ترجمه فارسی مقاله یادگیری تقسیم‌شده با حفظ حریم خصوصی با مبدل‌های بینایی با استفاده از Patch-Wise Random و Noisy CutMix

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Privacy-Preserving Split Learning with Vision Transformers using Patch-Wise Random and Noisy CutMix
عنوان مقاله به فارسی یادگیری تقسیم‌شده با حفظ حریم خصوصی با مبدل‌های بینایی با استفاده از Patch-Wise Random و Noisy CutMix
نویسندگان Seungeun Oh, Sihun Baek, Jihong Park, Hyelin Nam, Praneeth Vepakomma, Ramesh Raskar, Mehdi Bennis, Seong-Lyun Kim
فرمت مقاله انگلیسی PDF
تعداد صفحات 23
دسته بندی موضوعات Distributed, Parallel, and Cluster Computing,Cryptography and Security,Computer Vision and Pattern Recognition,Machine Learning,محاسبات توزیع شده , موازی و خوشه ای , رمزنگاری و امنیت , چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین
توضیحات Submitted 2 August, 2024; originally announced August 2024. , Comments: 23 pages, 11 figures, 8 tables, to be published in Transactions on Machine Learning Research (TMLR)
توضیحات به فارسی ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 23 صفحه ، 11 شکل ، 8 جدول ، که در معاملات تحقیقات یادگیری ماشین (TMLR) منتشر می شود

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 920,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 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.

🎯 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

In computer vision, the vision transformer (ViT) has increasingly superseded the convolutional neural network (CNN) for improved accuracy and robustness. However, ViT's large model sizes and high sample complexity make it difficult to train on resource-constrained edge devices. Split learning (SL) emerges as a viable solution, leveraging server-side resources to train ViTs while utilizing private data from distributed devices. However, SL requires additional information exchange for weight updates between the device and the server, which can be exposed to various attacks on private training data. To mitigate the risk of data breaches in classification tasks, inspired from the CutMix regularization, we propose a novel privacy-preserving SL framework that injects Gaussian noise into smashed data and mixes randomly chosen patches of smashed data across clients, coined DP-CutMixSL. Our analysis demonstrates that DP-CutMixSL is a differentially private (DP) mechanism that strengthens privacy protection against membership inference attacks during forward propagation. Through simulations, we show that DP-CutMixSL improves privacy protection against membership inference attacks, reconstruction attacks, and label inference attacks, while also improving accuracy compared to DP-SL and DP-MixSL.

چکیده به فارسی (ترجمه ماشینی)

در بینایی رایانه ، ترانسفورماتور بینایی (VIT) به طور فزاینده ای از شبکه عصبی حلقوی (CNN) برای بهبود دقت و استحکام کنار گذاشته است.با این حال ، اندازه های بزرگ مدل VIT و پیچیدگی نمونه بالا ، آموزش در دستگاه های لبه محدود منابع را دشوار می کند.Split Learning (SL) به عنوان یک راه حل مناسب پدیدار می شود ، و از منابع طرف سرور برای آموزش VIT ها ضمن استفاده از داده های خصوصی از دستگاه های توزیع شده استفاده می شود.با این حال ، SL برای به روزرسانی وزن بین دستگاه و سرور ، به تبادل اطلاعات اضافی نیاز دارد ، که می تواند در معرض حملات مختلف به داده های آموزش خصوصی باشد.برای کاهش خطر نقض داده ها در کارهای طبقه بندی ، با الهام از تنظیمات Cutmix ، ما یک چارچوب SL جدید حفاظت از حریم خصوصی را پیشنهاد می کنیم که سر و صدای گاوسی را به داده های خرد شده تزریق می کند و تکه های انتخاب شده به طور تصادفی از داده های خرد شده را در بین مشتری ها ، با همبستگی DP-CutmixSL مخلوط می کند.تجزیه و تحلیل ما نشان می دهد که DP-CUTMIXSL یک مکانیسم متفاوت (DP) متفاوت است که باعث تقویت حمایت از حریم خصوصی در برابر حملات استنباط عضویت در هنگام انتشار رو به جلو می شود.از طریق شبیه سازی ، ما نشان می دهیم که DP-CUTMIXSL محافظت از حریم خصوصی در برابر حملات استنباط عضویت ، حملات بازسازی و حملات استنباط برچسب را بهبود می بخشد ، در حالی که همچنین دقت را در مقایسه با DP-SL و DP MixSL بهبود می بخشد.

📚 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.

🎯 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.