.png){kind=icon}
返回
FLEX: Flexible Federated Learning Framework
.png){kind=icon}
OA
AI
DOI：10.1016/j.inffus.2024.102792.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在人工智能（AI）领域，数据处理中隐私和安全的需要已成为重中之重。随着AI应用的持续扩展，敏感数据的收集和处理引发了关于个人隐私保护的担忧。联邦学习（FL）作为一种有前景的解决方案应运而生，通过在本地设备上实现去中心化模型训练，从而保护数据隐私。本文介绍了FLEX：一个灵活的联邦学习框架，旨在为联邦学习（FL）研究实验提供最大灵活性，并实现联邦解决方案的部署。通过提供可定制的数据分布、隐私参数和通信策略等特性，FLEX赋能研究人员进行创新并开发新颖的FL技术。该框架还提供一个分布式版本，允许实验部署在不同的设备上。此外，该框架还包含特定FL实现库，包括：(1) 异常检测，(2) 区块链，(3) 对抗攻击与防御，(4) 自然语言处理和(5) 决策树，从而增强其在各领域的多样性和适用性。总体而言，FLEX代表了联邦学习研究和部署领域的一项重大进展，促进了鲁棒且高效的联邦学习应用的发展。
Keyword:
Federated learning
Distributed machine learning
Data privacy
Research software framework
Deployment software framework
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
15.5
论文数:
4.2K
被引数:
2.7W
机构
引用论文
Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示
OAAI
OAAI分享收藏Decentralized Privacy Using Blockchain-Enabled Federated Learning in Fog Computing在雾计算中使用区块链联合学习的分散隐私
PREAI
分享收藏分享收藏Survey on federated learning threats: Concepts, taxonomy on attacks and defences, experimental study and challenges.png)
INFORMATION FUSIONOAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏
查看更多内容