【文件属性】：
文件名称：PrivacyFL:隐私保护联合学习的模拟器
文件大小：39KB
文件格式：ZIP
更新时间：2021-05-28 19:47:38
differential-privacy multiparty-computation federated-learning Python
PrivacyFL：用于保护隐私和安全的联合学习的模拟器
该存储库包含用于运行保留隐私的联合学习模拟器的源代码。 当前，源代码是针对三个客户端的配置而设置的，这些客户端使用MNIST数据集上的逻辑回归来执行安全且有区别的私有联合学习。 但是，该库旨在进行修改，以模拟您自己的安全联合机器学习配置。 我们希望该模拟可以帮助用户确定对于给定的差分私有算法，参加差分私有联合学习是否对他们有利。
更新：第29届ACM国际信息和知识管理会议上接受的论文
论文和视频链接： :
入门
这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 有关如何在实时系统上部署项目的注释，请参阅部署。
正在安装
首先，在本地克隆此存储库。 然后运行以下命令创建一个conda环境：
conda env create -f environment.yml -n YourEnvironmentNa
【文件预览】：
PrivacyFL-master
----environment.yml(2KB)
----LICENSE(1KB)
----src()
--------agent.py(448B)
--------message.py(551B)
--------directory.py(296B)
--------server_agent.py(7KB)
--------initializer.py(5KB)
--------Serverless()
--------config.py(4KB)
--------utils()
--------client_agent.py(19KB)
--------run_simulation.py(680B)
----.idea()
--------misc.xml(185B)
--------vcs.xml(180B)
--------modules.xml(270B)
--------PrivacyFL.iml(565B)
--------workspace.xml(15KB)
----.gitignore(41B)
----README.md(10KB)