联邦学习在为解决数据交换时的信息隐私安全及数据孤岛问题时被提出，现广泛应用的为横向联邦与纵向联邦，本次学术报告介绍了联邦学习的基本思路，并基于横向联邦说明了两种经典的参数更新和合并方法，解决联邦学习中遇到的一些数据异构、设备异构、NonIID等常见问题。最后，报告总结了联邦学习的主要应用领域，以及未来联邦学习的发展演进的一些思路。
联邦学习的参数更新方法-崔成钢原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/10/11/%e8%81%94%e9%82%a6%e5%ad%a6%e4%b9%a0%e7%9a%84%e5%8f%82%e6%95%b0%e6%9b%b4%e6%96%b0%e6%96%b9%e6%b3%95/
不完全多视图聚类技术旨在处理多视图数据中部分视图缺失的问题，确保在数据不完整的情况下仍能进行有效的聚类分析。通过整合各视图的信息，该技术能够弥合视图之间的差异，提升聚类性能。其应用…
本学术报告围绕大模型微调中的后门攻击问题展开。内容涵盖：后门攻击的基本原理与主流微调方法；两种新型攻击技术的设计与危害分析；以及针对现有防御体系的不足与盲区，展望后门攻击的未来演进…
LSTM，全称为长短期记忆网络（Long Short-Term Memory networks），是一种深度神经网络，同时也是一种特殊的循环神经网络（RNN）。通过在RNN的网…
归一化流（Normalizing Flows）是一类生成模型，它利用一系列可逆变换将简单分布映射为复杂数据分布，具有精确计算概率密度的能力。在表格数据生成领域，归一化流的应用对于理…
主要探讨基于大语言模型的事件根因分析。阐述其研究背景、意义，涉及 RCACopilot 和 RCAgent 算法，包含数据收集、处理、输出，以及算法的具体流程等。通过实验对比展示其…
人类正在经历着由深度学习技术推动的人工智能浪潮，它为人类生产和生活带来了巨大的技术革新。然而，以往的机器学习理论大多没有考虑开放甚至对抗的系统运行环境，逐渐暴露出了许多安全和隐私问…
人工智能技术在决策系统等领域发挥了重要作用。用于模型训练的数据集中含有显示或者隐式的敏感属性，模型往往会利用敏感属性的特征做出决策，导致人工智能模型在公平性方面出现偏差，产生严重的…
meta-learning即元学习，也可以称为“learning to learn”。常见的深度学习模型，目的是学习一个用于预测的数学模型。而元学习面向的不是学习的结果，而是学习的…
无人机广泛应用但传统模糊测试存在物理感知盲区且飞控输入高维，漏洞难挖掘。本报告介绍两种新方法：路径规划漏洞挖掘框架 DPFuzzer 及 PID 参数规范推断技术 RouthSea…
本次报告围绕加密代理流量展开，首先阐述了代理流量识别的基本概念、研究背景和研究意义，然后介绍了代理识别或检测的研究现状。接着详细介绍了ProxyKiller和EO-EPTC两种现有…
