Quantum Physics,Artificial Intelligence,Cryptography and Security,Machine Learning,فیزیک کوانتومی , هوش مصنوعی , رمزنگاری و امنیت , یادگیری ماشین ,
توضیحات
Submitted 6 September, 2024; originally announced September 2024. , Comments: Submission for IEEE 2024 IEEE Workshop on Quantum IntelLigence, Learning & Security (QUILLS), https://sites.google.com/pitt.edu/quills/home
توضیحات به فارسی
ارسال شده در 6 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: ارسال برای کارگاه آموزشی IEEE 2024 IEEE در زمینه اطلاعات کوانتومی ، یادگیری و امنیت (Quills) ، https://sites.google.com/pitt.edu/quills/home
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Federated learning (FL) has become one of the standard approaches for deploying machine learning models on edge devices, where private training data are distributed across clients, and a shared model is learned by aggregating locally computed updates from each client. While this paradigm enhances communication efficiency by only requiring updates at the end of each training epoch, the transmitted model updates remain vulnerable to malicious tampering, posing risks to the integrity of the global model. Although current digital signature algorithms can protect these communicated model updates, they fail to ensure quantum security in the era of large-scale quantum computing. Fortunately, various post-quantum cryptography algorithms have been developed to address this vulnerability, especially the three NIST-standardized algorithms - Dilithium, FALCON, and SPHINCS+. In this work, we empirically investigate the impact of these three NIST-standardized PQC algorithms for digital signatures within the FL procedure, covering a wide range of models, tasks, and FL settings. Our results indicate that Dilithium stands out as the most efficient PQC algorithm for digital signature in federated learning. Additionally, we offer an in-depth discussion of the implications of our findings and potential directions for future research.
چکیده به فارسی (ترجمه ماشینی)
Federated Learning (FL) به یکی از رویکردهای استاندارد برای استقرار مدل های یادگیری ماشین در دستگاه های Edge تبدیل شده است ، جایی که داده های آموزش خصوصی در بین مشتری ها توزیع می شود و یک مدل مشترک با جمع کردن به روزرسانی های محلی محاسبه شده از هر مشتری آموخته می شود.در حالی که این الگوی تنها با نیاز به به روزرسانی در پایان هر دوره آموزشی ، بازده ارتباطات را افزایش می دهد ، به روزرسانی های مدل منتقل شده در برابر دستکاری مخرب آسیب پذیر هستند و خطرات لازم برای یکپارچگی مدل جهانی را ایجاد می کنند.اگرچه الگوریتم های امضای دیجیتال فعلی می توانند از این به روزرسانی های مدل ابلاغ محافظت کنند ، اما آنها نمی توانند امنیت کوانتومی را در دوره محاسبات کوانتومی در مقیاس بزرگ تضمین کنند.خوشبختانه ، الگوریتم های مختلف رمزنگاری پس از کوانتوم برای رفع این آسیب پذیری ، به ویژه سه الگوریتم استاندارد NIST-Dilithium ، Falcon و Sphincs+ایجاد شده است.در این کار ، ما به صورت تجربی تأثیر این سه الگوریتم PQC استاندارد NIST را برای امضاهای دیجیتال در روش FL بررسی می کنیم و طیف گسترده ای از مدل ها ، کارها و تنظیمات FL را پوشش می دهیم.نتایج ما نشان می دهد که Dilithium به عنوان کارآمدترین الگوریتم PQC برای امضای دیجیتال در یادگیری فدرال شناخته می شود.علاوه بر این ، ما یک بحث عمیق در مورد پیامدهای یافته های خود و جهت های بالقوه برای تحقیقات آینده ارائه می دهیم.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
