联邦学习相关论文
推荐系统作为有效的信息筛选工具,已被广泛应用于智能商业、辅助决策、预诊断、智慧城市等多个行业,其本质是基于收集的交互数据提......
随着信息技术的快速发展和互联网的全面普及,人类的生产生活已经进入了数字时代。数据,作为一种信息载体,已经成为一种基础且重要......
智能设备的普及给人类带来的变化是多方面的,人类生产生活中产生的海量数据为机器学习模型的发展提供了广阔的舞台。机器学习的目......
近年来,随着物联网（IoT）设备数量逐步增多,产生的数据量呈现爆炸式增长。设备通过IoT平台进行互联互通是实现万物互联智能网络的基础......
伴随着无线通信技术的快速发展以及人工智能技术的迅猛兴起,智能体的概念逐渐出现在现代生活和先进的生产活动当中。智能体是指具......
联邦学习为解决在机器学习落地过程中遇到的数据孤岛难题,以不泄露数据拥有者的原始数据的方式,实现协同训练。然而,联邦学习引入......
联邦学习技术能够在不需要边缘端上传原始样本的条件下,协同边缘端与中心端完成模型训练。该技术保障了边缘端的数据隐私,并降低了......
联邦学习是近年来热门的分布式机器学习框架,能够在保护各个本地节点数据安全的同时以较小的通信开销完成整体模型的训练任务。这......
随着云计算技术的快速发展,车载网络与云计算技术的结合也日趋紧密,出现了各种车联网及智能交通应用。然而,在利用云平台为车载网......
智能网联汽车的高维轨迹数据被广泛用于从车辆的行驶轨迹中发现不同运动模式，从而降低交通风险、提高通行效率．然而，数据利用过程中的......
人工智能的发展带给人们极大的便利,但随着人们对数据隐私保护越来越重视,数据孤岛的形成阻碍了人工智能的发展。联邦学习则是解决......
针对工厂端数据量不均衡、新增数据样本多和联邦学习中通信成本较高的问题，本文提出一种基于云、边、端架构的分层联邦增量学习算法......
当前,数据已成了比肩石油的基础性关键战略资源,数据要素的流通共享和核心价值挖掘是数据要素市场培育的核心内容,必须在保证数据......
随着机器学习技术的飞速发展,数据样本的倍增成为驱动机器学习发展的重要引擎。然而,由于数据的敏感性和数据安全领域的立法内容,......
随着大数据的发展以及数据安全相关法规的出台，人们的隐私保护意识逐渐加强，“数据孤岛”现象愈发严重。联邦学习技术作为解决该问题......
目前,国家、社会和个人对数据隐私保护提出了更严格的要求,同时,数据作为生产要素,数据资产需要通过流通和多方共享才能体现其价值......
随着海量数据的涌现和不断积累,数据治理成为提高数据质量、最大化数据价值的重要手段.其中,数据错误检测是提高数据质量的关键步......
推荐系统为了能够给用户提供更好的推荐服务，须要收集大量的用户个人信息，在收集这些信息的同时增加了用户隐私泄露的风险．首先，介绍了......
在数据非独立分布的情况下，联邦学习每一轮通信中将局部模型聚合成一个全局模型的过程将会导致异质性，并给联邦学习训练带来巨大的挑......
为减小内容获取时延，保护用户隐私并提高用户体验，提出一种针对雾计算网络的联邦学习优化内容缓存性能的方法。首先，构建端到端协作的......
解决农户“贷款难”问题是全面推进乡村振兴、大力发展农业经济的工作重点。“政银担”农业信贷担保模式则有效缓解了农业信贷市场......
考虑到车联网系统中多维资源消耗会随时间波动的特性和用户对高效计算服务以及数据隐私安全的需求，提出了一种基于联邦学习的车联网......
近些年交通拥堵日益严重，缓解拥堵的主要方法是调控交通信号灯以合理指挥车辆通行。现有信号灯大多通过固定时间规则控制，无法根据实......
深度学习技术的快速发展给我们带来了极大的便利,但同时也导致大量隐私数据的泄露.联邦学习允许客户端在只共享梯度的情况下联合训......
在无线联邦学习（FL）的架构中，用户端与服务器端之间需要持续交换模型参数数据来实现模型的更新，因此会对用户端造成较大的通信开销和功......
风能作为清洁能源为改善我国能源结构发挥着越来越重要的作用.风电场机组及设备的数据可能会包含机组或风场的隐私敏感信息,这些隐......
随着5G时代下移动互联网的飞速发展以及各类智能移动终端设备的普及,短视频、直播等视频业务蓬勃发展,人们对高质量视频服务的需求......
提出一种基于分布式的城市全域通信流量预测算法Fed-DenseNet，各个边缘计算服务器在中心服务器的协调下进行协同训练，中心服务器利用......
联邦学习是6G关键技术之一，其可以在保护数据隐私的前提下，利用跨设备的数据训练一个可用且安全的共享模型。然而，大部分终端设备由于......
为了识别出异常用电，便于电力企业进行后续的故障定位与检修，众多异常用电识别模型被提出。现有方法要求将分散在各个供电公司的数据......
联邦学习是一种新的面向隐私保护的分布式学习范式，相比传统分布式机器学习方法，其特点为各客户端通信、设备算力和存储能力存在较大......
为了适应第六代移动通信（6G）技术在卫星通信领域的发展需求，亟需将感知、通信、计算（通感算）融合一体化，兼顾6G通信对于极低时延、极高带......
为了解决联邦学习数据安全以及加密后通信开销大等问题，提出了一种基于同态加密的高效安全联邦聚合方案。在联邦学习过程中，用户数据......
为了解决工业大数据共享时，中间参数的隐私泄露以及恶意节点上传低质量模型的问题，结合目前较为火热的长安链，提出了基于蜂群学习的工......
自从谷歌提出联邦学习架构以来，越来越多的人开始关注通过联邦学习的方法来训练神经网络，其中以Fed AVG代表的联邦学习聚合算法，在CNN......
在非可信中心服务器下的隐私保护联邦学习框架中，存在以下两个问题。（1）在中心服务器上聚合分布式学习模型时使用固定的权重，通常是每......
以智能手机、智能穿戴设备为代表的移动设备产生了海量的个人隐私数据,这些数据常被上传到企业数据中心用于训练机器学习模型,为产......
在大数据、人工智能等技术在金融行业不断融合应用的背景下,金融机构的数据保护意识与对数据价值挖掘的需求日益增长,基于联邦学习......
第六代（The Sixth Generation,6G）移动网络的大规模商业运营将产生多样化的移动应用,例如移动在线游戏,增强现实和智能导航等。然而,......
随着互联网和移动计算等技术的发展,人们的在线行为产生了越来越多的数据,想要从海量数据中挑选出用户可能喜欢的物品,推荐系统不......
联邦学习是一种分布式设置,它允许各客户端将数据保存在本地的同时,协作训练一个联合的全局模型。因此,联邦学习具有保护隐私数据,......
大数据时代，数据安全性和隐私性受到越来越多的关注和重视。联邦学习被视为是一种隐私保护的可行技术，允许从去中心化的数据中训练深......
联邦学习（Federated learning）是为解决分布式机器学习中基于隐私保护的数据碎片化和数据隔离问题。在联邦学习系统中，各参与者节点合......
作为一种分布式机器学习范式，联邦学习在用户数据隐私保护方面拥有巨大潜力，是近年来的一大研究热点。首先，针对数据统计异质场景中普......
