm=1001.2014.3001.5501
2.将差分隐私引入深度学习:Deep Learning with Differential Privacy
https://dl.acm.org/doi/10.1145/2976749.2978318
3.瑞丽差分隐私:Rényi Differential Privacy
https://ieeexplore.ieee.org/document/8049725
4.联邦学习差分隐私收敛性分析:Federated Learning With Differential Privacy: Algorithms and Performance Analysis
https://ieeexplore.ieee.org/document/9069945

三、最新进展2023

1.联邦学习SOTA模型:Improving Generalization in Federated Learning by Seeking Flat Minima
https://dl.acm.org/doi/abs/10.1007/978-3-031-20050-2_38
2.差分隐私联邦学习SOTA模型:Make Landscape Flatter in Differentially Private Federated Learning
https://ieeexplore.ieee.org/document/10203141

这篇关于【差分隐私联邦学习从入门到发文】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1020060

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

poj 3159 (spfa差分约束最短路) poj 1201

poj 3159: 题意: 每次给出b比a多不多于c个糖果,求n最多比1多多少个糖果。 解析: 差分约束。 这个博客讲差分约束讲的比较好: http://www.cnblogs.com/void/archive/2011/08/26/2153928.html 套个spfa。 代码: #include <iostream>#include <cstdio>#i

数论入门整理(updating)

一、gcd lcm 基础中的基础,一般用来处理计算第一步什么的,分数化简之类。 LL gcd(LL a, LL b) { return b ? gcd(b, a % b) : a; } <pre name="code" class="cpp">LL lcm(LL a, LL b){LL c = gcd(a, b);return a / c * b;} 例题:

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学