趋近智
高级联邦学习技术
章节 1: 联邦学习核心原理重温
联邦学习原则回顾
联邦环境中的难题
联邦优化的数学表述
同步联邦学习模型与异步联邦学习模型
联邦学习中的威胁模型
评估联邦学习系统
章节 2: 高级聚合算法
联邦平均（FedAvg）的局限性
FedProx：处理统计异质性
SCAFFOLD: 联邦优化中的方差降低
FedNova：针对异构系统的规范化平均
拜占庭容错聚合方法
自适应联邦优化方法
实践：实现高级聚合
章节 3: 提升联邦学习中的隐私保护
联邦学习中的差分隐私机制
将差分隐私应用于梯度更新
组合定理与隐私预算管理
安全多方计算 (SMC) 聚合协议
同态加密 (HE) 用于安全聚合
联邦学习中差分隐私、安全多方计算与同态加密的比较
隐私攻击：推断与重建
动手实践：实现DP-FedAvg
章节 4: 处理异质性和个性化
异构性的来源：统计性与系统性
处理非独立同分布数据的技术
聚类联邦学习方法
联邦个性化中的元学习
联邦设置中的多任务学习
模型剪枝与设备限制适应
实践：模拟非独立同分布数据及缓解方法
章节 5: 通信效率与系统优化
联邦学习中的通信瓶颈
梯度压缩技术
误差累积与补偿方法
模型更新压缩方法
优化本地计算
异步联邦学习优化
动手实践：实现梯度量化
章节 6: 联邦学习系统设计与实现
联邦学习系统的架构
联邦学习框架概览
模拟与部署
联邦系统的监控与调试
跨筒仓与跨设备联邦学习实现
系统部署中的安全考量
实践：搭建基础联邦学习仿真
安全多方计算 (SMC) 聚合协议
这部分内容有帮助吗？
- How to Share a Secret, Adi Shamir, 1979 Communications of the ACM, Vol. 22 (Association for Computing Machinery) DOI: 10.1145/359168.359176 - 这篇基础性论文介绍了Shamir秘密共享，本节中提到它是一种构建鲁棒SMC协议的替代技术。
- Introduction to Modern Cryptography, Jonathan Katz, Yehuda Lindell, 2020 (CRC Press) - 一本标准教材，严谨地阐述了密码学原语，包括秘密共享和安全多方计算，有助于理解其基础理论。
- Privacy-Preserving Federated Learning: A Survey, Xiaokui Wei, Jiashuo Zhang, Huamin Meng, Ruirui Huang, Zhenping Wu, Junping Zhang, 2021 Proceedings of the IEEE, Vol. 109 (IEEE) DOI: 10.1109/JPROC.2021.3117565 - 该综述提供了联邦学习中各种隐私保护技术的概览，包括SMC、差分隐私和同态加密，为本节讨论的比较提供了更广阔的背景。