隐私计算论文合集「联邦学习系列」第2期

news2025/5/21 17:09:37

图片

前言:

隐语awesome-PETs(PETs即Privacy-Enhancing Technologies ,隐私增强技术)精选业内优秀论文,按技术类型进行整理分类,旨在为隐私计算领域的学习研究者提供一个高质量的学习交流社区。awesome-pets包含:安全多方计算(MPC)、零知识证明(ZKP)、联邦学习(FL)、差分隐私(DP)、可信执行环境(TEE)、隐私求交(PSI)等系列主题论文!

继上期[《多方安全计算》系列论文推荐活动小伙伴们参与热烈,社区收到了不少Paper留言。

本期继续带来联邦学习 (FL)系列论文推荐,更多主题Paper持续更新中ing~欢迎收藏项目。https://github.com/secretflow/secretflow/blob/main/docs/awesome-pets/awesome-pets.md

联邦学习系列论文

1、Survey

General

  • Federated machine learning: Concept and applications

  • Federated Learning in Mobile Edge Networks: A Comprehensive Survey

  • Advances and Open Problems in Federated Learning

  • Federated Learning: Challenges, Methods, and Future Directions

Security

  • A survey on security and privacy of federated learning

  • Threats to Federated Learning: A Survey

  • Vulnerabilities in Federated Learning

由于篇幅原因,还有更多论文未能一一列举,请访问github收藏!https://github.com/secretflow/secretflow/blob/main/docs/awesome-pets/papers/applications/ppml/fl/fl.md

2、Datasets

  • LEAF: A Benchmark for Federated Settings HomePage

  • UniMiB SHAR: a new dataset for human activity recognition using acceleration data from smartphones HomePage

  • The OARF Benchmark Suite: Characterization and Implications for Federated Learning Systems

  • Evaluation Framework For Large-scale Federated Learning

  • (*) PrivacyFL: A simulator for privacy-preserving and secure federated learning. MIT CSAIL.

  • Revocable Federated Learning: A Benchmark of Federated Forest

3、Efficiency

Quantization

  • Communication-Efficient Distributed Learning via Lazily Aggregated Quantized Gradients

  • Lazily Aggregated Quantized Gradient Innovation for Communication-Efficient Federated Learning

  • Communication Efficient Federated Learning with Adaptive Quantization

  • QSGD: Communication-Efficient SGD via Gradient Quantization and Encoding

  • DEED: A General Quantization Scheme for Communication Efficiency in Bits

4、Effectiveness

Model Aggregation

  • FedAvg: Communication-Efficient Learning of Deep Networks from Decentralized Data

  • LAG: Lazily Aggregated Gradient for Communication-Efficient Distributed Learning

  • Federated Learning with Matched Averaging

  • Federated Learning of a Mixture of Global and Local Models

  • Faster On-Device Training Using New Federated Momentum Algorithm

  • FedDANE: A Federated Newton-Type Method

  • SCAFFOLD: Stochastic Controlled Averaging for Federated Learning

5、Incentive

Contribution Evaluation

  • Data Shapley: Equitable Valuation of Data for Machine Learning

  • A principled approach to data valuation for federated learning

  • Measure contribution of participants in federated learning

  • GTG-Shapley: Efficient and Accurate Participant Contribution Evaluation in Federated Learning

  • Profit allocation for federated learning

  • Fedcoin: A peer-to-peer payment system for federated learning

Profit Allocation

  • Hierarchical Incentive Mechanism Design for Federated Machine Learning in Mobile networks

  • FAIR: Quality-Aware Federated Learning with Precise User Incentive and Model Aggregation

  • Incentive Mechanism for Horizontal Federated Learning Based on Reputation and Reverse Auction

6、Vertical FL

  • SecureBoost: A Lossless Federated Learning Framework

  • Parallel Distributed Logistic Regression for Vertical Federated Learning without Third-Party Coordinator

  • Entity Resolution and Federated Learning get a Federated Resolution.

