返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]联邦学习韩宇星、杨强 著9787302700654
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 韩宇星、杨强 著著 | 韩宇星、杨强 著编 | 韩宇星、杨强 著译 | 韩宇星、杨强 著绘
    • 出版社: 清华大学出版社
    • 出版时间:2025-09-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 韩宇星、杨强 著著| 韩宇星、杨强 著编| 韩宇星、杨强 著译| 韩宇星、杨强 著绘
    • 出版社:清华大学出版社
    • 出版时间:2025-09-01
    • 版次:1
    • 印次:1
    • 印刷时间:2025-09-01
    • 开本:其他
    • ISBN:9787302700654
    • 版权提供:清华大学出版社
  • 作者: 韩宇星、杨强 著
  • 著: 韩宇星、杨强 著 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 45
  • ISBN: 9787302700654
  • 出版社: 清华大学出版社
  • 开本: 其他
  • 印刷时间: 2025-09-01
  • 语种: 暂无
  • 出版时间: 2025-09-01
  • 页数: 0
  • 外部编号: 党庄A34286
  • 版次: 1
  • 成品尺寸: 暂无
  • 第1章 联邦学习基础
    1.1 联邦学习概述
    1.1.1 联邦学习背景
    1.1.2 联邦学习定义与分类
    1.1.3 联邦学习发展与现状
    1.2 系统模型与威胁模型
    1.2.1 联邦学习系统结构
    1.2.2 联邦学习威胁模型
    1.3 联邦学习系统目标
    1.3.1 隐私目标
    1.3.2 安全目标
    1.3.3 多目标平衡
    1.3.4 贡献度评估
    第2章 联邦学习与隐私安全
    2.1 隐私安全问题定义
    2.1.1 机器学习隐私问题与安全问题
    2.1.2 攻击与防护对象
    2.2 联邦学习隐私安全威胁
    2.2.1 面向数据隐私的威胁攻击
    2.2.2 面向模型安全的威胁攻击
    2.2.3 面向模型版权的威胁攻击
    2.3 联邦学习隐私安全保护方法
    2.3.1 差分隐私
    2.3.2 安全多方计算
    2.3.3 同态加密
    2.3.4 模型版权保护技术
    第3章 个性化联邦学习
    3.1 非独立同分布问题与个性化学习的必要性
    3.2 联邦学习个性化方法
    3.2.1 基于客户端选择的方案
    3.2.2 基于元学习的方案
    3.2.3 基于正则化的方案
    3.2.4 基于蒸馏的方案
    第4章 联邦学习贡献度评估
    4.1 贡献度评估的重要性与挑战
    4.2 贡献度评估标准与公平性
    4.2.1 基于Shapley值的贡献评估方法
    4.2.2 基于距离的贡献度评估方法
    4.2.3 评价指标
    4.3 联邦学习贡献度评估方法
    4.3.1 基于Shapley值的贡献度评估方法
    4.3.2 基于距离的贡献度评估方法
    第5章 联邦学习与大模型
    5.1 联邦大模型
    5.1.1 大模型预训练与联邦学习
    5.1.2 大模型微调与联邦学习
    5.1.3 联邦大模型应用研究
    5.2 联邦迁移学习
    5.2.1 联邦迁移学习背景
    5.2.2 FDKT
    5.2.3 AUG-PE
    5.2.4 InferDPT
    5.2.5 FedMKT
    5.2.6 联邦迁移学习展望
    第6章 联邦学习与拜占庭问题
    6.1 联邦学习的安全威胁
    6.1.1 常见的联邦学习安全问题
    6.1.2 拜占庭攻击
    6.1.3 联邦学习与传统分布式学习中的安全问题对比
    6.2 拜占庭攻击策略
    6.2.1 随机攻击
    6.2.2 恶意客户端的攻击
    6.2.3 模型性能的影响及潜在危害
    6.3 拜占庭防御机制
    6.3.1 基于冗余的防御方法
    6.3.2 基于信誉评分的防御方法
    6.3.3 基于投票的防御方法
    6.3.4 基于验证的防御方法
    6.3.5 基于对抗训练的防御方法
    6.4 拜占庭攻击与防御的具体案例和策略
    6.4.1 拜占庭将军问题与拜占庭容错算法
    6.4.2 带有对手的机器学习:拜占庭容错的随机梯度下降
    6.4.3 数据异构性下的拜占庭防御
    第7章 联邦学习的应用
    7.1 联邦学习与FATE
    7.2 在医疗领域的应用
    7.2.1 新冠病毒检测应用案例
    7.2.2 远程医疗监控应用案例
    7.2.3 医疗图像应用案例
    7.2.4 医疗防护应用案例
    7.3 在边缘计算领域的应用
    7.3.1 5G电信应用案例
    7.3.2 车载网络应用案例
    7.3.3 跨境支付应用案例
    7.3.4 无人机应用案例
    7.4 在推荐系统领域的应用
    7.4.1 商品推荐应用案例
    7.4.2 新闻推荐应用案例
    7.5 在金融领域的应用
    7.5.1 反洗钱应用案例
    7.5.2 信用卡欺诈检测应用案例
    7.6 联邦大小模型系统的应用
    7.6.1 智能监控云边协同应用案例
    7.6.2 自动驾驶云边协同应用案例
    7.6.3 工业物联网云边协同应用案例
    7.6.4 智慧医疗云边协同应用案例
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购