{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,3,4]]，“日期-时间”：“2024-03-04T21:20:53Z”，“时间戳”：1709587253929}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：96，“发布商”：“ACM”，“内容-域”：[“dl.ACM.org”]，“交叉标记-严格离子“：true}，”短容器时间“：[]，“published-print”：{“date-parts”：[[2021,11]]}，“DOI”：“10.1145\/3472883.3486998”，“type”：“proceedings-article”，“created”：{“date-parts”：[2021,10,27]]，“date-time”：“2021-10-27T10:48:16Z”，“timestamp”：1635331696000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”“：”Crossref“，”is-referenced-by-count“：8，”title“：[”Citadel“]，“prefix”：“10.1145”，“author”：[{“given”：“Chengliang”，“family”：“Zhang”，“sequence”：“first”，“affiliation”：[}“name”：“Hong Kong University of Science and Technology”}]}，{“给定”：“Junzhe”，“家庭”：“Xia”，“序列”：“additional”，“从属关系”：[[{”name“：“HongKong United of Sciences”}]{，“givent”：“Baichen”，“家族”：“Yang”，”sequence“：“additional”，“affiliation”：[{“name”：“Hong Kong University of Science and Technology”}]}，{“given”：“Huancheng”，“family”：“Puyang”，“sequence”：“additive”，“feliation”:[{（名称）：“HongKong Unity of Scence and Technologies”}]{，“givent”：“Wei”，“家人”：“Wang”，”“sequence:“addition”，“filiation“：[{name”：“香港科技大学”}]}，{“given”：“瑞川”，“family”：“Chen”，“sequence”：“additional”，“affiliation”：[{“name”：“Nokia Bell Labs”}]]}，}“giving”：“Istemi Ekin”，“家族”：“Akkus”，“序列”：“附加”，“从属关系”：[}“name:”Nokia Ball Labs“}]}”，{“隶属关系”：[{“名称”：“Nokia Bell Labs”}]}，{“given”：“Feng”，“family”：“Yan”，“sequence”：“additional”，“affiliation”：[{“name”：“University of Nevada，Reno”}]]，“member”：“320”，“published-online”：{“date-parts”：[2021,11]]}、“reference”：[}“key”：”e_1_3_2_1_1_1“，“unstructured”：“2016。AMD内存加密。https:\/\/developer.amd.com/wordpress\/media\/2013\/12\/amd_Memory_Encryption_Whitepaper_v7-Public.pdf。2016年AMD内存加密。https:\/\/developer.amd.com/wordpress\/media\/2013\/12\/amd_Memory_Encryption_Whitepaper_v7-Public.pdf。“}，{”key“：”e_1_3_2_2_1“，”volume-title“：”Tensorflow：大规模机器学习系统。在USENIX OSDI.265-283.“，”author“：”Abadi Mart\u00edn“，”year“：”2016“，”unstructured“：”Mart\u00edn Abadi、Paul Barham、Chen Jianmin、Chen Zhefeng、Andy Davis、Jeffrey Dean、Matthieu Devin、Sanjay Ghemawat、Geoffrey Irving、Michael Isard，2016年。Tensorflow：用于大规模机器学习的系统。在USENIX OSDI中。265--283. Mart\u00edn Abadi、Paul Barham、Chen Jianmin、Chen Zhefeng、Andy Davis、Jeffrey Dean、Matthieu Devin、Sanjay Ghemawat、Geoffrey Irving、Michael Isard等，2016年。Tensorflow：用于大规模机器学习的系统。在USENIX OSDI中。265--283.“}，{”key“：”e_1_3_2_2_3_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Adil Ahmad Juhee Kim Jaebaek Seo Insik Shin Pedro Fonseca and Byoungyoung Lee.2021.”。机会：对手程序下的高效多客户端隔离。在NDSS中。Adil Ahmad Juhee Kim Jaebaek Seo Insik Shin Pedro Fonseca和Byoungyoung Lee。2021.Chancel：对抗性程序下的高效多客户端隔离。在NDSS中。“，”DOI“：”10.14722\/ndss.2021.24057“}，{”key“：”e_1_3_2_4_1“，”volume-title“：”分布式梯度下降的稀疏通信。arXiv预印本arXiv:1704.05021“，”author“：”Aji Alham Fikri“，”year“：”2017“，”unstructured“：”Alham Fikri Aji和Kenneth Heafield。2017。分布式梯度下降的稀疏通信。arXiv预印arXiv:1704.05021（2017）。Alham Fikri Aji和Kenneth Heafield。2017.分布式梯度下降的稀疏通信。arXiv预印arXiv:1704.05021（2017）。}，{“key”：“e1_3_2_5_1”，“非结构化”：“altexsoft 2020”。机器学习系统如何帮助揭示Fintech医疗保健和电子商务中的欺诈行为。http:\/\/bit.ly\/2K58Nli。altexsoft 2020。机器学习系统如何帮助揭示Fintech医疗保健和电子商务中的欺诈行为。http:\/\/bit.ly\/2K58Nli。}，{“key”：“e_1_3_2_2_6_1”，“非结构化”：“亚马逊2020”。亚马逊SageMaker。https:\/\/aws.amazon.com//sagemaker\/。亚马逊2020。亚马逊SageMaker。https:\/\/aws.amazon.com//sagemaker\/。“}，{”key“：”e_1_3_2_2_7_1“，”非结构化“：”Arm 2020。保护TrustZone。https:\/\/developer.arm.com/ip-products\/security-ip\/trustzone。2020年分部。保护TrustZone。https:\/\/developer.arm.com/ip-products\/security-ip\/trustzone。“}，{”key“：”e_1_3_2_2_8_1“，”volume-title“：”SCONE:使用intel SGX保护linux容器。在USENIX OSDI.689--703.“，”author“：”Arnautov Sergei“，”year“：”2016“，”unstructured“：”谢尔盖·阿诺托夫（Sergei Arnautov）、伯丹·特雷奇（Bohdan Trach）、弗兰兹·格雷戈（Franz Gregor）、托马斯·克诺特（Thomas Knauth）、安德烈·马丁（Andre Martin）、克里斯蒂安·普里贝（Christian Priebe）、约书亚·林德（Joshua Lind）、迪维亚·穆图库马兰（Divya Muthukumaran）、丹·奥。