文件名称：联合学习框架：实施联合学习的框架
文件大小：1.27MB
文件格式：ZIP
更新时间：2024-03-23 12:15:52
联合学习框架 这部分是[雾计算中的保护隐私的联合学习]（DOI：10.1109 / JIOT.2020.2987958。2020）的论文的复制部分。 到目前为止，仅在MNIST上进行过实验。 要求 python> = 3.6 火炬> = 0.4 设置 运行blind_server.py和model_server.py，根据mod参与人数选择合适的操作 抽象的 联合学习可以将大量分散的用户组结合在一起，并在不上传数据集的情况下共同训练模型，从而避免服务器收集用户敏感数据。 但是，联合学习的模型将暴露用户的训练集信息，并且在多个用户的情况下，用户拥有的数据量不均会导致训练效率低下。 在本文中，我们提出了雾计算中的一种保护隐私的联合学习方案。 作为参与者，每个雾节点都可以收集物联网（IoT）设备数据并完成我们的方案中的学习任务。 这种设计有效地改善了由于数据分布不均和计算能力差距较大而导致的低训
【文件预览】：
Federated-Learning-Framework-main
----test1.py(5KB)
----client2.py(12KB)
----test(2B)
----client1.py(12KB)
----__pycache__()
--------exp.cpython-37.pyc(837B)
--------model_server.cpython-37.pyc(7KB)
--------paillier.cpython-37.pyc(9KB)
--------primes.cpython-37.pyc(2KB)
----paillier.py(6KB)
----model_server.py(9KB)
----venv()
--------pyvenv.cfg(71B)
--------Scripts()
----blind_server.py(2KB)
----primes.py(2KB)
----.idea()
--------misc.xml(330B)
--------modules.xml(294B)
--------encodings.xml(433B)
--------workspace.xml(22KB)
--------周纯毅学长实验.iml(537B)
----client3.py(12KB)
----client2_log.txt(226B)
----hello.py(107B)
----model_server_log.txt(24B)
----exp.py(897B)
----README.md(2KB)
----client3_log.txt(336B)
----server_nn.py(9KB)
----client1_log.txt(87B)