- 博客(136)
- 收藏
- 关注
RSS订阅原创 6. LLM 智能体-通信拓扑生成-《TopoDIM: One-shot Topology Generation of Diverse Interaction Modes ...》
本文主要记录了 Rui Sun 等人发表在 ACL 2026 上的论文《TopoDIM: One-shot Topology Generation of Diverse Interaction Modes for Multi-Agent Systems》。当前多智能体结构化通信拓扑的研究主要沿两条路径展开：一是多轮通信，通过轮内协作与轮间迭代的反复叠加，让智能体在多轮对话中不断交换信息、反思与修正。
2026-09-18 11:19:24
196
原创 5. 多智能体通信 -5W- 《The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why ..》
本文主要记录了 Jingdi Chen 等人发表在 archive 上的论文《The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why A Survey from MARL to Emergent Language and LLMs》。文章围绕五个 W 分别分析多智能体强化学习的通信、涌现语言与大模型赋能三个方面。
2026-09-17 19:19:21
287
原创 4. 多智能体强化学习-执行与训练-《An Introduction to Centralized Training for Decentralized Execution ...》
语言描述：协作型多智能体强化学习（MARL）问题可建模为 Dec-POMDP，它将 POMDP 推广至多智能体、分散式设定。在此框架下，多个智能体基于世界部分视图在不确定性中运作，决策随时间逐步展开。每一步中，每个智能体仅依据局部可观测信息并行选择动作，随后各自获得观测，团队则获得联合奖励。共享的奖励函数赋予问题协作性，而局部视图又决定了执行过程的分散性。形式化描述。
2026-09-15 19:08:39
171
原创 3. 基于通信的多智能体协同-《Bridging Training and Execution via Dynamic Directed Graph-Based Communication in C》
将通信策略表示为动态有向图，并在训练与执行两个阶段共享该图结构；用多键门控通信网络学习邻接轨迹矩阵，实现同一时间步内多轮点对点有向通信；用图粗化网络在集中训练阶段近似全局状态，替代真实全局状态输入；用 Transformer 解码器在分散执行阶段进行特征提取与信息融合。
2026-09-14 21:44:33
270
原创 2.多智能体强化学习-通信-《A Survey of Multi-Agent Deep Reinforcement Learning with Communication》
本文主要记录了 Changxi Zhu 等人发表在 Auton Agent Multi-Agent Syst 2024 上的论文《A Survey of Multi-Agent Deep Reinforcement Learning with Communication》。文章主要从“何时、如何、交流什么” 的问题出发，刻画智能体需要学习何时通信、与谁通信、传递什么信息、如何整合接收到的信息，以及通过通信可实现什么学习目标。
2026-09-14 15:12:12
110
原创 9. 联邦多智能体强化学习 - 《Federated multi-agent reinforcement learning: A comprehensive survey of methods...》
FMARL 包括去中心化本地训练与联邦聚合两个流程。在本地训练阶段，各智能体在各自的决策环境中独立优化策略。根据任务设置，决策过程通常建模为 MDP 或 Dec-POMDP：前者适用于单智能体完全可观测场景，后者适用于多智能体共享环境下的去中心化控制，其中各智能体仅能获取局部观测，其动作共同影响全局结果。横向联邦多智能体强化学习（HFMARL）中，智能体在同一任务或环境中运行，协作训练共享模型，且不交换原始数据。
2026-09-12 20:32:29
159
原创 8. FL + MoE - 《pFedMoE: Data-Level Personalization With Mixture of Experts in Model-Heterogeneous..》
本文主要记录了 Liping Yi 等人发表在 IEEE TKDE 2026 上的论文《pFedMoE: Data-Level Personalization With Mixture of Experts in Model-Heterogeneous Personalized Federated Learning》。现有异构个性化联邦学习方法假设同一客户端内所有样本使用相同的聚合权重，忽略了客户端内部样本级差异，导致表示学习次优。为此，文章将混合专家（MoE）引入模型异构个性化联邦学习。
2026-09-10 13:53:34
171
原创 7. FL + CoT -《FedCoT: Federated Chain-of-Thought Distillation from LLMs to SLMs with Privacy Preser》
本文主要记录了 Tao Fan 等人发表在 EMNLP 2025 Findings 上的论文《FedCoT: Federated Chain-of-Thought Distillation from LLMs to SLMs with Privacy Preservation》。在联邦学习场景下，大模型（LLM）虽然表现卓越，但模型体量庞大，在资源受限的环境中难以实际部署。相比之下，小语言模型（SLM）计算效率高、收敛速度快，更适合实时应用与资源受限环境，但其性能有限，难以独立达到大语言模型的水平。