SCONE：使用intel SGX保护linux容器。在USENIX OSDI中。689--703. Sergei Arnautov、Bohdan Trach、Franz Gregor、Thomas Knauth、Andre Martin、Christian Priebe、Joshua Lind、Divya Muthukumaran、Dan Okeeffe、Mark L Stillwell等，2016年。SCONE：使用intel SGX保护linux容器。在USENIX OSDI中。689-703.“}，{”key“：”e_1_3_2_2_9_1“，”非结构化“：”AWS 2020。AWS硝基系统。https:\/\/aws.amazon.com//ec2\/ntro\/。AWS 2020。AWS硝基系统。https:\/\/aws.amazon.com//ec2\/ntro\/。}，{“key”：“e1_3_2_10_1”，“unstructured”：“azure 2020”。DCsv2系列。https:\/\/docs.microsoft.com/en-us\/azure\/virtual-machines\/dcv2-series。天蓝2020。DCsv2系列。https:\/\/docs.microsoft.com/en-us\/azure\/virtual-machines\/dcv2-series。}，{“key”：“e_1_3_2_2_11_1”，“unstructured”：“尤金·巴格达萨里亚（Eugene Bagdasaryan）安德烈亚斯·维特（Andreas Veit）伊青·华·德博拉·埃斯特林（Yiqing Hua Deborah Estrin）和维塔利·什马提科夫（Vital。如何后门联合学习。在PMLR AISTATS中。2938--2948. 尤金·巴格达萨里亚（Eugene Bagdasaryan Andreas Veit Yiqing Hua Deborah Estrin）和维塔利·什马提科夫（Vitaly Shmatikov）。2020.如何借壳联合学习。在PMLR AISTATS中。2938--2948.“}，{”key“：”e_1_3_2_2_12_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/2799647“}”，{“key”：“e_1_ 3_2_13_1”，“doi-assert-by”：“crossref”，”unstructured“：”Keith Bonawitz Vladimir Ivanov Ben Kreuter Antonio Marcedone H Brendan McMahan Sarvar Patel Daniel Ramage Aaron Segal和Karn Seth.2017。用于隐私保护机器学习的实用安全聚合。在ACM CCS中。1175--1191. 基思·博纳维茨（Keith Bonawitz）、弗拉基米尔·伊万诺夫·本·克鲁特（Vladimir Ivanov Ben Kreuter）、安东尼奥·马塞多内（Antonio Marcedone H Brendan McMahan Sarvan Sarvar Patel Daniel Ramage Aaron Segal。2017.用于隐私保护机器学习的实用安全聚合。在ACM CCS中。1175--1191.“，”DOI“：”10.1145\/3133956.3133982“}，{”key“：”e_1_3_2_2_14_1“，”unstructured“：”California State Legislature 2018。加州消费者隐私法案（CCPA）。https:\/\/oag.ca.gov\/privacy\/ccpa。2018年加利福尼亚州议会。加州消费者隐私法案（CCPA）。https:\/\/oag.ca.gov\/privacy\/ccpa。“}，{”key“：”e_1_3_2_2_15_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Somnath Chakrabarti Matthew Hoekstra Dmitrii Kuvaiskii and Mona Vij.2019.”。使用Intel\u00ae SGX卡扩展Intel \u00ae Software Guard Extensions应用程序。在HASP中。1--9. Somnath Chakrabarti Matthew Hoekstra Dmitrii Kuvaiskii和Mona Vij。2019.使用Intel®SGX卡扩展Intel®Software Guard Extensions应用程序。在HASP中。1-9.“，“DOI”：“10.1145\/3337167.3337173”}，{“key”：“e_1_3_2_2_16_1”，“volume-title”：“SecureBoost:一个无损的联合学习框架。arXiv预印本arXiv:1901.08755”，“author”：“程克伟”，“year”：“2019”，“unstructured”：“Cheng Kewei，Tao Fan，Jin Yilun，Yang Liu，Tianjian Chen，and Qiang Yang.2019”。SecureBoost:一个无损的联合学习框架。arXiv预印本arXiv:1901.08755（2019）。程克伟、樊涛、金益伦、刘洋、陈天健和杨强。2019.SecureBoost:一个无损的联合学习框架。arXiv预印本arXiv:1901.08755（2019）。“}，{”key“：”e_1_3_2_2_17_1“，”unstructured“：”Citadel 2021。Citadel代码库。https:\/\/github.com/marcoszh\/citadel-project。Citadel 2021年。Citadel代码库。https:\/\/github.com\/macoszh\/citadel项目。“}，{”key“：”e_1_3_2_18_1“，”unstructured“：”docker 2020。码头工人。https:\/\/www.docker.com//。docker 2020。码头工人。https:\/\/www.docker.com//。”}，{“key”：“e_1_3_2_19_1”，“volume title”：“隐私保护多元统计分析：线性回归与分类”，“author”：“Du Wenliang”，“nonstructured”：“Wenliang Du，Yunghsiang S Han，and Shigang Chen。2004。隐私保护多元统计分析：线性回归和分类。在SDM中。暹罗，222-233。杜文良，韩永生，陈世刚。2004.隐私保护多元统计分析：线性回归和分类。在SDM中。SIAM，222--233.“}，{”键“：”e_1_3_2_2_20_1“，”非结构化“：”EP 2016。2016年4月27日欧洲议会和理事会关于在处理个人数据方面保护自然人以及此类数据的自由流动的第2016\/679号条例（EU），并废除了第95\/46\/EC号指令（一般数据保护条例）。https:\/\/eur-lex.europa.eu\/eli\/reg\/2016\/679\/oj。EP 2016。2016年4月27日欧洲议会和理事会关于在处理个人数据方面保护自然人以及此类数据的自由流动的第2016\/679号条例（EU），并废除了第95\/46\/EC号指令（一般数据保护条例）。https:\/\/eur-lex.europa.eu\/eli\/reg\/2016\/679\/oj。“}，{”key“：”e_1_3_2_21_1“，”非结构化“：”EU 2020。GDPR罚款是多少？https:\/\/gdpr.eu\/fines\/。欧盟2020。GDPR罚款是多少？https:\/\/gdpr.eu\/fines\/。“}，{”key“：”e_1_3_2_22_1“，”doi-asserted-by“：”crossref“，”unstructured“：”Matt Fredrikson Somesh Jha和Thomas Ristenpart.2015。利用置信信息和基本对策的模型反转攻击。在ACM CCS中。1322--1333. 马特·弗雷德里克森·萨默什·贾和托马斯·里斯滕帕特。2015.利用置信信息和基本对策的模型反转攻击。在ACM CCS中。1322--1333.