基于秘密分享和梯度选择的高效安全联邦学习

近年来,联邦学习已经成为一种新兴的协作式机器学习方法.在联邦学习中,分布式用户可以仅通过共享梯度来训练各种模型.但是一些研究表明梯度也会泄露用户的隐私信息,而安全多方计算被认为是一种保护隐私安全的有效工具.另一方面,一些研究人员提出了Top-K梯度选择算法,以减少用户之间同步梯度的通信开销.但是,目前很少有工作可以平衡这2个领域的优势.将秘密共享与Top-K梯度选择相结合,设计了高效且安全的联邦学习协议,以便在保证用户隐私和数据安全的同时,减少通信开销,并提高模型训练效率.此外,提出了一种高效的方法来构造消息验证码,以验证服务器返回的聚合结果的有效性,其中,验证码引入的通信开销与梯度的数量无关.实验结果表明：相比于同样条件下的明文训练,该文的安全技术在通信和计算方面都会引入少量额外的开销,但该方案取得了和明文训练同一水平的模型准确率.     

采用化学———颗粒结构控制法生产食品级聚氯乙烯树脂

1 前言 聚氯乙烯树脂作为通用型塑料原料,其产量和用量排在第2位;1996年产量达134万t,并且随着“以塑代钢,以塑代木”的不断进展,应用范围日益扩大,对其理化性能要求亦日益提高,尤其是发现VCM单体有致癌性后,残留氯乙烯含量在国标GB5761—93等级品中有了强制性要求,用于食品包装的PVC树脂除各种原辅材料要求无毒,残留单位含量要求小于5μg/g     

食品卫生级聚氯乙烯树脂工业试验

我厂采用“化学—颗粒法”进行食品卫生级PVC(聚氯乙烯)树脂试生产,取得比较满意结果。产品经检验符合食品卫生级PVC树脂标准。于1989年8月31日通过鉴定。