聯邦學習
韓宇星、楊強
- 出版商: 清華大學
- 出版日期: 2025-09-01
- 售價: $270
- 語言: 簡體中文
- ISBN: 7302700656
- ISBN-13: 9787302700654
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
作者簡介
目錄大綱
目錄
第 1章聯邦學習基礎 ..............................................................1
1.1聯邦學習概述
.....................................................................................2
1.
1.1聯邦學習背景 ...........................................................................2
1.
1.2聯邦學習定義與分類.................................................................3
1.
1.3聯邦學習發展與現狀.................................................................4
1.
2系統模型與威脅模型 ...........................................................................7
1.
2.1聯邦學習系統結構 ....................................................................7
1.
2.2聯邦學習威脅模型 ....................................................................8
1.
3聯邦學習系統目標...............................................................................9
1.3.1隱私目標
..................................................................................9
1.3.2安全目標
................................................................................ 10
1.
3.3多目標平衡 ............................................................................ 11
1.
3.4貢獻度評估 ............................................................................ 12
第 2章聯邦學習與隱私安全 .................................................. 14
2.
1隱私安全問題定義............................................................................. 15
2.
1.1機器學習隱私問題與安全問題.................................................. 15
2.
1.2攻擊與防護對象...................................................................... 16
2.
2聯邦學習隱私安全威脅 ...................................................................... 17
2.
2.1面向數據隱私的威脅攻擊 ........................................................ 17
2.
2.2面向模型安全的威脅攻擊 ........................................................ 19
2.
2.3面向模型版權的威脅攻擊 ........................................................ 20
2.
3聯邦學習隱私安全保護方法 ............................................................... 24
2.3.1差分隱私
................................................................................ 24
2.
3.2安全多方計算 ......................................................................... 25
2.3.3同態加密
................................................................................ 26
2.
3.4模型版權保護技術 .................................................................. 27
第 3章個性化聯邦學習......................................................... 33
3.
1非獨立同分布問題與個性化學習的必要性 ........................................... 34
3.
2聯邦學習個性化方法 ......................................................................... 35
3.
2.1基於客戶端選擇的方案............................................................ 35
3.
2.2基於元學習的方案 .................................................................. 35
3.
2.3 基於正則化的方案 .................................................................. 36
3.
2.4 基於蒸餾的方案...................................................................... 37
第 4 章聯邦學習貢獻度評估 .................................................. 39
4.
1貢獻度評估的重要性與挑戰 ............................................................... 40
4.
2貢獻度評估標準與公平性................................................................... 41
4.2.1 基於
Shapley值的貢獻評估方法 .............................................. 41
4.
2.2 基於距離的貢獻度評估方法 ..................................................... 41
4.2.3 評價指標
................................................................................ 42
4.
3聯邦學習貢獻度評估方法................................................................... 43
4.3.1 基於
Shapley值的貢獻度評估方法........................................... 43
4.
3.2 基於距離的貢獻度評估方法 ..................................................... 45
第 5 章聯邦學習與大模型 ..................................................... 47
5.1聯邦大模型
....................................................................................... 48
5.
1.1 大模型預訓練與聯邦學習 ........................................................ 49
5.
1.2 大模型微調與聯邦學習............................................................ 50
5.
1.3 聯邦大模型應用研究 ............................................................... 53
5.2聯邦遷移學習
................................................................................... 56
5.2.1 聯邦遷移學習背景 .................................................................. 56 FDKT ................................................................................... 57
5.2.2 AUG-PE................................................................................ 60
5.2.3 InferDPT............................................................................... 61
5.2.4 FedMKT................................................................................ 62
5.2.5
5.2.6 聯邦遷移學習展望 .................................................................. 63
第 6 章聯邦學習與拜占庭問題............................................... 65
6.
1聯邦學習的安全威脅 ......................................................................... 66
6.
1.1 常見的聯邦學習安全問題 ........................................................ 66
6.
1.2 拜占庭攻擊 ............................................................................ 67
6.
1.3 聯邦學習與傳統分布式學習中的安全問題對比 .......................... 68
6.
2拜占庭攻擊策略 ................................................................................ 69
6.2.1 隨機攻擊................................................................................ 69
VIII
6.
2.2惡意客戶端的攻擊 .................................................................. 71
6.
2.3模型性能的影響及潛在危害 ..................................................... 72
6.
3拜占庭防禦機制 ................................................................................ 73
6.
3.1基於冗余的防禦方法............................................................... 73
6.
3.2基於信譽評分的防禦方法 ........................................................ 75
6.
3.3基於投票的防禦方法 ............................................................... 75
6.
3.4基於驗證的防禦方法 ............................................................... 76
6.
3.5基於對抗訓練的防禦方法 ........................................................ 76
6.
4拜占庭攻擊與防禦的具體案例和策略 .................................................. 77
6.
4.1拜占庭將軍問題與拜占庭容錯算法 ........................................... 77
6.
4.2帶有對手的機器學習：拜占庭容錯的隨機梯度下降.................... 78
6.
4.3數據異構性下的拜占庭防禦 ..................................................... 82
第 7章聯邦學習的應用......................................................... 85
7.1聯邦學習與
FATE............................................................................. 86
7.
2在醫療領域的應用............................................................................. 88
7.
2.1新冠病毒檢測應用案例............................................................ 88
7.
2.2遠程醫療監控應用案例............................................................ 89
7.
2.3醫療圖像應用案例 .................................................................. 90
7.
2.4醫療防護應用案例 .................................................................. 92
7.
3在邊緣計算領域的應用 ...................................................................... 96
7.3.1
5G電信應用案例 ................................................................... 96
7.
3.2車載網絡應用案例 .................................................................. 97
7.
3.3跨境支付應用案例 .................................................................. 98
7.
3.4無人機應用案例...................................................................... 98
7.
4在推薦系統領域的應用 .....................................................................100
7.
4.1商品推薦應用案例 .................................................................100
7.
4.2新聞推薦應用案例 .................................................................103
7.
5在金融領域的應用............................................................................104
7.
5.1反洗錢應用案例.....................................................................105
7.
5.2信用卡欺詐檢測應用案例 .......................................................106
7.
6聯邦大小模型系統的應用..................................................................108
IX
7.
6.1智能監控雲邊協同應用案例 ....................................................111
7.
6.2自動駕駛雲邊協同應用案例 ....................................................112
7.
6.3工業物聯網雲邊協同應用案例.................................................113
7.
6.4智慧醫療雲邊協同應用案例 ....................................................115
參考文獻 ................................................................................117
