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/
Android消息机制，主要讲解Android系统内部不同线程之间的信息交互，具体介绍了MessageQueue、Looper和Handler三者之间的交互和各自的原理。 附件-A…
聚焦IoRT/IIoT场景下联邦基础模型的安全评测与防御，概述联邦微调范式与隐蔽后门风险；重点介绍SecFFT频域一致性检测机制与长期意图建模相结合实现安全加权聚合，以及FL-ID…
本报告围绕强化学习中的“信用分配”难题，系统梳理了延迟/稀疏奖励场景下如何精准识别关键动作的研究脉络， 介绍LaRe与VinePPO两项新工作 ，分别利用大模型先验与无偏采样提升奖…
人工智能软件系统的安全逐渐受到人们的重视，深度学习软件库存在的缺陷可能威胁到框架之上的模型和系统，目前仍然缺少深度学习软件库测试的系统方法。面对深度学习安全领域，针对深度学习软件库…
模糊测试是一种应用广泛的自动化漏洞挖掘方法，但当被测程序使用加密算法处理输入数据时，对输入数据的直接变异并不…
生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。本次学术报告将回顾关…
模型窃取防御技术能够促进深度神经网络的健康发展，推动数据交流与共享。本次报告从大范围的模型窃取防御领域，聚焦到一类算法，从数学公式上对算法进行详细的分析，并对实验结果进行详细解读，…
推荐系统在现在的生活中随处可见，淘宝天猫的商品推荐，音乐软件的每日歌曲推荐等，协同过滤就是一种很受欢迎的推荐…
信息抽取是自然语言处理中的重要组成部分，特别是在当今信息化社会中，从海量数据中抽取出有用的信息显得格外有意义。实体关系抽取是信息抽取的基础任务。现实生活中存在着长尾分布的问题，这导…
符号执行 （Symbolic Execution）是一种程序分析技术。其可以通过分析程序来得到让特…
