🎓 联邦学习课程

25课全栈课程 从零掌握联邦学习

课程简介

本课程从零开始系统讲解联邦学习，涵盖分布式训练基础、隐私保护技术、高级算法、系统实现和实战项目。通过理论推导、Python实现和真实案例分析，你将全面掌握联邦学习的核心技术和工程实践。

课程特色：每课包含算法原理 + Python实现 + 隐私分析 + 练习题 + 🏆成就系统，确保学以致用。

课程路线图

阶段课程核心内容
🏗️ 联邦学习基础01-05FedAvg、分布式训练、通信优化、系统架构
🔐 隐私保护06-10差分隐私、安全聚合、同态加密、SMPC
⚡ 算法进阶11-15FedProx、SCAFFOLD、Non-IID、鲁棒聚合、异步训练
🛠️ 系统实现16-20PySyft、Flower、模拟器、纵向联邦、跨域联邦
🚀 实战项目21-25医疗诊断、金融风控、推荐系统、NLP、毕业项目

🏗️ 阶段一：联邦学习基础 (01-05)

01
🌍 联邦学习概述
核心思想、三大分类、工作流程
02
🖥️ 分布式机器学习
BSP/ASP/SSP、参数服务器
03
⚖️ 联邦平均算法FedAvg
FedAvg原理、超参数、收敛性
04
📡 通信效率优化
梯度压缩、量化、误差补偿
05
🏗️ 联邦学习系统架构
客户端管理、容错、监控

🔐 阶段二：隐私保护 (06-10)

06
🔐 差分隐私基础
ε-DP、Laplace机制、组合定理
07
🛡️ 本地差分隐私
LDP、RAPPOR、Harmony
08
🔒 安全聚合
SecAgg协议、秘密共享
09
🔢 同态加密
Paillier、CKKS、密文聚合
10
🤝 安全多方计算
混淆电路、秘密共享

⚡ 阶段三：算法进阶 (11-15)

11
🎯 FedProx个性化
近端项、客户端漂移校正
12
⚡ 联邦优化算法
SCAFFOLD、MIME、FedNova
13
📊 异构数据挑战
Non-IID类型、量化指标
14
🧩 模型聚合策略
Krum、Trimmed Mean、Median
15
⏱️ 异步联邦学习
FedBuff、staleness-aware聚合

🛠️ 阶段四：系统实现 (16-20)

16
🧪 PySyft框架
隐私优先FL、DP-SGD
17
🌸 Flower框架
框架无关FL、策略自定义
18
🎮 联邦学习模拟器
单机模拟、数据分区器
19
📐 垂直联邦学习
PSI、拆分学习、VFL
20
🌐 跨域联邦学习
联邦迁移学习、域自适应

🚀 阶段五：实战项目 (21-25)

21
🏥 联邦医疗诊断
多医院协作、HIPAA合规
22
💰 联邦金融风控
反欺诈、信用评分
23
👍 联邦推荐系统
隐私推荐、矩阵分解
24
📝 联邦NLP
输入法预测、文本分析
25
🎓 毕业项目
完整隐私计算平台

技术栈

学习建议

  1. 按顺序学习，每课的代码务必动手运行
  2. 阶段一和阶段二是基础，不要跳过
  3. 阶段三需要较强的数学基础，建议配合论文阅读
  4. 阶段四选择一个框架深入学习
  5. 阶段五是综合应用，建议组队完成

联邦学习课程 © 2024 | 从零掌握联邦学习