• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于聯(lián)邦學(xué)習(xí)的教育數(shù)據(jù)挖掘隱私保護(hù)技術(shù)探索

    2020-12-06 10:41:53李默妍
    電化教育研究 2020年11期
    關(guān)鍵詞:機(jī)器學(xué)習(xí)

    [摘? ?要] 近年來,人工智能在教育領(lǐng)域發(fā)揮著日益重要的作用。但隨著隱私泄露問題的凸顯,如何在保護(hù)學(xué)習(xí)者隱私的基礎(chǔ)上,使用來自多方的數(shù)據(jù)以提升人工智能應(yīng)用的性能,成為智能時代亟待解決的問題。為此,文章引入了人工智能領(lǐng)域新興的聯(lián)邦學(xué)習(xí)概念,分析了聯(lián)邦學(xué)習(xí)的定義、系統(tǒng)模型與訓(xùn)練過程、隱私保護(hù)技術(shù),并將聯(lián)邦學(xué)習(xí)與教育數(shù)據(jù)挖掘的各類算法相結(jié)合,以解決教育數(shù)據(jù)挖掘中可能存在的隱私保護(hù)問題。研究發(fā)現(xiàn),聯(lián)邦學(xué)習(xí)方法能夠從原理上保障數(shù)據(jù)隱私,且容易整合到現(xiàn)有的教育應(yīng)用中;在保護(hù)隱私的基礎(chǔ)之上,運用聯(lián)邦學(xué)習(xí)能夠最大程度地提高模型精確度;將聯(lián)邦學(xué)習(xí)與教育數(shù)據(jù)挖掘相結(jié)合,既能最大化地發(fā)揮利益相關(guān)者的作用,又能滿足各利益相關(guān)者的需求。聯(lián)邦學(xué)習(xí)將為教育的信息化與智能化發(fā)展開辟全新的路徑。

    [關(guān)鍵詞] 聯(lián)邦學(xué)習(xí); 教育大數(shù)據(jù); 教育數(shù)據(jù)挖掘; 隱私保護(hù); 機(jī)器學(xué)習(xí)

    [中圖分類號] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

    [作者簡介] 李默妍(1995—),女,山東廣饒人。博士研究生,主要從事教育政策與比較教育研究。E-mail:moyan.li@zju.edu.cn。

    一、引? ?言

    教育數(shù)據(jù)的收集與使用是人工智能時代智慧教育得以持續(xù)發(fā)展的重要驅(qū)動力。然而,對教育數(shù)據(jù)的深度挖掘,卻產(chǎn)生了泄露學(xué)習(xí)者隱私、侵犯人格尊嚴(yán)的風(fēng)險[1]。因此,如何在充分利用教育數(shù)據(jù)的過程中保障學(xué)習(xí)者隱私,成為備受關(guān)注的研究課題?,F(xiàn)有研究文獻(xiàn)探究了教育數(shù)據(jù)隱私保護(hù)的部分舉措。例如,有研究者從數(shù)據(jù)治理層面出發(fā),認(rèn)為需重構(gòu)數(shù)據(jù)治理的制度倫理規(guī)范、提升教育決策主體的數(shù)據(jù)治理能力[2],有研究者從技術(shù)層面出發(fā),詳細(xì)闡述了信息安全技術(shù)[3]、區(qū)塊鏈技術(shù)[4]在教育數(shù)據(jù)隱私保護(hù)中的應(yīng)用。但是,即使實施了上述措施,在數(shù)據(jù)挖掘過程中依然需要對教育數(shù)據(jù)進(jìn)行收集與傳輸,難以規(guī)避各個環(huán)節(jié)中可能發(fā)生的隱私泄露問題。如今,學(xué)習(xí)者對于教育隱私保護(hù)的需求以及智能時代對于教育數(shù)據(jù)共享的需求之間的矛盾,已經(jīng)成為影響人工智能技術(shù)在教育領(lǐng)域發(fā)揮作用的重要矛盾。

