开发者社区> 问答> 正文

联邦学习算法怎么做单机算法调优?如果独立单份的数据做联邦算法不准,怎么同步修改联邦算法?

1.联邦学习算法,怎么做单机算法调优,独立单份的数据做联邦算法,不准,怎么同步修改联邦算法,升级算法的依据是什么?

2.同态加密, 这个是什么?加密这块是否做了国产化,还是依赖国外加密技术??

3.primihub已经可以一键部署docker了,基于k8s平台运行的适配做了吗? fastdfs这种 分布式文件系统,怎么做隐匿查询、隐私求交,安全加密访问? 已经有了https安全,为啥还是不安全?

展开
收起
OSC开源社区 2024-05-10 23:34:45 86 0
1 条回答
写回答
取消 提交回答
    1. 参数调优一般通过调整训练超参数(网格搜索、贝叶斯)、模型结构等。联邦学习的参数还包括本地训练的轮次、全局聚合的轮次、聚合求平均的方法。同时联邦学习还需要进行通信效率优化。
    2. 同态加密技术可以支持密文上的计算,例如密文加法和密文乘法。参考论文:《基于国密SM2和SM9的同态加密算法》。
    3. 做了k8s的适配,算法原理和使用哪种数据源是无关的,需要增加fastdfs的支持即可;通信加密不能解决所有的问题,比如经典的“百万富翁问题”:两个人想比较谁更有钱,但是又不想让对方知道自己的财富值。
    2024-05-11 16:09:01
    赞同 3 展开评论 打赏
问答排行榜
最热
最新

相关电子书

更多
数据+算法定义新世界 立即下载
袋鼠云基于实时计算的反黄牛算法 立即下载
Alink:基于Apache Flink的算法平台 立即下载