{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,24]]，“日期-时间”：“2024-05-24T00:25:33Z”，“时间戳”：1716510333399}，“出版商位置”：“美国纽约州纽约市”，“参考-计数”：31，“出版者”：“ACM”，“资助者”：[{“DOI”：“10.13039\/https:\\/DOI.org\/10.103039\/501100001602“，”名称“：“爱尔兰科学基金会”，“doi-asserted-by”：“publisher”，“award”：[“12\/RC\/2289_P2”]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[]，“published-print”：{“date-parts”：[2024,4,22]]}，”doi“10.1145\/3642970.3655841”，“type”：“proceedings-article”，“created”：{“日期部分”：[[2024,4,19]]，“日期时间”：“2024-04-19T14:46:57Z”，“timestamp”：1713538017000}，“update-policy”：“http://\/dx.doi.org\/10.1145\/crossmark-policy”，“source”：”Crossref“，”is-referenced-by-count“：0，”title“：[“用于改进隐私的建议的混合分散学习拓扑”]，“prefix”：“10.1145”，“author”：[{“ORCID“：”http://\ORCID.org\/0009-0008-2522-8120”，“authenticated-orcid”：false，“given”：“Diarmuid O'Reilly”，“family”：“Morgan”，“sequence”：“first”，“affiliation”：[{“name”：“爱尔兰都柏林大学学院数据分析洞察中心”}]}，{“orcid”：”http://\/orcid.org\/00000-0001-9566-531X“，”authenticationed-orcide“：false：[{“name”：“爱尔兰都柏林大学学院数据分析洞察中心”}]}，{“ORCID”：“http://\/ORCID.org\/0009-0009-0483-1673”，“authenticated-ORCID”：false，“given”：”James“，”family“：”Geraci“，”sequence“：”additional“，”affiliation“:[{”name“：”Samsung Electronics Co.Ltd，Seoul，Republic of Koreal”}]{，”ORCID“：“http://\/orcid.org\/00000-0001-7911-450X”，“authenticated-orcid”：false，“given”：“Qinqin”，“family”：“Wang”，“sequence”：“additional”，“affiliation”：[{“name”：“爱尔兰都柏林大学学院数据分析洞察中心”}]}，{“orcid”：，“sequence”：“additional”，“affiliation”：[{“name”：“爱尔兰都柏林大学学院数据分析洞察中心”}]}，{“ORCID”：“http://\/ORCID.org\/0000-0003-0962-3362”，“authenticated-ORCID”：false，“given”：：“爱尔兰都柏林大学学院数据分析洞察中心”}]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-6160-4639”，“authenticated-ORCID”：false，“given”：”Aonghus“，“family”：“Lawlor”，“sequence”：“additional”，“affiliation”：[{“name”：“爱尔兰杜柏林大学学院洞察数据分析中心”}]，“member”：“320”，“published-online”：{“date-parts”：[[2024,4,22]]}，“reference”：[{“key”：“e_1_3_2_1_1_1”，“volume-title”：“国际人工智能与统计会议.2938--2948”，“author”：“Bagdasaryan Eugene”，“year”：“2020”，“unstructured”：“Eugene Bagdasarian，Andreas Veit，Yiqing Hua，Deborah Estrin，and Vitaly Shmatikov，2020。如何借壳联合学习。在国际人工智能和统计会议上。2938--2948.“}，{”key“：”e_1_3_2_1_2_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/MIS.2020.3014880”}，“key”：“e_1_ 3_2_1_3_1”，“volume-title”：“使用分散矩阵分解的隐私保护兴趣点建议。在AAAI人工智能会议上。”，“author”：“Chen Chaochao”，“year”：“2018”，“unstructured”：“”陈朝超、刘子琪、赵培林、周军和李小龙，2018年。使用分散矩阵分解的隐私保护兴趣点建议。在AAAI人工智能会议上。“}，{”key“：”e_1_3_2_1_4_1“，”volume-title“：”Mohan Kankanhalli，and Gang Chen.