聯(lián)邦學(xué)習(xí)原理與算法

第1章聯(lián)邦學(xué)習(xí)與機器學(xué)習(xí)基礎(chǔ)
1.1聯(lián)邦學(xué)習(xí)概述
1.1.1聯(lián)邦學(xué)習(xí)的背景與發(fā)展
1.1.2聯(lián)邦學(xué)習(xí)的定義與分類
1.1.3聯(lián)邦學(xué)習(xí)的相關(guān)法規(guī)與社區(qū)
1.1.4展望與總結(jié)
1.2聯(lián)邦學(xué)習(xí)挑戰(zhàn)
1.2.1性能挑戰(zhàn)
1.2.2效率挑戰(zhàn)
1.2.3隱私與安全挑戰(zhàn)
1.3機器學(xué)習(xí)基礎(chǔ)
1.3.1機器學(xué)習(xí)定義與分類
1.3.2機器學(xué)習(xí)流程
1.3.3常見的機器學(xué)習(xí)算法
1.4深度學(xué)習(xí)基礎(chǔ)與框架
1.4.1深度學(xué)習(xí)基本原理
1.4.2常見的神經(jīng)網(wǎng)絡(luò)類型
1.4.3常見的深度學(xué)習(xí)框架
第2章聯(lián)邦學(xué)習(xí)框架
2.1百度PaddleFL框架2.1.1PaddleFL框架結(jié)構(gòu)
2.1.2PaddleFL框架安裝和部署
2.1.3PaddleFL使用示例
2.2Flower框架
2.2.1Flower框架結(jié)構(gòu)
2.2.2Flower框架安裝與部署
2.2.3Flower使用示例
2.3微眾銀行FATE框架
2.3.1FATE的技術(shù)架構(gòu)
2.3.2FATE安裝與部署
2.4聯(lián)邦學(xué)習(xí)框架對比
第3章聯(lián)邦學(xué)習(xí)系統(tǒng)架構(gòu)
3.1橫向聯(lián)邦學(xué)習(xí)
3.1.1橫向聯(lián)邦學(xué)習(xí)定義
3.1.2橫向聯(lián)邦學(xué)習(xí)算法
3.1.3安全聚合算法
3.2縱向聯(lián)邦學(xué)習(xí)
3.2.1縱向聯(lián)邦學(xué)習(xí)算法概述
3.2.2縱向聯(lián)邦邏輯回歸算法
3.3分割學(xué)習(xí)
3.3.1分割學(xué)習(xí)基本原理
3.3.2分割學(xué)習(xí)設(shè)置與應(yīng)用場景
第4章聯(lián)邦學(xué)習(xí)建模難點與解決方案
4.1數(shù)據(jù)統(tǒng)計異質(zhì)性
4.1.1非獨立同分布影響與收斂性分析
4.1.2非同質(zhì)性數(shù)據(jù)分類與構(gòu)建
4.1.3聯(lián)邦學(xué)習(xí)非獨立同分布策略
4.2個性化聯(lián)邦學(xué)習(xí)
4.2.1個性化聯(lián)邦學(xué)習(xí)的動機和概念4.2.2全局模型個性化策略
4.2.3個性化本地模型
4.3聯(lián)邦學(xué)習(xí)通信與加速算法
4.3.1模型壓縮算法
4.3.2異步與并行優(yōu)化
4.3.3硬件加速
第5章聯(lián)邦學(xué)習(xí)與隱私保護
5.1差分隱私
5.1.1差分隱私定義
5.1.2差分隱私與機器學(xué)習(xí)
5.1.3差分隱私在聯(lián)邦學(xué)習(xí)中的應(yīng)用
5.1.4開源項目與工具
5.2安全多方計算
5.2.1百萬富翁問題
5.2.2不經(jīng)意傳輸
5.2.3混淆電路
5.2.4秘密分享
5.2.5安全多方計算在聯(lián)邦學(xué)習(xí)中的應(yīng)用
5.3同態(tài)加密
5.3.1同態(tài)加密定義與分類
5.3.2部分同態(tài)加密方案
5.4可信執(zhí)行環(huán)境
第6章聯(lián)邦學(xué)習(xí)系統(tǒng)安全與防御算法
6.1聯(lián)邦學(xué)習(xí)安全性分析
6.1.1CIA原則: 私密性、完整性與可用性
6.1.2敵手模型
6.2聯(lián)邦學(xué)習(xí)隱私攻擊與防御
6.2.1成員推斷攻擊與防御
6.2.2重構(gòu)攻擊與防御6.3聯(lián)邦學(xué)習(xí)安全攻擊與防御
