会员服务
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。
联邦学习综述：多层次聚合技术的系统分类、实验洞察与未来前沿
联邦学习综述：多层次聚合技术的系统分类、实验洞察与未来前沿
专知会员服务
17+阅读 · 2025年12月1日
【普林斯顿博士论文】量化、评估与缓解现代机器学习系统中的风险
【普林斯顿博士论文】量化、评估与缓解现代机器学习系统中的风险
专知会员服务
20+阅读 · 2025年10月20日
《联邦学习在网络安全中的应用：性能、鲁棒性与对抗性威胁》2025最新145页
《联邦学习在网络安全中的应用：性能、鲁棒性与对抗性威胁》2025最新145页
专知会员服务
16+阅读 · 2025年9月18日
【剑桥大学博士论文】联邦学习效率原则研究
【剑桥大学博士论文】联邦学习效率原则研究
专知会员服务
11+阅读 · 2025年9月6日
【IJCAI2025教程】联邦组合优化与双层优化
【IJCAI2025教程】联邦组合优化与双层优化
专知会员服务
18+阅读 · 2025年8月30日
面向医学影像大模型的联邦学习：全面综述
面向医学影像大模型的联邦学习：全面综述
专知会员服务
16+阅读 · 2025年8月29日
模型联邦网络构建及示范应用
模型联邦网络构建及示范应用
专知会员服务
11+阅读 · 2025年7月31日
中文版2200字 | 分布式防御：联邦学习如何强化人工智能优势​​
中文版2200字 | 分布式防御：联邦学习如何强化人工智能优势​​
专知会员服务
19+阅读 · 2025年6月8日
联邦学习中基础模型参数高效微调综述
联邦学习中基础模型参数高效微调综述
专知会员服务
16+阅读 · 2025年5月5日
联邦长尾学习研究综述
联邦长尾学习研究综述
专知会员服务
15+阅读 · 2025年5月1日
联邦学习中的成员推断攻击与防御：综述
联邦学习中的成员推断攻击与防御：综述
专知会员服务
17+阅读 · 2024年12月15日
边缘人工智能的联邦持续学习：综合综述
边缘人工智能的联邦持续学习：综合综述
专知会员服务
32+阅读 · 2024年12月14日
【CMU博士论文】使用数据不确定解释的可信学习
【CMU博士论文】使用数据不确定解释的可信学习
专知会员服务
29+阅读 · 2024年11月2日
绿色联邦学习：绿色意识AI的新时代
绿色联邦学习：绿色意识AI的新时代
专知会员服务
18+阅读 · 2024年9月20日
【剑桥大学博士论文】联邦自监督学习，141页pdf
【剑桥大学博士论文】联邦自监督学习，141页pdf
专知会员服务
19+阅读 · 2024年6月15日
参考链接
微信扫码咨询专知VIP会员
Top