2026-09-10 13:20:19
185
原创 6. 隐私保护联邦学习-联邦微调-《PriFFT: Privacy-preserving Federated Fine-tuning of Large Language Models ...》
本文主要记录了 Zhichao You 等人发表在 IEEE TDSC 2026 上的论文《PriFFT: Privacy-preserving Federated Fine-tuning of Large Language Models via Hybrid Secret Sharing》。在联邦学习中，客户端数据涉及用户隐私，联邦模型则属于开发者的知识产权，而现有的隐私保护联邦微调方法难以同时保障数据与模型参数的安全性。
2026-09-09 15:40:09
152
原创 5. 隐私保护机器学习 - SHAFT -《SHAFT: Secure, Handy, Accurate, and Fast Transformer Inference》
本文主要记录了 Andes Y. L. Kei 等人发表在 NDSS 2025 上的论文《SHAFT: Secure, Handy, Accurate, and Fast Transformer Inference》。很早之前做过组会分享，最近又拿出来看了一遍，下面就直接粘贴 PPT 了。
2026-09-07 22:33:04
176
原创 3. 联邦图学习-《Federated Graph Neural Networks: Overview, Techniques and Challenges》
本文主要记录了 Rui Liu 等人发表在 IEEE TNNLS 2024 上的论文《Federated Graph Neural Networks: Overview, Techniques and Challenges》。集中式 FedGNN去中心化 FedGNN横向 FedGNN纵向 FedGNN。
2026-09-04 11:03:50
340
原创 2. 联邦检索增强生成 - 《Federated Retrieval-Augmented Generation for Cybersecurityin Resource-Constrained...》
本文主要记录了 Hangyu He 等人发表在 Electronics 2026 上的论文《Federated Retrieval-Augmented Generation for Cybersecurityin Resource-Constrained IoT and Edge Environments: A Deployment-Oriented Scoping Review》。
2026-09-03 19:11:27
314
原创 1. 联邦大模型综述 -《Federated Large Language Models...》
本文主要记录了 Wenhao Jiang 等人发表在 archive 上的论文《Federated Large Language Models: Feasibility, Robustness, Security and Future Directions》。高效微调异构隐私安全推荐另一个专门讲解联邦大模型微调的博客：https://blog.youkuaiyun.com/2401_89384928/article/details/150702047。
2026-09-02 18:58:39
374
原创 1. 智能体安全综述-《From Stateless Queries to Autonomous Actions: A Layered Security Framework for Agentic 》
本文主要记录了 Kexin Chu 发表在 archive 上的论文《From Stateless Queries to Autonomous Actions: A Layered Security Framework for Agentic AI Systems》。
2026-06-30 09:47:48
394
原创 20. PhantomFHE 库的安装与使用
在以往的研究中，我通常使用 SEAL 库进行同态加密编码。为了利用 CUDA 加速同态计算过程，本文选择在 WSL2 环境下安装并配置 PhantomFHE。
2026-05-24 14:42:54
403
原创 19. GPU 加速 -《EncryptedLLM: Privacy-Preserving Large Language Model Inference via GPU-Accelerated...》
实际效果还得看代码实现。
2026-01-12 16:04:52
764
原创 18. Powerformer -《Powerformer: Efficient and High-Accuracy Privacy-Preserving Language Model ...》
目前对方法的实际效果存疑。
2026-01-12 15:08:05
365
原创 4. 假新闻检测 - 《Early Detection of Multimodal Fake News via Reinforced Propagation Path Generation》
以前没接触过强化学习，不太能看懂，只能大概理解整个流程。
2026-01-08 11:13:16
669
