Back to https://github.com/Kwangkee/FL
기조연설 주제: 웹 3.0, 블록체인과 미래사회 전망(부산대 김호원 교수)
- 블록체인 플랫폼 연구센터, http://itrc.pusan.ac.kr/sub1-3/
- BCFL을 Web 3.0 관점에서 설명, https://youtu.be/IwEjUQbFb2Y?t=3123
- Learning Markets: An AI Collaboration Framework Based on Blockchain and Smart Contracts, https://ieeexplore.ieee.org/abstract/document/9234516
- APPFLChain: A Privacy Protection Distributed Artificial-Intelligence Architecture Based on Federated Learning and Consortium Blockchain, https://deepai.org/publication/appflchain-a-privacy-protection-distributed-artificial-intelligence-architecture-based-on-federated-learning-and-consortium-blockchain
[Sandi Rahmadika@부경대]
- https://scholar.google.co.kr/citations?hl=en&user=3dHNHg0AAAAJ&view_op=list_works&sortby=pubdate
- https://www.linkedin.com/in/sandirahmadika/?originalSubdomain=kr
Practical Concerns in Enforcing Ethereum Smart Contracts as a Rewarding Platform in Decentralized Learning, 연합학습의 인센티브 플랫폼으로써 이더리움 스마트 컨트랙트를 시행하는 경우의 실무적 고려사항, https://www.koreascience.or.kr/article/JAKO202006957583461.page
Privacy-Preserving Cross-Silo Federated Learning with a Cryptocurrency in Edge Networks, 에지 네트워크 상에서 암호화폐를 이용한 프라이버시보호 크로스사일로 연합학습, https://repository.pknu.ac.kr:8443/handle/2021.oak/1123 Unlinkable Collaborative Learning Transactions: Privacy-Awareness in Decentralized Approaches, https://ieeexplore.ieee.org/abstract/document/9417207
Blockchain technology for providing an architecture model of decentralized personal health information, https://journals.sagepub.com/doi/full/10.1177/1847979018790589 PDPM: A Patient-Defined Data Privacy Management with Nudge Theory in Decentralized E-Health Environments, https://www.jstage.jst.go.jp/article/transinf/E104.D/11/E104.D_2021NGP0015/_pdf
A Study on Blockchain-Based Asynchronous Federated Learning Framework, https://papersearch.net/google_link/fulltext.asp?file_name=52825060.pdf
문수묵 교수, https://altair.snu.ac.kr/
- NTIS : https://www.ntis.go.kr/hurims/detail/selectDetailInfo.do?hrstKOI=SzY1MDIyNzEwMDAwNQ==&apiGb=true&returnURI=aHR0cHM6Ly93d3cubnRpcy5nby5rci9UaFNlYXJjaFRvdGFsTGlzdC5kbz9zb3J0PVJBTkslMkZERVNDJm50aXNZbj0mc2VhcmNoV29yZD0lRUIlQUMlQjglRUMlODglOTglRUIlQUMlQjUmb3JpZ2luYWxTZWFyY2hXb3JkPSZvcmlnaW5hbFNlYXJjaEd1YnVuPQ==
- 탈중앙화 방식의 딥 러닝 플랫폼, https://www.ntis.go.kr/project/pjtInfo.do?pjtId=1711147336&pageCode=TH_PJT_PJT_DTL 0 영지식 센싱, 암호인증, 블록체인 기반 클라우드 서비스 융합 기술 개발, https://www.ntis.go.kr/project/pjtInfo.do?pjtId=1711139241&pageCode=TH_PJT_PJT_DTL
박상현, https://sharp-saw-d58.notion.site/Luke-Park-d4edb5bf446b479796d0d9bfe422d92a
-
YouTube, https://www.youtube.com/c/lukepark
-
YouTube 블록체인 재생목록, https://www.youtube.com/playlist?list=PLARB0SINpZ85ZC3vgWPcrCrNsEiW6ZMjk
-
블록체인을 활용해 연합 학습 ‘잘’ 수행하기, https://medium.com/curg/%EB%B8%94%EB%A1%9D%EC%B2%B4%EC%9D%B8%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%B4-%EC%97%B0%ED%95%A9-%ED%95%99%EC%8A%B5-%EC%9E%98-%EC%88%98%ED%96%89%ED%95%98%EA%B8%B0-76d835677a17
-
Youtube, [1] 연합학습에 블록체인을 더했다! 주요 신기술들이 만나면 무슨 일이, https://www.youtube.com/watch?v=PLhjoI-PYDg
-
탈중앙화된 환경에서의 연합 학습을 위한 평판 모델, https://www.dbpia.co.kr/Journal/articleDetail?nodeId=NODE09874857
- 본 연구에서는 악의적인 노드가 포함된 분산 네트워크에서 연합 학습을 수행할 때, 평판 설정을 통해 정상적인 노드들이 받는 영향을 최소화하는 방법을 제안한다. 실험 결과 본 방법을 통해 얻어진 모델은 악의적인 노드가 없는 환경에서와 유사한 수준의 정확도를 보였다.
-
레이어로 바라본 블록체인 확장성 솔루션 개요, https://medium.com/curg/%EB%A0%88%EC%9D%B4%EC%96%B4%EB%A1%9C-%EB%B0%94%EB%9D%BC%EB%B3%B8-%EB%B8%94%EB%A1%9D%EC%B2%B4%EC%9D%B8-%ED%99%95%EC%9E%A5%EC%84%B1-%EC%86%94%EB%A3%A8%EC%85%98-%EA%B0%9C%EC%9A%94-a8c2aa3ec5c1
열악한 환경에서도 효과적인 블록체인 기반의 탈중앙화 연합학습 플랫폼, https://www.dbpia.co.kr/Journal/articleDetail?nodeId=NODE09874860
본 연구에서는 불균일한 데이터 분포 환경을 다룰 수 있도록 블록체인 기반의 탈중앙화 연합학습 플랫폼을 제안함으로써 다음 두 목표를 이루고자 한다. 첫째, 각 노드가 가지고 있는 데이터들이 불균일하고 심지어 거짓된 데이터가 섞여 있어도 글로벌 모델의 수렴성을 유지한다. 둘째, 비슷한 분포의 데이터를 가지고 있는 노드들이 자신들의 데이터에 적합한 독자적인 글로벌 모델을 가진다.
KETI (한국전자기술연구원, 구 전자부품연구원)
Design and Development of Server-Client Cooperation Framework for Federated Learning, https://ieeexplore.ieee.org/document/9829693
Federated learning is a machine learning technique that enables distributed training without explicitly data sharing between multiple heterogeneous devices. In this paper, we propose and develop a practical federated learning framework to effectively support model deployment, aggregation, and client device monitoring. The proposed approach is designed as a microarchitecture service using container-related technologies such as _Docker, Kubernetes_, and Prometheus.
[연세대] Blockchained On-Device Federated Learning - arXiv, https://arxiv.org/abs/1808.03949
[아주대] AMBLE: Adjusting mini-batch and local epoch for federated learning with heterogeneous devices, https://www.sciencedirect.com/science/article/abs/pii/S0743731522001757
[박준범⋅박종서† 한국항공대학교 컴퓨터 공학과] 블록체인 기반의 연합학습 구현, https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?추=JAKO202032362242331&윳=NART
[공주대] Efficient privacy-preserving machine learning for blockchain network, https://ieeexplore.ieee.org/abstract/document/8827509
Back to the Top
Back to https://github.com/Kwangkee/FL