环境：有无gpu均可 anaconda环境：conda install pytorch1.13.1 torchvision0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia 具体安装命令结合自己的gpu的cuda版本 项目代码放在 https://gitee.com/ihan1001gitee https://gith

GMIS 是机器之心主办的全球机器智能系列峰会，是关注全球人工智能前沿技术和产业应用的年度盛会。 GMIS 2017 于 2017 年 5 月在北京举办，围绕主题“机器智能时代”，机器之心共邀请到 Stuart Russell、Jürgen Schmidhuber、杨强、邓力等 46 位重磅嘉宾，进行 32 场主题演讲、4 场圆桌论坛和 1 场人机大战，吸引全球超过 3000 位专业听众

第2章 隐私、安全及机器学习 2.3　威胁与安全模型 2.3.1　隐私威胁模型 对机器学习系统的攻击可能在任何阶段发生，包括数据发布、模型训练和模型推理。 模型训练阶段：重构攻击（避免使用寻存储显式特征值的模型，SVM KNN等）模型推理阶段：模型反演攻击（敌人有白盒或黑盒访问权限）、成员推理攻击（敌人至少拥有黑盒访问权限）数据发布阶段：特征推理攻击（对数据去匿名化或锁定记录的拥有者）

第2章 隐私、安全及机器学习 2.3　威胁与安全模型 2.3.1　隐私威胁模型 对机器学习系统的攻击可能在任何阶段发生，包括数据发布、模型训练和模型推理。 模型训练阶段：重构攻击（避免使用寻存储显式特征值的模型，SVM KNN等）模型推理阶段：模型反演攻击（敌人有白盒或黑盒访问权限）、成员推理攻击（敌人至少拥有黑盒访问权限）数据发布阶段：特征推理攻击（对数据去匿名化或锁定记录的拥有者）

原文链接：https://blog.csdn.net/qq_41409438/article/details/102213895 联邦学习 兴起原因 概念 分类 横向联邦学习 纵向联邦学习 联邦迁移学习 优势 系统架构 联邦学习与现有研究的区别 联邦学习与差分隐私理论的区别 联邦学习与分布式机器学习的区别 联邦学习与联邦数据库的关系 联邦学习的最新发展及应用 （2019第四届全球人工智能与机器人