  • Multi-Participant Multi-Class Vertical Federated Learning

  • A Communication-Efficient Collaborative Learning Framework for Distributed Features

  • Asymmetrical Vertical Federated Learning

7、Boosting

  • Practical Federated Gradient Boosting Decision Trees

  • Secureboost: A lossless federated learning framework

  • Large-scale Secure XGB for Vertical Federated Learning

8、Application

Natural language Processing

  • Federated pretraining and fine tuning of BERT using clinical notes from multiple silos

  • Federated Learning for Mobile Keyboard Prediction

  • Federated Learning for Keyword Spotting

  • generative sequence models (e.g., language models)

  • Federated User Representation Learning

  • Two-stage Federated Phenotyping and Patient Representation Learning

由于篇幅原因,还有更多论文未能一一列举,请访问github收藏!

https://github.com/secretflow/secretflow/blob/main/docs/awesome-pets/papers/applications/ppml/fl/fl.md

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/568655.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

集权设施攻防兵法:实战攻防之AD篇

一、黑客眼中的AD AD域是攻击者经常攻击的目标,因为AD域作为企业的核心身份验证和授权系统,攻击AD域可以使攻击者获得系统内所有计算机和用户的权限,从而轻松获取敏感信息和控制企业系统。 另外,AD域内存在众多的计算机资产&…

使用git在Github上创建自己的项目及一些基础操作

使用git在Github上创建自己的项目及一些基础操作 一、什么是git Git 是一个开源的分布式版本控制系统,用于敏捷高效地处理任何或小或大的项目。 Git 是 Linus Torvalds 为了帮助管理 Linux 内核开发而开发的一个开放源码的版本控制软件。 Git 与常用的版本控制工具…

Doris安装

Apache Doris 由百度大数据部研发(之前叫百度 Palo,2018 年贡献到 Apache 社区后, 更名为 Doris ),在百度内部,有超过 200 个产品线在使用,部署机器超过 1000 台,单一 业务最大可达…

Mac app文件签名与公证

一、Mac app文件签名与公证 在钥匙串中创建要公证app的profile(公证的时候会用到) xcrun notarytool store-credentials "mac_app" --apple-id "xxxxxxxx163.com" --team-id "S24Z9326XX" --password "fnjx-qjoe-l…

PYTHON制作前后端分离的图书信息管理系统(flask+vue)

前言 嗨喽,大家好呀~这里是爱看美女的茜茜呐 本次案例,使用 flask、vue、elements-plus、axios 制作一个基于 restful api 的前后端分离的图书信息管理案例 效果展示 👇 👇 👇 更多精彩机密、教程,尽在下…

Python 的 type 函数和 isinstance 函数

type()、isinstance()都是对象类型操作函数,用于判定对象类型,用哪个函数更好哩? 【学习的细节是欢悦的历程】 Python 官网:https://www.python.org/ Free:大咖免费“圣经”教程《 python 完全自学教程》,…

数字档案馆建设指南

数字档案馆建设指南 目 录 1.总体要求 2.管理系统功能要求 3.应用系统开发和服务平台构建 4.数字档案资源建设 5.保障体系建设 1.总体要求 1.1概述 数字档案馆是指各级各类档案馆为适应信息社会日益增长的对档案信息资源管理、利用需求,运用现代信息技术对数字…

一只羊的奥秘,您可知羊是有四个胃的噢

很多人知道反刍动物,但是对于反刍动物的四个胃怎样消化,不太了解,今天小编就介绍一下,反刍动物为何需要四个胃消化食物。 反刍俗称倒嚼,是指某些动物进食经过一段时间以后将半消化的食物从胃里返回嘴里再次咀嚼。反刍主…

有效项目进度管理的 10 条规则

项目进度管理是项目中比较关键的方面之一,因为它将决定事情的进展方式、进展速度以及是否会取得进展。换句话说,它可以让你较好地控制项目,帮助你预测不可预测的情况,并使所有相关团队能够高效地协同工作。 以下是有效项目进度管…

如何在华为OD机试中获得满分?Java实现【寻找两个正序数组的中位数】一文详解!

