SEER's Study

...

window.MathJax = { tex: { inlineMath: [['$', '$'], ['\\(', '\\)']], displayMath: [['$$', '$$'], ['\\[', '\\]']] } }; Random forest with differential privacy in federated learning framework for network attack detection and...

window.MathJax = { tex: { inlineMath: [['$', '$'], ['\\(', '\\)']], displayMath: [['$$', '$$'], ['\\[', '\\]']] } }; HierFedPDP:Hierarchical federated learning with personalized differential privacy（HierFedPDP：基于个性化差分隐私的分层联邦学习）1.摘要HierFedPDP 是一种新型的联邦学习（FL）框架，通过在客户端级别实现个性化本地差分隐私（LDP）机制，根据数据的敏感性动态调整隐私预算，从而提供灵活且高效的隐私保护。该框架采用三层客户端-边缘-云架构，充分利用边缘计算来缓解中央服务器的计算负载。实验结果表明，与现有的模型相比，HierFedPDP 在MNIST数据集上表现出0.84%至2.36%的精度提升，在CIFAR-10数据集上也取得了显著的改进。HierFedPDP...

window.MathJax = { tex: { inlineMath: [['$', '$'], ['\\(', '\\)']], displayMath: [['$$', '$$'], ['\\[', '\\]']] } }; Local differential privacy federated learning based on heterogeneous data multi-privacy...

第2章 信息的表示和处理三种最重要的数字表示：无符号、补码、浮点数。溢出：结果太大，无法表示。 2.1 信息存储虚拟内存：机器级程序将内存视为一个非常大的字节数组；地址：内存中的每个字节都由一个唯一的数字来标识，该数字为地址；虚拟地址空间：所有可能地址的集合；程序对象：程序数据、指令和控制信息。 2.1.1 十六进制表示法十六进制：0-9，A-F；C语言中，十六进制值前面加上0x； 2.1.2 字数据大小字长：指明指针数据的标称大小；相关C声明与字节数如下表： 有符号 无符号 32位 64位 char unsigned char 1 1 short unsigned short 2 2 int unsigned 4 4 long unsigned long 4 8 int32_t uint32_t 4 4 int64_t uint64_t 8 8 char * 4 8 float 4 4 double 8 8 2.1.3...

第1章 计算机系统漫游计算机系统：硬件和系统软件组成 1.1 信息就是位+上下文程序的生命周期：始于源程序（源文件）；源程序：由值0和1组成的位（又称比特）序列；字节：8个位被组织成一组；文本文件：只由ASCII字符构成； 二进制文件：所有其他非“文本文件”的文件为二进制文件； 1.2 程序被其他程序翻译成不同的格式C语句都被徐被其他程序转化为一系列的低级机器语言指令，然后这些指令按照一种称为可执行目标程序的格式打好包。编译系统：预处理器、编译器、汇编器、连接器预处理阶段：根据#开头的命令，修改原始的C程序。编译阶段：将文本文件.i翻译成文本文件.s，包含一个汇编语言程序。汇编阶段：汇编器将文本文件.s翻译成机器语言指令，把这些指令打包成一种叫做可重定位目标程序的格式，并将结果保存在目标文件.o中。链接阶段：链接器将其他函数（例如printf函数）所在的单独预编译目标文件.o与主.o文件合并。 1.3 了解编译系统如何工作是大有益处的优化程序性能、理解链接时出现的错误、避免安全漏洞 1.4...

Communication-Efficient and Private Federated Learning with Adaptive Sparsity-Based Pruning on Edge...

今天的学习内容今天我继续阅读FIGRET-sigcomm2024-1(TE)V2。目前已经阅读至FIGRET部分。 1.论文关键词流量工程，广域网，数据中心网络，机器学习 2.TE模型部分2.1 概念介绍最大链路利用率MLU...

今天的学习内容今天我继续阅读FIGRET-sigcomm2024-1(TE)V2。目前已经阅读至TE模型部分。 1.论文关键词流量工程，广域网，数据中心网络，机器学习 2.TE模型部分2.1 概念介绍网络拓扑（Network Topology）通过图𝐺建模的网络拓扑结构是整个流量工程优化的基础。节点表示交换机或路由器，链路表示节点之间的通信线路，链路的容量决定了流量能够通过的上限。 需求矩阵（Demand Matrix, DM）这是一个 ∣𝑉∣×∣𝑉∣的矩阵，用于表示网络中每一对源-目的节点之间的流量需求。需求矩阵帮助TE模型确定需要转发的流量规模，并为流量分配和路径选择提供依据。 最大链路利用率（MLU, Maximum Link Utilization）MLU 是优化目标中最关键的度量指标，表示网络中单条链路的最大利用率。最小化MLU可以避免网络链路的过载问题，提高网络的整体性能。 TE配置（TE...

会议摘要报告将探讨大模型表征空间的特征，展示大模型表征空间对齐的例子，包括多模态表征的对齐、抽象表征的提取以及表征空间的相似性度量。在此基础上，将展示一个新的表征度量利用大模型表征对齐的性质来分析和理解多模态大模型中幻觉现象的来源，解剖大模型的各个模块的贡献。最后通过展示针对商业多模态模型中版权防御的越狱攻击，探讨通过操控表征空间实现安全可控生成的方法，总结在这一研究方向上的结果并展望未来发展。 会议内容——大模型机理分析1.大模型表征空间正在对齐eg:CLIP模型零样本能力、模型缝合、多模态大模型 2.背景介绍模型的幻觉：模型生成看似可信但不忠实或无意义的内容-忠实性幻觉：生成内容与用户输入矛盾 eg：视觉语言模型幻觉，图文不一致-事实性幻觉：生成内容与现实世界知识相悖 幻觉的评估，图文之间的以执行（基于QA的评测指标，如POPE、MME等） 多模态模型幻觉来自于Visual...