【MIT博士论文】联邦学习实用方法,143页pdf

2022 年 9 月 24 日 专知

机器学习模型受益于庞大而多样的训练数据集。然而,单个组织很难收集足够多样化的数据。此外,数据的敏感性和政府法规(如GDPR、HIPPA和CCPA)限制了组织与其他实体共享数据的方式。这迫使拥有敏感数据集的组织开发只在局部最优的模型。联邦学习(FL)通过实现在不共享敏感数据的情况下开发全局模型,促进了鲁棒的机器学习。然而,部署FL系统有两个广泛的挑战:隐私挑战和训练/性能相关的挑战。隐私方面的挑战涉及到暴露本地客户数据敏感信息的攻击。与训练/性能相关的挑战包括高沟通成本,跨客户的数据异构,以及缺乏个性化技术。为了使FL实用、可扩展和有用,必须解决所有这些问题。在这篇论文中,我讨论了我为解决这些挑战而设计的技术,并描述了我为缓解这些挑战而开发的两个系统——PrivacyFL(用于FL的隐私保护模拟器)和DynamoFL(用于FL的易于使用的生产级系统)。


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“F143” 就可以获取【MIT博士论文】联邦学习实用方法,143页pdf》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料
登录查看更多
5

相关内容

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。
《AI中毒攻击》34页slides
专知会员服务
25+阅读 · 2022年10月17日
【实用书】实用优化算法与工程应用,737页pdf
专知会员服务
114+阅读 · 2022年9月19日
【MIT博士论文】实用机器学习的高效鲁棒算法,142页pdf
专知会员服务
56+阅读 · 2022年9月7日
【2022新书】联邦学习:方法和应用的综合概述
专知会员服务
143+阅读 · 2022年7月14日
UCL最新「机器学习隐私」综述论文,概述隐私挑战
专知会员服务
36+阅读 · 2021年7月11日
专知会员服务
26+阅读 · 2021年2月2日
亚马逊最新《联邦学习》简明综述
专知
2+阅读 · 2022年2月6日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
8+阅读 · 2009年12月31日
Arxiv
69+阅读 · 2022年6月30日
Arxiv
35+阅读 · 2021年8月2日
Arxiv
24+阅读 · 2021年1月25日
VIP会员
相关VIP内容
《AI中毒攻击》34页slides
专知会员服务
25+阅读 · 2022年10月17日
【实用书】实用优化算法与工程应用,737页pdf
专知会员服务
114+阅读 · 2022年9月19日
【MIT博士论文】实用机器学习的高效鲁棒算法,142页pdf
专知会员服务
56+阅读 · 2022年9月7日
【2022新书】联邦学习:方法和应用的综合概述
专知会员服务
143+阅读 · 2022年7月14日
UCL最新「机器学习隐私」综述论文,概述隐私挑战
专知会员服务
36+阅读 · 2021年7月11日
专知会员服务
26+阅读 · 2021年2月2日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
8+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员