“，”DOI“：”10.1145\/2810103.2813677“}，{“key”：“e_1_3_2_23_1”，“volume-title”：“Differentially private federation learning:A client level perspectives.arXiv预印本arXiv:1712.07557”，“author”：“Geyer Robin C”，“year”：“2017”，“unstructured”：“Robin C Geyer，Tassilo Klein，and Moin Nabi.2017。不同的私有联合学习：客户层面的观点。arXiv预印arXiv:1712.07557（2017）。Robin C Geyer、Tassilo Klein和Moin Nabi，2017年。不同的私有联合学习：客户层面的观点。arXiv预印本arXiv:1712.07557（2017）。}，{“key”：“e_1_3_2_24_1”，“非结构化”：“谷歌2020。谷歌预测API。https:\/\/cloud.google.com/ai-platform\/training。谷歌2020。谷歌预测API。https:\/\/cloud.google.com/ai-platform\/training。“｝，｛”键“：”e_1_3_2_2_25_1“，”卷标题“：”谢尔盖·阿纳托夫、Andr\u00e9 Martin、Valerio Schiavoni、Pascal Felber和Christof Fetzer“，”作者“：”格雷戈尔·弗朗茨“，”年份“：”2020“，”非结构化“：”弗兰兹·格雷戈（Franz Gregor）、沃伊西奇·奥兹加（Wojciech Ozga）、巴斯蒂安·沃彻（S\u00e9bastien Vaucher）、拉斐尔·皮雷斯（Rafael Pires）、多·勒奎克（Do Le Quoc）、谢尔盖·阿诺托夫（Sergei Arnautov）、安德烈·马汀（Andr00e9 Martin）、瓦。2020 . 作为服务的信任管理：在拜占庭利益相关者面前实现可信执行。arXiv预印arXiv:2003.14099（2020）。弗兰兹·格雷戈（Franz Gregor）、沃伊西奇·奥兹加（Wojciech Ozga）、巴斯蒂安·沃彻（S\u00e9bastien Vaucher）、拉斐尔·皮雷斯（Rafael Pires）、杜勒奎克（Do Le Quoc）、谢尔盖·阿诺托夫（Sergei Arnautov）、安德烈·马汀（Andr00e9 Martin）、瓦莱里奥·斯齐亚沃尼（Valerio Schiavoni）、帕斯卡尔·费尔伯（Pascal Felber）和克里斯托夫·费泽（Christof Fetzer）。2020年，作为服务的信任管理：在拜占庭利益相关者面前实现可信执行。arXiv预印arXiv:2003.14099（2020）。“}，{”key“：”e_1_3_2_26_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.jnca.2018.05.003”}，“key”：“e_1_3_2_27_1”，“volume-title”：“Mehrdad Mahdavi，and Viveck Cadambe.”，“author”：“Haddapour Farzin”，“year”：“2019”，“unstructured”：“Farzin Haddadpour、Mohammad Mahdi Kamani、Mehrdad Mahdavi和Viveck Cadambe。2019 . 具有周期平均的本地SGD：更严格的分析和自适应同步。在NeurIPS中。Farzin Haddadpour、Mohammad Mahdi Kamani、Mehrdad Mahdavi和Viveck Cadambe。2019.具有周期平均的本地SGD：更严格的分析和自适应同步。在NeurIPS中。“}，{”key“：”e_1_3_2_28_1“，”volume-title“：”Pipedream:快速高效的流水线并行dnn训练。arXiv预打印arXiv:1806.03377“，”author“：”Harlap Aaron“，”year“：”2018“，”unstructured“：”亚伦·哈拉普（Aaron Harlap）、迪帕克·纳拉亚南（Deepak Narayanan）、阿马尔·法尼什耶伊（Amar Phanishayee）、维维克·塞沙德里（Vivek Seshadri）、尼基尔·德瓦努尔（Nikhil Devanur）、格雷格·甘格（Greg Ganger）和菲尔·吉本斯（Phil Gibbons）。2018 . Pipedream：快速高效的流水线并行dnn培训。arXiv预印arXiv:1806.03377（2018）。亚伦·哈拉普（Aaron Harlap）、迪帕克·纳拉亚南（Deepak Narayanan）、阿马尔·法尼什耶伊（Amar Phanishayee）、维维克·塞沙德里（Vivek Seshadri）、尼基尔·德瓦努尔（Nikhil Devanur）、格雷格·甘格（Greg Ganger）和菲尔·吉本斯（Phil Gibbons）。2018年，Pipedream：快速高效的管道并行dnn培训。arXiv预印arXiv:1806.03377（2018）。“}，{”key“：”e_1_3_2_29_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Briland Hitaj Giuseppe Ateniese and Fernando Perez-Cruz，2017。GAN下的深层模型：协作深度学习的信息泄漏。在ACM CCS中。603--618. Briland Hitaj Giuseppe Ateniese和Fernando Perez Cruz。2017.GAN下的深度模型：合作深度学习的信息泄漏。在ACM CCS中。603--618.“，”DOI“：”10.1145\/3133956.3134012“}，{“key”：“e_1_3_2_2_30_1”，“volume-title”：“Phillip B Gibbons，Garth A Gibson，Greg Ganger，and Eric P Xing”，“作者”：“何其荣”，“年份”：“2013”，“非结构化”：“何启荣（Qirong Ho）、詹姆斯·西帕（James Cipar）、崔恒刚（Henggang Cui）、李升浩（Seunghak Lee）、金敬奎（Jin Kyu Kim）、菲利普·吉本斯（Phillip B Gibbons）、加思·吉布森（Garth A Gibson）、格雷格·甘。2013 . 通过过时的同步并行参数服务器实现更有效的分布式ml。在NeurIPS中。何启荣、詹姆斯·西帕、崔恒刚、李升浩、金敬奎、菲利普·吉本斯、加思·吉布森、格雷格·甘格和埃里克·普星。2013.通过陈旧的同步并行参数服务器实现更有效的分布式ml。在NeurIPS中。“}，{”key“：”e_1_3_2_2_31_1“，”volume-title“：”长短期记忆。神经计算9，8“，”author“：”Hochreiter Sepp“，”year“：”1997“，”unstructured“：”Sepp Hochreite and J\u00fcrgen Schmidhuber。1997。长短期记忆。神经计算9，8（1997），1735-1780。Sepp Hochreiter和J\u00fcrgen Schmidhuber。1997.长短期记忆。神经计算9，8（1997），1735--1780.“}，{“key”：“e_1_3_2_2_32_1”，“volume-title”：“Gpipe：使用流水线并行高效训练巨型神经网络。在NeurIPS.103-112.”，“author”：“黄燕平”，“year”：“2019”，“unstructured”：“黄燕萍、程友龙、安库尔·巴纳、奥汉·菲拉特、陈德浩、米娅·陈、李孝忠、Ngiam、Quoc V Le、吴永辉，2019年。Gpipe：使用流水线并行性高效地训练巨型神经网络。在NeurIPS中。103--112. 黄延平、程友龙、安库尔·巴普纳、奥汉·菲拉特、陈德浩、米娅·陈、李孝忠、Ngiam、Quoc V Le、Wu Yonghui等，2019年。Gpipe：使用流水线并行性高效地训练巨型神经网络。在NeurIPS中。103-112.“}，{”key“：”e_1_3_2_2_33_1“，”volume-title“：”Chiron:作为服务的隐私保护机器学习。arXiv预印本arXiv:1803.05961“，”author“：”Hunt Tyler“，”year“：”2018“，”unstructured“：”泰勒·亨特、宋从政、雷扎·肖克里、维塔利·什马提科夫和埃米特·维切尔。