“，“author”：“Chen Chen”，“year”：“2020”，“unstructured”：“陈Chen，Jingfeng Zhang，Anthony KH Tung，Mohan kanhalli，and Gang-Chen.2020。强大的联合推荐系统。预印本arXiv:2006.08259（2020）。“}，{”key“：”e_1_3_2_1_5_1“，”volume-title“：”分散矩阵分解的算法框架。在欧洲机器学习会议上，数据库知识发现的原理和实践。Springer。“，”author“：”Duriakova Erika“，”year“：”2020“，”unstructured“：”埃里卡·杜里亚科娃（Erika Duriakova）、黄伟鹏（Weipeng Huang）、埃利亚斯·特拉戈斯（Elias Tragos）、昂古斯·劳勒（Aonghus Lawlor）、巴里·斯迈思（Barry Smyth）、詹姆斯·杰拉奇（James Gerac。2020年。分散矩阵分解算法框架。在欧洲机器学习和数据库知识发现原理与实践会议上。斯普林格。“}，｛”key“：”e_1_3_2_1_6_1“，”volume title“：”提高弱协调分布式机器学习的训练时间。在2021年IEEE国际大数据会议（大数据）上。IEEE，1023-1029“，”作者“：”Duriakova Erika“，”年份“：”2021“，”非结构化“：”Erika Duriakova，Elias Tragos，Aonghus Lawlor，Barry Smyth，and Neil Hurley。2021。提高弱协调分布式机器学习的训练时间。2021年IEEE国际大数据会议（大数据）。IEEE，1023--1029.“}，{”key“：”e_1_3_2_1_7_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3298689.3347035”}，“key”：“e_1_ 3_2_1 _8_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007 \/s11257-016-9177-7“}.”{联合学习？CoRR abs \/2003.14053“，”作者“：”Geiping Jonas”，“年份”：“2020年”，“非结构化”：“Jonas Geiping，Hartmut Bauermeister，Hannah Dr\u00f6ge，and Michael Moeller。2020年。反转梯度-在联合学习中打破隐私有多容易？CoRR abs 2003.14053（2020）。arXiv:2003.14053 https:\/\/arXiv.org\/abs\/2003.14053“}，{“key”：“e_1_3_2_1_10_1”，“volume-title”：“Differentially Private Federated Learning:A Client Level Perspectives.CoRR abs\/1712.07557”，“author”：“Geyer Robin C.”，“year”：“2017”，“unstructured”：“Robin C.Geyer，Tassilo Klein，and Moin Nabi.2017”。不同的私人联合学习：客户层面的观点。CoRR abs（2017）。arXiv:1712.07557 http://arXiv.org/abs\/17122.07557“}，{“key”：“e_1_3_2_1_11_1”，“volume title”：“一个基于分布式协同过滤的可扩展P2P推荐系统。具有应用程序的专家系统27，2”，“author”：“Han Peng”，“year”：“2004”，“nonstructured”：“Peng Han，Bo Xie，Fan Yang，and Ruimin Shen.2004。基于分布式协同过滤的可扩展P2P推荐系统。应用程序专家系统27，2（2004），203-210。，““volume-title”：“数据库中机器学习和知识发现联合欧洲会议”，“author”：“Heged\u0171s Istv\u00e1n”，“unstructured”：“Istv\f00e1n-Heged_0171S，G\u00ebor Danner，and M\u00e rk Jelasity。2019.基于矩阵分解的分散推荐：流言和联合学习的比较。在数据库中的机器学习和知识发现欧洲联合会议上。Springer，317--332.“}，{”key“：”e_1_3_2_15_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/2832415.2832494”}，“key”：“e_1_ 3_2_16_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ISIT4484.2020.9174297“}”，{“10.1609 \/aaai.v35i5.16546”}，{“密钥”：“e_1_3_2_18_1”，“非结构化”：“布伦丹·麦克马汉·艾德·摩尔（Brendan McMahan Eider Moore）、丹尼尔·拉马奇·塞斯·汉普森（Daniel Ramage Seth Hampson）和布莱斯·阿奎拉（Blaise Aguera y Arcas）。2017.通信——从分散的数据中高效学习深层网络。人工智能与统计。PMLR 1273--1282.