技术栈
差分隐私
沛沛老爹
1 年前
人工智能
·
深度学习
·
安全
·
机器学习
·
数据安全
·
差分隐私
·
隐私保护技术
深度学习：如何面对隐私和安全方面的挑战
深度学习技术的广泛应用推动了人工智能的快速发展，但同时也引发了关于隐私和安全的深层次担忧。如何在保护用户隐私的同时实现高效的模型训练和推理，是深度学习领域亟待解决的问题。差分隐私、联邦学习等技术的出现，为这一挑战提供了可能的解决方案，但仍需不断探索和完善。
TechBeat人工智能社区
1 年前
机器学习
·
联邦学习
·
neurips
·
数据异构性
·
差分隐私
NeurIPS 2023 | FedFed：特征蒸馏应对联邦学习中的数据异构
在本文中，我们提出了一种新的即插即用的联邦学习模块，FedFed，其能够以特征蒸馏的方式来解决联邦场景下的数据异构问题。FedFed首次探索了对数据中部分特征的提取与分享，大量的实验显示，FedFed能够显著地提升联邦学习在异构数据场景下的性能和收敛速度。