2018 . 凯龙：隐私保护机器学习服务。arXiv预印arXiv:1803.05961（2018）。泰勒·亨特、宋从政、雷扎·肖克里、维塔利·什马提科夫和埃米特·维切尔。2018年，凯龙：隐私保护机器学习服务。arXiv预印arXiv:1803.05961（2018）。“}，{”key“：”e_1_3_2_2_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3231594”}，“key”：“e_1_ 3_2_35_1”，“volume-title”：“多源私有数据的高效深度学习。arXiv预印本arXiv:1807.06689”，“author”：“Hynes Nick”，“year”：“2018”，“unstructured”：“Nick Hynes，Raymond Cheng，and Dawn Song.2018”。对多源私有数据进行高效的深度学习。arXiv预印本arXiv:1807.06689（2018）。Nick Hynes、Raymond Cheng和Dawn Song。2018年，多源私有数据的高效深度学习。arXiv预印本arXiv:1807.06689（2018）。“}，{”key“：”e_1_3_2_2_36_1“，”非结构化“：”IBMWH 2020。IBM Watson Health：诊断成像解决方案。https:\/\/www.ibm.com/watson-health\/solutions\/diagnostic-imaging。2020年IBMWH。IBM Watson Health:诊断成像解决方案。https:\/\/www.ibm.com/watson-health\/solutions\/diagnostic-imaging。“}，{”key“：”e_1_3_2_2_37_1“，”非结构化“：”Intel 2020。英特尔SGX。https:\/\/software.intel.com/content\/www\/us\/en\/develove\/topics\/software-guard-extensions.html。英特尔2020。英特尔SGX。https:\/\/software.intel.com/content\/www\/us\/en\/develove\/topics\/software-guard-extensions.html。“}，{”key“：”e_1_3_2_2_38_1“，”首页“：”1808“，”article-title“：”为分布式系统中的机器学习保留模型隐私“，”volume“：“29”，”author“：”Jia Qi“，”year“：”2018“，”unstructured“：”齐佳、郭林科、金展鹏、方玉光。2018 . 为分布式系统中的机器学习保留模型隐私。IEEE TPDS 29，8（2018），1808--1822。齐佳、郭林科、金展鹏、方玉光。2018年。保护分布式系统中机器学习的模型隐私。IEEE TPDS 29，8（2018），1808--1822.“，”期刊标题“：”IEEE TPDS}，{“key”：“e_1_3_2_2_39_1”，“unstructured”：“k8s 2020。库伯内特斯。https:\/\/kubernetes.io\/。2020年k8s。库伯内特斯。https:\/\/kubernetes.io\/。“}，{”key“：”e_1_3_2_2_40_1“，”非结构化“：”Kaggle 2020。糖尿病性视网膜病变。https:\/\/www.kaggle.com/sovitrath\/diabetic-retopathy-224x224-gaussian-filtered。Kaggle 2020年。糖尿病性视网膜病变。https:\/\/www.kaggle.com/sovitrath\/diabetic-retopathy-224x224-gaussian-filtered。“}，{”key“：”e_1_3_2_2_41_1“，”非结构化“：”Kaggle 2020。SMS垃圾邮件收集。https:\/\/www.kaggle.com/uciml\/sms-spam-collection-dataset。Kaggle 2020年。SMS垃圾邮件收集。https:\/\/www.kaggle.com/uciml\/sms-spam-collection-dataset。“}，{”key“：”e_1_3_2_2_42_1“，”volume-title“：”Keith Bonawitz，Zachary Charles，Graham Cormode，Rachel Cummings，et al.“，”author“：”Kairouz Peter“，”year“：”2019“，”unstructured“：”Peter Kairouz、H Brendan McMahan、Brendan Avent、Aur \u00e9lien Bellet、Mehdi Bennis、Arjun Nitin Bhagoji、Keith Bonawitz、Zachary Charles、Graham Cormode、Rachel Cummings等，2019年。联合学习的进展和存在的问题。arXiv预印本arXiv:1912.04977（2019）。Peter Kairouz、H Brendan McMahan、Brendan Avent、Aur \u00e9lien Bellet、Mehdi Bennis、Arjun Nitin Bhagoji、Keith Bonawitz、Zachary Charles、Graham Cormode、Rachel Cummings等，2019年。联合学习的进展和悬而未决的问题。arXiv预印本arXiv:1912.04977（2019）。“}，{”key“：”e_1_3_2_2_43_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3302424.3303951”}，“{”密钥“：”e_1_3_2_44_1“、”volume-title“：”比索：策略增强的安全对象存储。在EuroSys.1-17.“中，”author“：”Krahn-Robert“，”year“：”2018“，”unstructured“：”Robert Krahn、Bohdan Trach、Anjo Vahldiek-Oberwagner、Thomas Knauth、Pramod Bhatotia和Christof Fetzer。2018 . 比索：策略增强的安全对象存储。在EuroSys中。1-17。Robert Krahn、Bohdan Trach、Anjo Vahldiek-Oberwagner、Thomas Knauth、Pramod Bhatotia和Christof Fetzer。2018.比索：策略增强的安全对象存储。在EuroSys中。1-17.“}，{”key“：”e_1_3_2_2_45_1“，”unstructured“：”Alex Krizhevsky Ilya Sutskever和Geoffrey e Hinton，2012年。基于深度卷积神经网络的Imagenet分类。在NeurIPS中。Alex Krizhevsky Ilya Sutskever和Geoffrey E Hinton。2012.使用深度卷积神经网络进行Imagenet分类。在NeurIPS中。“}，{”key“：”e_1_3_2_2_46_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3065386”}，“key”：“e_1_ 3_2_47_1”，“volume-title”：“Franz Gregor、Sergei Arnautov、Pramod Bhatotia和Christof Fetzer。”，“author”：“Kunkel Roland”、“year”：“2019”，“unstructured”：“罗兰·昆克尔（Roland Kunkel）、杜勒奎克（Do Le Quoc）、弗兰兹·格雷戈（Franz Gregor）、谢尔盖·阿诺托夫（Sergei Arnautov）、普拉莫德·巴托蒂亚（Pramod Bhatotia）和克里斯托夫·费泽（Christof Fetzer）。2019 . TensorSCONE：使用Intel SGX的安全TensorFlow框架。arXiv预印本arXiv:1902.04413（2019）。罗兰·昆克尔（Roland Kunkel）、杜勒奎克（Do Le Quoc）、弗兰兹·格雷戈（Franz Gregor）、谢尔盖·阿诺托夫（Sergei Arnautov）、普拉莫德·巴托蒂亚（Pramod Bhatotia）和克里斯托夫·费泽（Christof Fetzer）。