“}，{”key“：”e_1_3_2_1_19_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3460231.3474262”}，“key”：“e_1_ 3_2_1_20_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/3394486.3403176“}”，{/SP.2019.00065“}，{”键“：”e_1_3_2_1_22_1“，”卷时间“：”Uni-FedRec：一个统一的隐私保护新闻推荐框架，用于模型培训和在线服务。arXiv预印arXiv:2109.05236“，”作者“：”齐涛“，”年份“：”2021“，”非结构化“：”陶琪、吴方钊、吴楚汉、黄永丰、谢兴。2021.Uni-FedRec：一个统一的隐私保护新闻推荐框架，用于模型培训和在线服务。arXiv预印arXiv:2109.05236（2021）。}，{“key”：“e_1_3_2_1_23_1”，“volume-title”：“BPR：隐含反馈的贝叶斯个性化排名。CoRR abs\/1205.2618”，“author”：“Rendle Steffen”，“year”：“2012”，“unstructured”：“Steffen Rendle，Christoph Freudenthaler，Zeno Gantner，and Lars Schmidt-Thieme.，2012。BPR：基于隐式反馈的贝叶斯个性化排名。CoRR abs \/1205.2618（2012），452--461。arXiv:1205.2618“}，{“key”：“e_1_3_2_1_24_1”，“volume-title”：“AI for Social Good ICLR2019 Workshop”，“author”：“Vepakomma Praneeth”，“year”：“2019”，“unstructured”：“Praneeth-Vepakoma，Otkrist Gupta，Abhimanyu Dubey，and Ramesh Raskar.2019。减少敏感健康数据的分布式深度学习中的泄漏。在AI for Social Good ICLR2019研讨会上。“}，{”key“：”e_1_3_2_1_25_1“，”doi-asserted-by“：”publisher“，“，”年份“：”2020“，”非结构化“：”康伟、李军、丁铭、马川、霍华德·H·杨、法哈德·法罗基、史进、托尼·QS·奎克和H·文森特·普尔。2020年。具有不同隐私的联合学习：算法和性能分析。IEEE信息取证与安全交易（2020年）。“}，{”key“：”e_1_3_2_1_28_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.ins.2018.07.070”}，“key”：“e_1_ 3_2_1_2 9_1”，“volume-title”：“针对属性推断攻击的联邦推荐系统的综合隐私分析。arXiv预印本arXiv:2205.11857”，“author”：“Zhang Shijie”，“年份”：“2022”，“非结构化”：”张世杰和尹洪志。2022.针对属性推理攻击的联邦推荐系统的综合隐私分析。arXiv预印arXiv:2205.11857（2022）。“｝，｛”key“：”e_1_3_2_1_30_1“，”doi asserted by“：”publisher“，”doi“：”10.1145\/3488560.3498386“｝，｛”key“：”e_1_3_2_31_1“，”volume title“：”基于Top-N推荐的隐私保护项目的可扩展算法。基于隐私保护的Top-N推荐的可扩展算法。CoRR abs（2018年）。arXiv:1811.02217 http://\/arXiv.org\/abs\/1811.02217}]，“event”：{“name”：“EuroSys'24:第十九届欧洲计算机系统会议”，“location”：“Athens Greece”，“缩写词”：“EuroSys'24”，“赞助商”：[“SIGOPS ACM操作系统特别兴趣小组”]}，“container-title”：[《机器学习和系统第四次研讨会论文集》]，“original-title“：[]，”link“：[{”URL“：”https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3642970.3655841“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,5,23]]，”date-time“：“2024-05-23T14:36:32Z”，“timestamp”：1716474992000}，“score”：1，“resource”（资源）：{“primary”（主资源）：}“URL”（URL）：“https:\/\/dl.acm.org\/doi\/10.1145\/3642970.3655841“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2024,4,22]]}，“引用计数”：31，“alternative-id”：[“10.1145\/3642900.3655841”，“10.1145\/3642970”]，“URL”：“http://\/dx.doi.org\/10.1145 \/36429.70.3655941”，“relation”：{}，“subject”：[]，“published”：{“date-parts”：[[2024,4,22]]}，”assertion“：[{”value“：”2024-04-22“，”order“：2，”name“：”published“，”label“：”published“，”group“：{”name“:”publication_history“，”标签“：”publication history“}}]}}