原创 3. 假新闻检测 - 《Enhancing large language model for fake news video detection via cross-modal retrieval》
对高质量相关新闻数据的依赖性较强。大语言模型的“幻觉”问题仍然存在。未对领域数据进行微调。
2026-01-08 10:21:30
753
原创 2. 假新闻检测 - 《FakingRecipe: Detecting Fake News on Short Video Platforms from the Perspective of ...》
观察缺乏理论基础：模型设计主要基于对数据集的统计分析，未能完全对应或融入新闻学、传播学中关于虚假信息创作的理论知识，这可能导致模型对“创作过程”的理解不够本质和深刻。创作特征需要持续更新：随着造假者技术的演进和策略的变化，当前模型捕捉到的“创作特征”可能会过时，因此模型在现实应用中可能需要定期更新以保持效力。未探索大模型的深度结合：实验部分虽然测试了 GPT-4 的零样本性能，但并未深入探索如何将本文提出的“创作过程感知”能力与强大的 (M)LLMs 相结合。与新闻学与传播学进行学科交叉。
2026-01-07 22:50:11
666
原创 1. 假新闻检测 - 《Modality Perception Learning-Based Determinative Factor Discovery ...》
文章的动机有点以结果为导向。
2026-01-07 22:18:41
850
原创 15. PPML - 隐私保护机器学习综述 - 《Towards Efficient Privacy-Preserving Machine Learning: A Systematic Review》
本文主要记录了来自北京大学和蚂蚁集团发表在 archive 上的论文《Towards Efficient Privacy-Preserving Machine Learning: A Systematic Review from Protocol, Model, and System Perspectives》，相应的论文推荐仓库放在了上。
2025-12-12 21:21:50
1006
原创 Rubbish 001 - 《BlindTuner: On Enhancement of Privacy-Preserving Fine-Tuning of ...》
本文介绍 Prajwal Panzade 等人的《BlindTuner: On Enhancement of Privacy-Preserving Fine-Tuning of Transformers Based on Homomorphic Encryption》。恕我是土狗🐶，我也没有看出这篇文章在算法层面的创新性，文章的实验设计有很多漏洞，因此这篇博客仅作简单记录。
2025-12-10 20:16:13
460
原创 14. AHE - 近似同态加密综述 - 《From accuracy to approximation: A survey on approximate homomorphic ...》
本文主要记录近似同态加密最新研究进展，参考文献为Weinan Liu、Lin You、Yunfei Shao 等人的《From accuracy to approximation: A survey on approximate homomorphic。
2025-12-10 14:45:52
1236
原创 16. CryptoFace - 密态推理入门 - 《CryptoFace: End-to-End Encrypted Face Recognition》
和现有方法的区别主要流程离线阶段：客户端生成公钥并对注册图像加密，然后连同相应的身份一起发给服务器提取加密特征。在线阶段：客户端对验证图像进行加密，然后连同相应的身份一起发给服务器提取加密特征。服务器计算匹配函数并将加密后的匹配结果返回给客户端解密。
2025-12-01 17:43:18
1109
原创 13. MULTPARCONV - 编码打包 - 《 Low-Complexity Deep Convolutional Neural Networks on Fully ...》
本文主要记录 HE for ML 中的编码打包算法，参考文献为 Eunsang Lee、Joon-Woo Lee、Junghyun Lee 等人的《Low-Complexity Deep Convolutional Neural Networks on Fully Homomorphic Encryption Using Multiplexed Parallel Convolutions》。低效的数据打包糟糕的参数选择密文卷积训练收敛参数优化。
2025-12-01 10:02:20
631
原创 12. 同态加密基础研究阶段性总结
既然同态加密支持在密文上执行任意计算，那为什么不能执行加解密计算呢？自举就是在明文双重加密的状态下，解内层密且保留外层加密的过程，从而将旧密文转为新密文，有效降低了噪声。假设有两对公私钥pk1sk1pk1sk1和pk2sk2pk2sk2，用公钥pk1pk_1pk1加密明文xxx得到Encpk1xEncpk1x用新密钥加密旧密文：使用公钥pk2pk_2pk2对密文二次加密得到。
2025-11-28 15:43:22
984
原创 9. CKKS - 近似计算 - 《Homomorphic Encryption for Arithmetic of Approximate Numbers》