2019.TensorSCONE：使用Intel SGX的安全TensorFlow框架。arXiv预印本arXiv:1902.04413（2019）。“}，{”key“：”e_1_3_2_2_48_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/5.726791”}，“key”：“e_1_ 3_2_49_1”，“unstructured”：“Xiangru Lian Yijun Huang Yuncheng Li and Ji Liu.2015。非凸优化的异步并行随机梯度。在NeurIPS中。李祥如、连义军、黄云成、刘季军。2015.非凸优化的异步并行随机梯度。在NeurIPS中。“}，{”key“：”e_1_3_2_2_50_1“，”volume-title“：”Kumar Kshitij Patel，and Martin Jaggi“，”author“：”Lin Tao“，”year“：”2018“，”unstructured“：”Tao Lin，Sebastian U Stich，Kumar Kshitij Patell，and Marting Jaggi.2018.Don’t Use Large Mini-Batches，Use Local SGD.arXiv preprint arXiv:1808.07217（2018）Tao Lin、Sebastian U Stich、Kumar Kshitij Patel和Martin Jaggi。2018年。不要使用大型迷你包，使用本地SGD。arXiv预印arXiv:1808.07217（2018）。“}，{”key“：”e_1_3_2_2_51_1“，”volume-title“：”基于政策的自主数据治理“，”author“：”刘昌昌“，”unstructured“：”刘昌昌，Supriyo Chakraborty，and Dinesh Verma.2019。使用部分同态加密的分布式学习安全模型融合。在基于策略的自主数据治理中。施普林格，154-179。刘昌昌（Changchang Liu）、Supriyo Chakraborty和Dinesh Verma。2019.使用部分同态加密的分布式学习安全模型融合。在基于策略的自主数据治理中。Springer，154--179.“}，{”key“：”e_1_3_2_2_52_1“，”volume-title“：”安全联合转移学习。arXiv预印本arXiv:1812.03337“，”作者“：”刘洋“，”年份“：”2018“，”非结构化“：”杨柳、陈天健和杨强。2018。安全的联合转移学习。arXiv预印arXiv:1812.03337（2018）。杨柳、陈天健和杨强。2018.安全联合迁移学习。arXiv预印arXiv:1812.03337（2018）。“}，{”key“：”e_1_3_2_2_53_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3338466.3358926”}，“{”key“：“e_1_ 3_2_54_1”，“volume-title”：“将差异隐私添加到迭代训练过程的一般方法。arXiv预印本arXiv:1812.06210”，“作者”：“McMahan H Brendan”，“年份”：“2018”，“非结构化”：”H Brendan McMahan、Galen Andrew、Ulfar Erlingsson、Steve Chien、Ilya Mironov、Nicolas Papernot和Peter Kairouz。2018年。在迭代培训程序中添加差异隐私的一般方法。arXiv预印arXiv:1812.06210（2018）。H Brendan McMahan、Galen Andrew、Ulfar Erlingsson、Steve Chien、Ilya Mironov、Nicolas Papernot和Peter Kairouz。2018.在迭代训练程序中添加差异隐私的通用方法。arXiv预印arXiv:1812.06210（2018）。“}，{”key“：”e_1_3_2_2_55_1“，”volume-title“：”使用模型平均的深度网络联合学习。ArXiv abs \/1602.05629“，”author“：”McMahan H.Brendan“，”year“：”2016“，”unstructured“：”H.Bredan McMahan.，Eider Moore，Daniel Ramage，and Blaise Ag\u00fcera y Arcas.2016“。使用模型平均的深度网络联合学习。ArXiv abs \/1602.05629（2016）。H.Brendan McMahan、Eider Moore、Daniel Ramage和Blaise Ag\u00fcera y Arcas。2016.使用模型平均法的深度网络联合学习。ArXiv abs \/1602.05629（2016）。}，{“key”：“e_1_3_2_56_1”，“volume-title”：“学习差异私有递归语言模型。arXiv预印本arXiv:1710.06963”，“author”：“McMahan H Brendan”，“year”：“2017”，“unstructured”：“H Brendan-McMahan，Daniel Ramage，Kunal Talwar，and Li Zhang.2017。学习差异私有递归语言模型。arXiv预印arXiv:1710.06963（2017）。H Brendan McMahan、Daniel Ramage、Kunal Talwar和Li Zhang。2017.学习差异化的私人递归语言模型。arXiv预印arXiv:1710.06963（2017）。“}，{”key“：”e_1_3_2_2_57_1“，”volume-title“：”PPFL：具有可信执行环境的保持隐私的联合学习。arXiv预印本arXiv:2104.14380“，”author“：”Mo Fan“，”year“：”2021“，”unstructured“：”Fan Mo，Hamed Haddadi，Kleomenis Katevas，Eduard Marin，Diego Perino，and Nicolas Kourtellis.2021。PPFL：具有可信执行环境的隐私保护联合学习。arXiv预印arXiv:2104.14380（2021）。范莫（Fan Mo）、哈米德·哈达迪（Hamed Haddadi）、克莱蒙妮斯·卡提瓦斯（Kleomenis Katevas）、爱德华·马林（Eduard Marin）、迭戈·佩里诺（Diego Perino）和尼古拉斯·库特利斯。2021.PPFL：具有可信执行环境的隐私保护联合学习。arXiv预印arXiv:2104.14380（2021）。“}，{”key“：”e_1_3_2_2_58_1“，”unstructured“：”Payman Mohassel and Peter Rindal.2018。ABY 3：用于机器学习的混合协议框架。在ACM CCS中。35--52. Payman Mohassel和Peter Rindal。2018.ABY 3：用于机器学习的混合协议框架。在ACM CCS中。35-52.“}，{”key“：”e_1_3_2_2_59_1“，”volume-title“：”Secureml：一个可扩展的保留隐私的机器学习系统“，”author“：”Mohassel Payman“，”year“：”2017“，”unstructured“：”Payman Mohamsel和Yupeng Zhang.2017.Secureml“：一个用于可扩展保留隐私的计算机学习的系统。见IEEE SP.19-38。Payman Mohassel和Yupeng Zhang。2017.Secureml：一个可扩展的隐私保护机器学习系统。在IEEE SP.19--38.“}中，{“key”：“e_1_3_2_2_60_1”，“unstructured”：“mongodb 2020。mongoDB。https:\/\/www.mongodb.com//。蒙哥达2020。mongoDB。https:\/\/www.mongodb.com//。“}，{”key“：”e_1_3_2_61_1“，”unstructured“：”nexusguard 2021。NexusGuard。http://www.nexusguard.consulting\/网址：http://www.nexusguard.consulting\/。nexusguard 2021年。NexusGuard。