AAAI2021联邦学习论文集

目前，已经开放了AAAI2021的Accept Paper List，本文精选了14篇**联邦学习（Federated Learning）**的入选论文，分类如下：

隐私保护（Private Protection）
278: Secure Bilevel Asynchronous Vertical Federated Learning with Backward Updating
Qingsong Zhang, Bin Gu, Cheng Deng, Heng Huang

4838: FLAME: Differentially Private Federated Learning in the Shuffle Model
Ruixuan Liu, Yang Cao, Hong Chen, Ruoyang Guo, Masatoshi Yoshikawa

5082: Toward Understanding the Influence of Individual Clients in Federated Learning
Yihao Xue, Chaoyue Niu, Zhenzhe Zheng, Shaojie Tang, Chengfei Lyu, Fan Wu, Guihai Chen

5309: Provably Secure Federated Learning against Malicious Clients
Xiaoyu Cao, Jinyuan Jia, Neil Zhenqiang Gong

梯度与模型参数传播（Gradient and Model Parameter Communication）
3649: On the Convergence of Communication-Efficient Local SGD for Federated Learning
Hongchang Gao, An Xu, Heng Huang

5802: Personalized Cross-Silo Federated Learning on Non-IID Data
Yutao Huang, Lingyang Chu, Zirui Zhou, Lanjun Wang, Jiangchuan Liu, Jian Pei, Yong Zhang

5847: Model-Sharing Games: Analyzing Federated Learning under Voluntary Participation
Kathleen Donahue, Jon Kleinberg

8990: Curse or Redemption? How Data Heterogeneity Affects the Robustness of Federated
Learning
Syed Zawad, Ahsan Ali, Pin-Yu Chen, Ali Anwar, Yi Zhou, Nathalie Baracaldo, Yuan Tian, Feng Yan

9097: Game of Gradients: Mitigating Irrelevant Clients in Federated Learning
Lokesh Nagalapatti, Ramasuri Narayanam

9798: Federated Block Coordinate Descent Scheme for Learning Global and Personalized Models
Ruiyuan Wu, Anna Scaglione, Hoi-To Wai, Nurullah Karakoc, Kari Hreinsson, Wing-Kin Ma

10069: Adressing Class Imbalance in Federated Learning
Lixu Wang, Shichao Xu, Xiao Wang, Zhu Qi

10266: Defending against Backdoors in Federated Learning with Robust Learning Rate
Mustafa S Ozdayi, Murat Kantarcioglu, Yulia R. Gel

联邦推荐（Federated Recommendation）
444: FedRec++: Lossless Federated Recommendation with Explicit Feedback
Feng Liang, Weike Pan, Zhong Ming

其他
1473: Federated Multi-Armed Bandits
Chengshuai Shi, Cong Shen

AAAI2021联邦学习论文集相关推荐

【论文】联邦学习区块链论文集（一）
1.\color{#FF0000} 1.1. Blockchained On-Device Federated Learning 关键词:联邦学习.区块链.延迟分析主要贡献: 1)用区块链网络来代替 ...
【论文】联邦学习区块链论文集（三）
21.\color{#FF0000} 21.21. Privacy-Preserving Blockchain Based Federated Learning with Differential D ...
FedNLP: 首个联邦学习赋能NLP的开源框架，NLP迈向分布式新时代
文 | 阿毅两周前,南加大Yuchen Lin(PhD student @USC and ex-research intern @GoogleAI)所在的团队在Twitter官宣开源首个以研究为导向 ...
最新最全论文合集——纵向联邦学习
AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权.平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价.专家发现. ...
联邦学习fate笔记小结
20211006 https://gitee.com/jfdwd/FedRec fate推荐 faterec job_config和task_config不是同一个东西 task_config包含jo ...
联邦学习应用思考：需求还是方法？
作者 | 徐葳清华大学交叉信息研究院长聘副教授.华控清交首席科学家前言: 目前,"联邦学习"这个术语在市场上存在很多认识上的误解和混淆,主要原因是其既在广义上表达了保护数据前提 ...
赠书 | 联邦学习如何在视觉领域应用？
前言: 联邦学习是如何应用在视觉领域的?本文将通过一个获得了2020年AAAI人工智能创新应用奖的案例来向大家介绍. 本案例是联邦学习在视觉.物联网.安防领域的实际应用,对分散在各地的摄像头数据,通过 ...
如何全面认识联邦学习
作者 | 王健宗李泽远何安珣来源 | 大数据DT 头图 | 下载于视觉中国什么是联邦学习联邦学习是一种带有隐私保护.安全加密技术的分布式机器学习框架,旨在让分散的各参与方在满足不向其他参与者 ...
联邦学习，为何而生？
隐私数据是否早已泄露,而我们却毫无察觉? 随着大数据.边缘计算.大型云计算平台和各种开源框架的发展,机器学习等人工智能技术以前所未有的速度应用到各个行业,人工智能技术带来了新的挑战,数据的隐私和安全引 ...
联邦学习的隐忧：来自梯度的深度泄露
作者 | Ligeng Zhu and Song Han 编译 | 对外经济贸易大学金融科技实验室头图 | 下载于视觉中国 [编者按]数据交易流通是数据要素市场建立的关键环节.为了在推动数据流动的同 ...

AAAI2021联邦学习论文集

AAAI2021联邦学习论文集相关推荐

最新文章

热门文章