6.3.1聯(lián)邦學(xué)習(xí)安全攻擊目標(biāo)與手段
6.3.2聯(lián)邦學(xué)習(xí)安全防御
第7章聯(lián)邦學(xué)習(xí)與計算機視覺
7.1圖像分類
7.1.1傳統(tǒng)圖像分類算法
7.1.2基于深度學(xué)習(xí)的圖像分類算法
7.1.3圖像分類常用數(shù)據(jù)集
7.2目標(biāo)檢測
7.2.1目標(biāo)檢測模型的常用評價標(biāo)準(zhǔn)
7.2.2目標(biāo)檢測的常用算法
7.2.3目標(biāo)檢測的常用數(shù)據(jù)集
7.3圖像分割
7.3.1圖像分割分類
7.3.2圖像分割數(shù)據(jù)集
7.3.3語義分割
7.3.4實例分割常用的算法
7.4聯(lián)邦學(xué)習(xí)圖像識別非獨立同分布數(shù)據(jù)實驗
7.4.1實驗描述
7.4.2實驗過程
7.4.3結(jié)果分析
第8章聯(lián)邦學(xué)習(xí)與推薦系統(tǒng)
8.1推薦系統(tǒng)基本知識
8.1.1推薦系統(tǒng)數(shù)據(jù)
8.1.2推薦系統(tǒng)架構(gòu)
8.1.3推薦系統(tǒng)數(shù)據(jù)集
8.2協(xié)同過濾算法
8.2.1協(xié)同過濾算法分類
8.2.2協(xié)同過濾算法評價指標(biāo)8.3矩陣分解
8.3.1奇異值分解
8.3.2聯(lián)邦矩陣分解算法
8.4神經(jīng)協(xié)同過濾網(wǎng)絡(luò)
8.4.1神經(jīng)協(xié)同過濾系統(tǒng)框架
8.4.2神經(jīng)協(xié)同過濾層設(shè)計
8.4.3神經(jīng)協(xié)同過濾訓(xùn)練
8.4.4聯(lián)邦神經(jīng)協(xié)同過濾
第9章聯(lián)邦學(xué)習(xí)與其他深度學(xué)習(xí)模式結(jié)合
9.1聯(lián)邦多任務(wù)學(xué)習(xí)
9.1.1多任務(wù)學(xué)習(xí)基本原理
9.1.2聯(lián)邦多任務(wù)學(xué)習(xí)算法
9.2聯(lián)邦學(xué)習(xí)與半監(jiān)督學(xué)習(xí)
9.2.1半監(jiān)督學(xué)習(xí)的基本方法
9.2.2聯(lián)邦學(xué)習(xí)與半監(jiān)督學(xué)習(xí)結(jié)合
9.3聯(lián)邦強化學(xué)習(xí)
9.3.1強化學(xué)習(xí)基本原理與分類
9.3.2聯(lián)邦學(xué)習(xí)與強化學(xué)習(xí)結(jié)合
9.4聯(lián)邦圖學(xué)習(xí)
9.4.1圖學(xué)習(xí)算法基礎(chǔ)知識
9.4.2聯(lián)邦圖學(xué)習(xí)算法與挑戰(zhàn)
第10章聯(lián)邦學(xué)習(xí)應(yīng)用前景
10.1聯(lián)邦學(xué)習(xí)與醫(yī)療
10.1.1聯(lián)邦醫(yī)學(xué)圖像處理
10.1.2聯(lián)邦學(xué)習(xí)與電子醫(yī)療記錄
10.1.3聯(lián)邦學(xué)習(xí)與藥物開發(fā)
10.2聯(lián)邦學(xué)習(xí)與金融
10.2.1聯(lián)邦學(xué)習(xí)與銀行風(fēng)控
10.2.2聯(lián)邦學(xué)習(xí)與消費社交反欺詐10.2.3聯(lián)邦學(xué)習(xí)與智慧營銷
10.3聯(lián)邦學(xué)習(xí)、邊緣計算與物聯(lián)網(wǎng)
10.3.1聯(lián)邦學(xué)習(xí)與邊緣計算
10.3.2聯(lián)邦學(xué)習(xí)與物聯(lián)網(wǎng)
10.3.3聯(lián)邦學(xué)習(xí)與自動駕駛
10.4聯(lián)邦學(xué)習(xí)與區(qū)塊鏈
10.4.1區(qū)塊鏈基本原理
10.4.2區(qū)塊鏈分類
10.4.3區(qū)塊鏈與聯(lián)邦學(xué)習(xí)結(jié)合