http://www.nexusguard.consulting//。“}，{”key“：”e_1_3_2_2_62_1“，”非结构化“：”NPCSC 2017。《中华人民共和国网络安全法》。http://www.lawinfochina.com/display.aspx？id=22826&lib=法律。NPCSC 2017。《中华人民共和国网络安全法》。http://www.lawinfochina.com/display.aspx？id=22826&lib=法律。“}，{”key“：”e_1_3_2_2_63_1“，”unstructured“：”Olga Ohrimenko Felix Schuster C\u00e9dric Fornet Aastha Mehta Sebastian Nowozin Kapil Vaswani and Manuel Costa.2016。可信处理器上的不经意多方机器学习。在USENIX Security中。619--636. Olga Ohrimenko Felix Schuster C\u00e9dric Fornet Aastha Mehta Sebastian Nowozin Kapil Vaswani和Manuel Costa。2016.在可信处理器上进行不经意的多方机器学习。在USENIX Security中。619--636.“}，{”key“：”e_1_3_2_2_64_1“，”volume-title“：”Varys:保护SGX飞地免受实际的侧通道攻击。在USENIX ATC.227--240.“中，”author“：”Oleksenko Oleksii“，”year“：”2018“，”unstructured“：”奥列克西·奥列克森科（Oleksii Oleksenko）、博丹·特雷奇（Bohdan Trach）、罗伯特·克拉恩（Robert Krahn）、马克·西尔伯斯坦（Mark Silberstein）和克里斯托夫·费泽（Christof Fetzer）。2018 . 变化：保护SGX飞地免受实际的副通道攻击。在USENIX ATC中。227--240. 奥列克西·奥列克森科（Oleksii Oleksenko）、博丹·特雷奇（Bohdan Trach）、罗伯特·克拉恩（Robert Krahn）、马克·西尔伯斯坦（Mark Silberstein）和克里斯托夫·费泽（Christof Fetzer）。2018.Varis:保护SGX飞地免受实际的侧信道攻击。在USENIX ATC中。227--240.“}，{”key“：”e_1_3_2_2_65_1“，”volume-title“：”Knockoff nets:窃取黑盒模型的功能“，”author“：”Orekondy Tribhuvanesh“，”unstructured“：”Tribhuvenesh Orekondy-、Bernt Schiele和Mario Fritz。2019。敲除网：窃取黑盒模型的功能。在IEEE CVPR中。4954--4963. Tribhuvanesh Orekondy、Bernt Schiele和Mario Fritz。2019.仿冒网络：盗取黑盒模型的功能。在IEEE CVPR中。4954-4963.“}，{”key“：”e_1_3_2_2_66_1“，”doi-asserted-by“：”crossref“，“unstructured”：“尼古拉斯·帕尔诺特·帕特里克·麦克丹尼尔·伊恩·古德费洛·萨默什·Jha Z Berkay Celik and Ananthram Swami.2017。针对机器学习的实际黑盒攻击。在ACM ASIACCS中。506--519. Nicolas Papernot Patrick McDaniel Ian Goodfellow Somesh Jha Z Berkay Celik和Ananthram Swami。2017.针对机器学习的实际黑盒攻击。在ACM ASIACCS中。506--519.“，”DOI“：”10.1145\/3052973.3053009“}，{“key”：“e_1_3_2_2_67_1”，“volume-title”：“Memoir：受保护模块的实际状态连续性”，“author”：“Parno Bryan”，”year“：”2011“，”unstructured“：”Bryan Parno、Jacob R Lorch、John R Douceur、James Mickens和Jonathan M McCune。2011 . 回忆录：受保护模块的实际状态连续性。在IEEE SP.379-394中。布莱恩·帕诺（Bryan Parno）、雅各布·洛奇（Jacob R Lorch）、约翰·杜瑟（John R Douceur）、詹姆斯·米肯斯（James Mickens）和乔纳森·麦库恩（Jonathan M McCune）。2011.回忆录：受保护模块的实际状态连续性。在IEEE SP.379--394.“}中，{“key”：“e_1_3_2_2_68_1”，“volume-title”：“Pytorch：命令式、高性能的深度学习库。在NeuriPS.8026--8037.”中，“author”：“Paszke Adam”，“year”：“2019”，“unstructured”：“Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga，2019年。Pytorch：一个命令式、高性能的深度学习库。在NeuriPS。8026--8037. Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga等，2019年。Pytorch：一个命令式、高性能的深度学习库。在NeuriPS。8026--8037.“}，{”key“：”e_1_3_2_2_69_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TIFS.2017.2787987”}，}，“key”：“e_1_ 3_2_70_1”，“unstructured”：“平安2020”。平安：安全技术减少数据仓库。https:\/\/www.intel.com/content\/www\/us\/en\/customer-spotlight\/stories\/ping-an-sgx-customer-story.html。平安2020。平安：安全技术减少数据仓库。https:\/\/www.intel.com/content\/www\/us\/en\/customer-spotlight\/stories\/ping-an-sgx-customer-story.html。“}，{”key“：”e1_3_2_2_71_1“，”unstructured“：”python 2020“。CFFI。https:\/\/cffi.readthedocs.io\/en\/latest\/。《蟒蛇2020》。CFFI。https:\/\/cffi.readthedocs.io\/en\/latest\/。“}，{”key“：”e1_3_2_2_72_1“，”unstructured“：”python 2020“。Python GIL。https:\/\/realpython.com/python-gil\/。《蟒蛇2020》。Python GIL。https:\/\/realpython.com/python-gil\/。“}，{”key“：”e_1_3_2_2_73_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Do Le Quoc Franz Gregor Sergei Arnautov Roland Kunkel Pramod Bhatotia and Christof Fetzer.2020。secureTF：一个安全的张量流框架。在USENIX中间件中。44到59。《法国国家报》（Do Le Quoc Franz Gregor Sergei Arnautov Roland Kunkel Pramod Bhatotia）和《克里斯托夫·费泽尔》（Christof Fetzer）。2020年。secureTF：安全张量流框架。在USENIX中间件中。44-59.“，”DOI“：”10.1145\/3423211.3425687“}，{“key”：“e_1_3_2_2_74_1”，“volume-title”：“串扰：跨核心的推测性数据泄漏是真实的。在标准普尔中，“author”：“Ragab Hany”，“year”：“2021”，“unstructured”：“哈尼·拉加布（Hany Ragab）、艾丽莎·米尔本（Alyssa Milburn）、卡维·拉扎维（Kaveh Razavi）、赫伯特·博斯（Herbert Bos）和克里斯蒂亚诺·朱弗里达（Cristiano Giuffrida）。