借鉴致远的文章学习同态加密，本文主要记录同态加密中近似计算思想，参考文献为 Jung Hee Cheon，Andrey Kim，Miran Kim 和 Yongsoo Song 的《Homomorphic Encryption for Arithmetic of Approximate Numbers》。传统的同态加密方案依赖于解密时的模运算来消除噪声。CKKS方案则截然不同：作者将噪声当作近似计算中固有的、可接受的误差。其核心思路是，只要噪声幅度远小于明文，便不会破坏有效数字的精度。为实现这一点，方案在加
2025-11-25 21:00:57
462
原创 8. GSW - Flatten - 《Homomorphic Encryption from Learning with Errors: Conceptually-Simpler,...》
借鉴致远的文章学习同态加密，本文主要记录同态加密中Flatten操作，参考文献为 Craig Gentry，Amit Sahai，Brent Waters 的《Homomorphic Encryption from Learning with Errors: Conceptually-Simpler, Asymptotically-Faster, Attribute-Based》。这篇文章主要实现了理论上的创新，在实际应用中仍存在效率瓶颈。下面介绍全同态加密的历史发展流程以及本文的针对性问题：下面简单描述现
2025-11-24 16:59:32
1118
原创 7. Bra12 - SEAL基础算法 - 《Fully Homomorphic Encryption without Modulus Switching from Classical GapSVP》
借鉴致远的文章学习同态加密，本文主要记录无需自举的层次同态加密流程，参考文献为 Zvika Brakerski 的《Fully Homomorphic Encryption without Modulus Switching from Classical GapSVP》，这篇文章是SEAL库所使用的基础算法。下面介绍全同态加密的历史发展流程以及本文的针对性问题：(n/logγ) 。同态性（LLL-homomorphism）对于任意深度为 LLL 的电路，同态方案解密失败的可能性忽略不计，即可以同态计
2025-11-17 11:10:20
811
1
原创 6. BGV12 - HElib基础算法 - 层次同态加密 - 《(Leveled) Fully Homomorphic Encryption without Bootstrapping》
借鉴致远的文章学习同态加密，本文主要记录无需自举的层次同态加密流程，参考文献为Zvika Brakerski、Craig Gentry和Vinod Vaikuntanathan的《(Leveled) Fully Homomorphic Encryption without Bootstrapping》，这篇文章是HElib库所使用的基础算法。下面介绍全同态加密的历史发展流程以及本文的针对性问题：(λ3)。② 自举操作的内在成本高。自举需要同态地执行解密函数，解密函数本身的复杂度是Ω(λ)\Omega(\la
2025-11-14 14:17:48
883
原创 5. BV11-密钥切换与模切换-《Efficient Fully Homomorphic Encryption from (Standard) LWE》
借鉴致远的文章学习同态加密，本文主要记录密钥切换与模切换流程，参考文献为Zvika Brakerski 和Vinod Vaikuntanathan的《Efficient Fully Homomorphic Encryption from (Standard) LWE》，这篇文章的针对性问题如下：IND-CPA安全是指攻击者即使能够自由加密任何他选中的明文，也无法区分两个特定明文的加密结果。下面介绍同态加密方案的CPA安全性：在证明CPA安全时，需要通过一个挑战者（Challenger）和攻击者（Advers
2025-11-12 19:45:08
883
4
原创 3. 同态加密相关数学基础补充
借鉴学习同态加密，本文主要补充同态加密相关数学基础，记录在阅读同态加密相关论文时所涉及的数学基础。由于根据论文进行补充，知识是碎片化的，章节之间不一定有逻辑关联。
2025-11-06 17:17:04
1111
原创 4. LWE基础知识综述《The Learning with Errors Problem》
本文摘要： 《基于LWE的容错学习加密基础》系统介绍了Learning with Errors（LWE）问题的基本框架与算法分析。文章从LWE的参数设置（m个样本、n维密文、模数q、误差分布χ）出发，将问题分为Search LWE（求解密文s）和Decision LWE（判断样本来源）两类。重点分析了Search LWE的三种求解方法：极大似然估计（复杂度2^O(n logn)）、独热向量统计法（需指数级样本）和分块线性组合法（折衷方案）。特别探讨了LWE与格问题的规约关系，证明带高斯样本提示的BDD问题可
2025-11-03 16:08:15
1380
原创 2. 格（Lattice）基本概念
借鉴致远的文章学习同态加密，本文主要记录格密码相关基础，学习教程见Steven Yue博客的前四章。在实数空间中画任意一个超球面，则球面中所包含的格点数 ≈ 该区域的体积 / 格的行列式 = 格的密度。其中，超球面的体积越大，越接近真实密度。λn；也有论文指出，若加入高斯噪声，噪声大小最好设置在∥r∥≈ηϵ≤(logn)⋅λn\lVert r \rVert \approx \eta_\epsilon \leq (\log n) \cdot \lambda_n∥r∥≈ηϵ≤(logn)⋅λn，其中
2025-10-24 22:11:07
491
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人