✅创作者:陈书予 🎉个人主页:陈书予的个人主页 🍁陈书予的个人社区,欢迎你的加入: 陈书予的社区 🌟专栏地址: Java华为OD机试真题(2022&2023) 文章目录 1. 题目描述2. 输入描述3. 输出描述…

3.数据结构期末复习之栈和队列

1.栈的应用 1.括号匹配问题(还有确定他们的符号优先级) 如 2((32) * 3) /3 扫描到左括号入栈,右括号入另外一个栈,如果两个栈数量相同,则是匹配的,不保存,不然去找最少的栈,出来提示报错2.十进制转2进制 如 23转二进制10111,需要栈辅助 每次除2的余数倒过来写3.mai…

Vue3(一):创建vue3工程、setup、vue3响应式原理、computed和watch

Vue3:第一章 一、创建Vue3.0工程1.使用vue-cli创建2.使用vite创建 二、Vue3中的响应式1.拉开序幕的setup2.ref函数3.reactive函数4.vue3中响应式的原理(1)vue2中响应式原理(2)Vue3中的Proxy 5.reactive和ref的对比6.se…

性能测试如何做?超详细性能测试-测试策略总结,新人进阶之路...

目录:导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结(尾部小惊喜) 前言 性能测试出现的初…

YOLOv5【训练train.py逐行源码及参数调参解析】超详细解读!!!建议收藏✨✨!

之前的文章介绍了YOLOv5的网络结构🚀与目录结构源码🚀以及detect.py🚀的详细解读,今天带来的是YOLOv5的 train.py 代码参数逐行解读以及注释,废话不多说,让我们一起学习YOLOv5的 train.py 源码吧&#xff0…

功能测试和自动化测试的差距在哪里?

一直以来,软件的测试主要是以手工测试为主,但是随着现代软件的复杂程度的加深,人们对使用手工方式来完成软件测试感到的越来越力不从心,同时因为在软件测试中存在着大量的重复性工作,而这种工作是比较适合机器而不是人…

rsync

配置rsync源服务器: #建立/etc/rsyncd.conf 配置文件 vim /etc/rsyncd.conf #添加以下配置项 uid root gid root use chroot yes #禁锢在源目录 address 192.168.80.10 …

​Kali-linux无线网络嗅探工具Kismet​

如果要进行无线网络渗透测试,则必须先扫描所有有效的无线接入点。刚好在Kali Linux中,提供了一款嗅探无线网络工具Kismet。使用该工具可以测量周围的无线信号,并查看所有可用的无线接入点。本节将介绍使用Kismet工具嗅探无线网络。 &#xf…

MySQL_6 自连接和外连接

目录 一、自连接 1.概述 : 2.语法 : 3.演示 : 二、外连接 1.为什么需要外连接? 2.外连接的定义 : 3.外连接的演示 : 1 左外连接 2 右外连接 3 对部门表问题的解决 一、自连接 1.概述 : 自连接是指在同一张表上的连接查询(将同一张看做两张表)&a…

R语言实践——rWCVP:按照物种的原生分布区清洗坐标点

rWCVP:按照物种的原生分布区清洗坐标点 加载库工作流(单个物种)1. 下载发现记录数据(rgbif)2. 发现记录的预备3. 获取原生区范围4. 清除非原生分布记录 加载库 library(rWCVP) library(rgbif) library(tidyverse) lib…

产品Backlog和需求管理

产品Backlog 产品backlog是一个按照价值排序的需求清单。为了达成产品目标,所有的需求都需要放到产品backlog中进行管理和规划。由产品负责人负责管理和维护。Leangoo为每一个里程碑建立了一个产品Backlog看板, 通过这个产品backlog看板来进行需求管理和规划。 里…