2021 . 串扰：跨核心的推测性数据泄漏是真实的。在标准普尔。电气与电子工程师协会。哈尼·拉加布（Hany Ragab）、艾丽莎·米尔本（Alyssa Milburn）、卡维·拉扎维（Kaveh Razavi）、赫伯特·博斯（Herbert Bos）和克里斯蒂亚诺·朱弗里达（Cristiano Giuffrida）。2021年。串扰：跨核心的推测性数据泄漏是真实的。在标准普尔IEEE中。“}，{”key“：”e_1_3_2_2_75_1“，”volume-title“：”梯度下降优化算法概述。arXiv预印本arXiv:1609.04747“，”author“：”Ruder Sebastian“，”year“：”2016“，”unstructured“：”Sebastian-Ruder.2016“。梯度下降优化算法概述。arXiv预印arXiv:1609.04747（2016）。塞巴斯蒂安·鲁德。2016.梯度下降优化算法概述。arXiv预印arXiv:1609.04747（2016）。“}，{”key“：”e_1_3_2_2_76_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/337376.3378469”}，“{”key“：“e_1_ 3_2_77_1”，“doi-assert-by”：“crossref”，”unstructured“：”Reza Shokri and Vitaly Shmatikov，2015。隐私保护的深度学习。在ACM CCS中。1310--1321. Reza Shokri和Vitaly Shmatikov。2015年，隐私保护深度学习。在ACM CCS中。1310--1321.“，”DOI“：”10.1109\/ALLERTON.2015.7447103“}，{“key”：“e_1_3_2_2_78_1”，“volume-title”：“针对机器学习模型的成员推理攻击”，“author”：“Shokri Reza”，”unstructured“：”Reza Shokri，Marco Stronati，Congzheng Song，and Vitaly Shmatikov.2017。针对机器学习模型的成员推理攻击。在IEEE SP中，IEEE，3-18。Reza Shokri、Marco Stronati、Congzheng Song和Vitaly Shmatikov。2017.针对机器学习模型的成员推理攻击。在IEEE SP.IEEE，3--18.“}，{“key”：“e_1_3_2_2_79_1”，“unstructured”：“Samuel Smith Erich Elsen and Soham De.2020。随机梯度下降中噪声的推广效益。在ICML中。PMLR。Samuel Smith Erich Elsen和Soham De.2020。随机梯度下降中噪声的推广效益。在ICML中。PMLR公司。“}，{”key“：”e_1_3_2_2_80_1“，”volume-title“：”Turbo-Aggregate：打破安全联合学习中的二次聚合障碍。arXiv预印本arXiv:2002.04156“，”author“：”So Jinyun“，“年份”：“2020”，“非结构化”：“JinyUN So，Basak Guler，and A Salman Avestimehr.2020。涡轮聚合：打破安全联合学习中的二次聚合障碍。arXiv预打印arXiv:2002.04156（2020）。So Jinhyun、Basak Guler和A Salman Avestimehr。2020年。涡轮聚合：打破安全联合学习中的二次聚合障碍。arXiv预打印arXiv:2002.04156（2020）。“}，{”key“：”e_1_3_2_2_81_1“，”volume-title“：”Slalom：“在可信硬件中快速、可验证和私有地执行神经网络。arXiv预印本arXiv:1806.03287“，”author“：”Tramer Florian“，”year“：”2018“，”unstructured“：”Florian Tramer和Dan Boneh。2018 . 回旋：在可信硬件中快速、可验证和私有地执行神经网络。arXiv预印arXiv:1806.03287（2018）。Florian Tramer和Dan Boneh。2018.大回转：在可信硬件中快速、可验证和私有地执行神经网络。arXiv预印arXiv:1806.03287（2018）。“}，{”key“：”e_1_3_2_2_82_1“，”unstructured“：”Florian Tram\u00e8r Fan Zhang Ari Juels Michael K Reiter and Thomas Ristenpart.2016。通过预测api窃取机器学习模型。在USENIX Security中。601--618. Florian Tram\u00e8r Fan Zhang Ari Juels Michael K Reiter和Thomas Ristenpart。2016.通过预测api窃取机器学习模型。在USENIX Security中。601--618.“}，{“key”：“e_1_3_2_2_83_1”，“volume-title”：“Graphene-sgx：用于sgx上未修改应用程序的实用库操作系统。在USENIX ATC中）.645-658.”，“author”：“Tsai Chia-Che”，年：“2017”，“unstructured”：“蔡嘉诚、唐纳德·波特和莫娜·维吉。2017 . Graphene-sgx：一个实用的库操作系统，用于sgx上未修改的应用程序。在USENIX ATC中）。645--658. 蔡嘉诚、唐纳德·波特和莫娜·维吉。2017.Graphene-sgx：一个用于sgx上未修改应用程序的实用库操作系统。在USENIX ATC中）。645--658.”}，｛“key”：“e_1_3_2_84_1”，“volume title”：“Foreshadow：提取英特尔｛SGX｝王国的密钥，并执行短暂的无序操作。在USENIX Security中。991--1008.“，“作者”：“Bulck Jo Van”，“年份”：“2018年”，“非结构化”：“乔·范·布尔克、玛丽娜·明金、奥菲尔·韦斯、丹尼尔·根金、巴里斯·卡西奇、弗兰克·皮森斯、马克·西尔伯斯坦、托马斯·菲尼施、尤瓦尔·亚罗姆和拉乌尔·斯特拉克斯。2018 . Foreshadow：用临时无序执行提取英特尔{SGX}王国的密钥。在USENIX Security中。991--1008. Jo Van Bulk、Marina Minkin、Ofir Weisse、Daniel Genkin、Baris Kasikci、Frank Piessens、Mark Silberstein、Thomas F Wenisch、Yuval Yarom和Raoul Strackx。2018.Foreshadow：通过临时无序执行提取英特尔{SGX}王国的密钥。在USENIX Security中。991--1008.“}，{”key“：”e_1_3_2_2_85_1“，”volume-title“：”健康分割学习：“分布式深度学习，不共享原始患者数据。arXiv预印本arXiv:1812.00564“，”author“：”Vepakomma Praneeth“，”year“：”2018“，”unstructured“：”Praneeth-Vepakomma、Otkrist Gupta、Tristan Swedish和Ramesh Raskar.2018。针对健康的分割式学习：分布式深入学习，无需共享原始患者数据。arXiv预印arXiv:1812.00564（2018）。Praneeth Vepakomma、Otkrist Gupta、Tristan Swedish和Ramesh Raskar。2018.健康拆分学习：不共享原始患者数据的分布式深度学习。arXiv预印arXiv:1812.00564（2018）。“}，{”key“：”e_1_3_2_2_86_1“，”volume-title“：”Graviton:GPU上受信任的执行环境。在USENIX OSDI.681--696.“，”author“：”Volos Stavros“，”year“：”2018“，”unstructured“：”Stavros-Volos，Kapil Vaswani，and Rodrigo Bruno。2018。Graviton:GPU上的受信任的运行环境。在US ENIX OS DI.681-696。斯塔夫罗斯·沃洛斯（Stavros Volos）、卡皮尔·瓦斯瓦尼（Kapil Vaswani）和罗德里戈·布鲁诺（Rodrigo Bruno）。2018年，Graviton：GPU上的可信执行环境。在USENIX OSDI中。681--696.“}，{”key“：”e_1_3_2_2_87_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Robert Wahbe Steven Lucco Thomas e Anderson和Susan L Graham.1993。高效的基于软件的故障隔离。在SOSP中。Robert Wahbe Steven Lucco Thomas E Anderson和Susan L Graham。1993年。高效的基于软件的故障隔离。在SOSP中。“，”DOI“：”10.1145\/168619.168635“}，{”key“：”e_1_3_2_2_88_1“，”volume-title“：”在本地更新的SGD中实现最佳错误-运行时权衡的自适应通信策略。arXiv预印本arXiv:1810.08313“，”author“：”Wang Jianyu“，”year“：”2018“，”unstructured“：”Jianyu-Wang和Gauri Joshi.2018。自适应通信策略，以在本地更新SGD中实现最佳的错误-运行时权衡。arXiv预印arXiv:1810.08313（2018）。王建宇和乔希。2018年。在本地更新SGD中实现最佳错误-运行时权衡的自适应通信策略。arXiv预印arXiv:1810.08313（2018）。“}，{”key“：”e_1_3_2_2_89_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Nico Weichbrodt Pierre-Louis Aublin and R\u00fcdiger Kapitza.2018。sgxperf：针对Intel SGX飞地的性能分析工具。在USENIX中间件中。201--213. 尼科·维奇布罗德·皮埃尔·卢伊斯·奥布林和鲁夫迪格·卡皮察。2018年。sgxperf：针对Intel SGX飞地的性能分析工具。在USENIX中间件中。201-213.”，“DOI”：“10.1145\/3274808.3274824”}，｛“key”：“e_1_3_2_90_1”，“首页”：“12”，“文章标题”：“联合机器学习：概念与应用”，“卷”：“10”，“作者”：“杨强”，“年份”：“2019”，“非结构化”：“杨强（Qiang Yang）、刘洋（Yang Liu）、陈天健（Tianjian Chen）和童永新（Yongxin Tong）。2019 . 联合机器学习：概念和应用。ACM TIST 10，2（2019），12。杨强（Qiang Yang）、刘洋（Yang Liu）、陈天健（Tianjian Chen）和童永新（Yongxin Tong）。2019.联合机器学习：概念和应用。ACM TIST 10，2（2019），12.”，“期刊标题”：“ACM TIST”}，{“密钥”：“e_1_3_2_91_1”，“卷标题”：“王伟、陈瑞川和李波。”，“作者”：“于敏晨”，“年份”：“2021”，“非结构化”：“俞敏晨、姜志峰、吴和春、王伟、陈瑞川和李波。2021年。Gillis：在无服务器功能中使用自动模型划分服务大型神经网络。(2021). 俞敏晨、姜志峰、吴和春、王伟、陈瑞川和李波。2021年。Gillis：在无服务器功能中使用自动模型划分服务大型神经网络。(2021).“}，{”key“：”e_1_3_2_2_92_1“，”volume-title“：”Adadelta:一种自适应学习速率方法。arXiv预印本arXiv:1212.5701“，”author“：”Zeiler Matthew D“，”year“：”2012“，”unstructured“：”Matthew D.Zeiler.2012“。Adadelta：一种自适应学习率方法。arXiv预印本arXiv:1212.5701（2012）。马修·D·泽勒。2012.Adadelta：一种自适应学习率方法。arXiv预印本arXiv:1212.5701（2012）。“}，{”key“：”e_1_3_2_2_93_1“，”unstructured“：”成亮张素宜李俊哲夏伟王凤燕杨柳.2020。BatchCrypt：用于跨竖井联合学习的高效同态加密。在USENIX ATC中。成亮张素怡李俊哲夏伟王凤燕杨柳。2020年。BatchCrypt：用于跨竖井联合学习的高效同态加密。在USENIX ATC中。“}，{”key“：”e_1_3_2_2_94_1“，”volume-title“：”保持新鲜：快速分布式机器学习的推测性同步“，”author“：”Zhang Chengliang“，”year“：”2018“，”unstructured“：”张成良、田黄石、王伟、冯燕。2018 . 保持新鲜：快速分布式机器学习的推测性同步。在ICDCS中。电气与电子工程师协会。张成良、田黄石、王伟、冯燕。2018.保持新鲜：快速分布式机器学习的推测性同步。在ICDCS中。电气与电子工程师协会。}，{“key”：“e_1_3_2_95_1”，“volume-title”：“为什么梯度削波加速训练：适应性的理论依据。arXiv预印本arXiv:1905.11881”，“author”：“Zhang Jinghao”，“year”：“2019”，“unstructured”：“Jingzhao Zhang，Tianxing He，Suvrit Sra，and Ali Jadbabaie。2019。为什么梯度剪裁可以加速训练：适应性的理论依据。arXiv预印本arXiv:1905.11881（2019）。张敬钊、何天兴、苏夫里特·斯拉和阿里·贾巴比。2019.为什么梯度削波加速训练：适应性的理论依据。arXiv预印本arXiv:1905.11881（2019）。“}，{”key“：”e_1_3_2_2_96_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Yanjun Zhang Guangdong Bai Xue Li Caitlin Curtis Chen Chen and Ryan KL Ko.2020。PrivColl:实用的隐私保护协作机器学习。在ESORICS中。张彦军（Yanjun Zhang Guangdong）、白雪莉（Bai Xuel Li Caitlin）、柯蒂斯·陈晨（Curtis Chen Chen）和Ryan KL Ko。2020年。隐私：实用隐私保护协作机器学习。在ESORICS中。“，”DOI“：”10.1007\/978-3-030-58951-6_20“}]，”event“：{”name“：”SoCC'21:ACM云计算研讨会“，”location“：”Seattle WA USA“，”缩写词“：”SoCC'21“，”sponsor“：[”SIGMOD ACM数据管理特别利益小组“，”SIGOPS ACM操作系统特别利益小组ACM云计算研讨会论文集“]，“原标题”：[]，“链接”：[｛“URL”：“https:\/\/dl.ACM.org/doi\/pdf\/10.1145\/3472883.3486998”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用程序”：“相似性检查”｝]，“存放”：｛“日期部分”：[[2023,1,7]，“日期时间”：“2023-01-07T16:08:37Z”，“时间戳”：1673107717000｝，“score“：1，”resource“：{“primary”：{”URL“：”https:\/\/dl.acm.org\/doi\/10.1145\/3472883.3486998“}}，”subtitle“：[“为协作学习保护数据隐私和模型机密性”]，”shorttitle“：[]，”issued“:{”date-parts“：[2021,11]]}，“references-count”：96，“alternative-id”：[“10.1145\/3472803.3486998”，“10.1145\/3472883”]，“URL“：”http:\/\/dx.doi.org\/10.1145\/3472883.3486998“，”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[2021,11]]}，“断言”：[{“值”：“2021-11-01”，“顺序”：2，“名称”：“已发布”，“标签”：“发布的”，“组”：{“name”：“publication_history”，“label”：“publication history”}}]}}