    為了解決在各行各業(yè)中均出現(xiàn)的數(shù)據(jù)隱私保護(hù)問題,谷歌公司于2016年提出了聯(lián)邦學(xué)習(xí)(Federated Learning,F(xiàn)L)方法。聯(lián)邦學(xué)習(xí)是一種新興的機(jī)器學(xué)習(xí)方法,通過這一方法,參與者無須上傳原始數(shù)據(jù),機(jī)器學(xué)習(xí)過程在中央服務(wù)器的協(xié)調(diào)下于每個參與者本地進(jìn)行,并且僅交換模型特征,如參數(shù)、梯度等[5]。與其他隱私保護(hù)技術(shù)相比,聯(lián)邦學(xué)習(xí)方法無需集中收集原始數(shù)據(jù),也就沒有后續(xù)的數(shù)據(jù)傳輸與公開共享等環(huán)節(jié),能夠在根本上解決數(shù)據(jù)挖掘中的隱私保護(hù)問題。如今,聯(lián)邦學(xué)習(xí)已成為人工智能的熱門研究主題,在智慧醫(yī)療、智慧城市建設(shè)等領(lǐng)域內(nèi)獲得關(guān)注,但在充滿潛力的教育領(lǐng)域卻鮮有研究。因此,本文試圖對聯(lián)邦學(xué)習(xí)方法進(jìn)行介紹,并初步探究聯(lián)邦學(xué)習(xí)與教育領(lǐng)域可能的結(jié)合點與應(yīng)用前景,為學(xué)界和業(yè)界的深入研究與應(yīng)用提供一定的啟發(fā)與參考。

    二、聯(lián)邦學(xué)習(xí)的基本內(nèi)容

    (一)聯(lián)邦學(xué)習(xí)的定義

    定義N個參與者P={p1,…,pN},每位參與者擁有一個私人數(shù)據(jù)集{D1,…,DN}。傳統(tǒng)的機(jī)器學(xué)習(xí)方法將每位參與者的數(shù)據(jù)集統(tǒng)一到一個數(shù)據(jù)湖D=D1∪…∪DN,再訓(xùn)練模型MSUM。而在聯(lián)邦學(xué)習(xí)方法中,每位參與者pi在中央服務(wù)器的協(xié)調(diào)下于本地訓(xùn)練模型{M1,…, MN}及其參數(shù){w1,…,wN},將模型M_N的參數(shù)wN傳回中央服務(wù)器,由中央服務(wù)器整合為全局模型MFL。

    若將模型MFL、MSUM的精確度分別定義為VFL、VSUM,這兩個數(shù)值應(yīng)該是非常相似的。將δ定義為一個非負(fù)的實數(shù),若|VFL-VSUM|<δ,則認(rèn)為聯(lián)邦學(xué)習(xí)算法具有δ-精度損失[6]。

    (二)聯(lián)邦學(xué)習(xí)模型的系統(tǒng)模型與訓(xùn)練過程

    聯(lián)邦學(xué)習(xí)的系統(tǒng)模型由中央服務(wù)器與數(shù)據(jù)擁有者或參與者組成,如圖1所示。中央服務(wù)器一般由發(fā)起聯(lián)邦學(xué)習(xí)任務(wù)的公司、組織或研究者的私有云服務(wù)器或租用的公有云服務(wù)器承載。根據(jù)任務(wù)的不同,數(shù)據(jù)擁有者的類型可以是多樣的。例如,當(dāng)教育機(jī)構(gòu)內(nèi)部需要使用學(xué)生的教育數(shù)據(jù)訓(xùn)練模型時,數(shù)據(jù)擁有者就是存儲教育數(shù)據(jù)的學(xué)生自有客戶端如手機(jī)、電腦、平板電腦等移動設(shè)備。當(dāng)教育機(jī)構(gòu)之間借助各自存儲的數(shù)據(jù)合作進(jìn)行模型訓(xùn)練時,數(shù)據(jù)擁有者就是各機(jī)構(gòu)的私有服務(wù)器。數(shù)據(jù)擁有者需于本地安裝聯(lián)邦學(xué)習(xí)相關(guān)的訓(xùn)練組件,一般而言,組件是與任務(wù)發(fā)起者提供服務(wù)的軟件組裝在一起的。參與聯(lián)邦學(xué)習(xí)過程的數(shù)據(jù)持有者于本地存儲數(shù)據(jù)需要經(jīng)過一段時間的積累。如果沒有積累足夠的數(shù)據(jù),就不能入選為參與者。數(shù)據(jù)擁有者需要通過以太網(wǎng)絡(luò)或蜂窩網(wǎng)絡(luò)與中央服務(wù)器連接與通信。

    在此基礎(chǔ)上,聯(lián)邦學(xué)習(xí)模型最常用的算法為聯(lián)邦平均算法(Federated Averaging Algorithm),訓(xùn)練過程展示在算法1中(如圖2所示)。

    訓(xùn)練過程主要包括以下三個步驟:

    (三)聯(lián)邦學(xué)習(xí)的隱私保護(hù)技術(shù)

    為參與者提供個人隱私保護(hù)是聯(lián)邦學(xué)習(xí)顯著的特點,參與者僅共享模型參數(shù),而不共享原始數(shù)據(jù),從根本上解決了參與者的數(shù)據(jù)泄露問題。但有研究表明,通過參與者共享的模型參數(shù)也能推斷出參與者的部分粗略信息,如性別、職業(yè)、地理位置等[7],因此,為了防止惡意參與者或者惡意服務(wù)器通過共享參數(shù)來反推其他參與者的敏感信息,聯(lián)邦學(xué)習(xí)可以使用多種隱私保護(hù)技術(shù),為參與者的個人隱私提供全方位的保護(hù)。運用于聯(lián)邦學(xué)習(xí)的隱私保護(hù)解決方案有以下三種:

    1. 基于差分隱私(Differential Privacy)的解決方案。該解決方案主要針對惡意參與者,其核心思想是在將參與者共享的參數(shù)發(fā)送至中央服務(wù)器之前,利用高斯機(jī)制(Gaussian Mechanism)等差分隱私保護(hù)隨機(jī)機(jī)制在參數(shù)中添加噪聲(Noise),使得惡意參與者無法使用共享全局模型的參數(shù)來推斷其他參與者的信息。同時,參與者不斷計算惡意參與者利用共享參數(shù)反推信息的可能性,一旦達(dá)到預(yù)先設(shè)定的閾值,就終止模型訓(xùn)練過程[8]。

    2. 協(xié)作訓(xùn)練(Collaborative Training)解決方案。該解決方案的核心思想是參與者不將其本地訓(xùn)練后產(chǎn)生的完整參數(shù)集上傳中央服務(wù)器,也不將整個全局模型更新至本地,而是有選擇地上傳與下載,根據(jù)情況確定共享的參數(shù)數(shù)量。研究表明,即使參與者沒有上傳完整的參數(shù)集,最后訓(xùn)練出來的全局模型與擁有完整參數(shù)集的全局模型的準(zhǔn)確性仍舊相近。例如,對于MNIST數(shù)據(jù)集,當(dāng)參與者同意共享10%的參數(shù)時,全局模型的準(zhǔn)確度達(dá)到99.14%,當(dāng)參與者僅共享1%的參數(shù)時,準(zhǔn)確度也達(dá)到了98.71%[9]。

    3. 基于加密(Encryption)的解決方案。此解決方案的核心思想是,在將參與者的訓(xùn)練參數(shù)發(fā)送到服務(wù)器之前,使用同態(tài)加密技術(shù)對其進(jìn)行加密。加密是有效且較為常用的隱私保護(hù)方法,也可以與其他解決方案混合使用。有研究提出了基于加密與差分隱私的混合解決方案,在將參與者的參數(shù)發(fā)送到服務(wù)器之前,使用加法同態(tài)加密機(jī)制并添加故意干擾原始參數(shù)的噪聲以保護(hù)參與者的隱私[10]。

    三、聯(lián)邦學(xué)習(xí)在教育領(lǐng)域的應(yīng)用

    (一)教育數(shù)據(jù)挖掘中的隱私問題

    根據(jù)數(shù)據(jù)類型的不同,教育大數(shù)據(jù)挖掘領(lǐng)域內(nèi)常用的機(jī)器學(xué)習(xí)算法主要可以分為監(jiān)督學(xué)習(xí)(Supervised Learning)、非監(jiān)督學(xué)習(xí)(Unsupervised Learning)兩類:監(jiān)督學(xué)習(xí)是指用有標(biāo)簽(Label)的數(shù)據(jù)來訓(xùn)練模型,使得模型能夠產(chǎn)生正確輸出;非監(jiān)督學(xué)習(xí)是指模型從沒有標(biāo)簽的數(shù)據(jù)中挖掘其隱含的關(guān)系與結(jié)構(gòu)[11],見表1。

    不同的算法具有各自的優(yōu)缺點,教育研究者根據(jù)其具體的學(xué)習(xí)任務(wù)以及收集的數(shù)據(jù)類型來選擇實現(xiàn)算法。但各類算法都需要相關(guān)教育數(shù)據(jù)的支持,都有可能存在隱私泄露的問題。

    當(dāng)研究者希望對數(shù)據(jù)進(jìn)行分類且具有明確的類型時,就可選擇支持向量機(jī)、深度神經(jīng)網(wǎng)絡(luò)等監(jiān)督學(xué)習(xí)中的分類算法。支持向量機(jī)具有結(jié)構(gòu)化風(fēng)險最小、泛化錯誤率低等優(yōu)勢,在教育領(lǐng)域多用于進(jìn)行教學(xué)質(zhì)量評價、學(xué)習(xí)過程評價等。在使用支持向量機(jī)建立教學(xué)質(zhì)量評價體系時,研究者常使用專家評價以及學(xué)生評教的各項數(shù)據(jù)對模型進(jìn)行訓(xùn)練,評價指標(biāo)包括教師的教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)方法等[12]。學(xué)習(xí)過程評價模型訓(xùn)練需要學(xué)生的自我評價與教師評價數(shù)據(jù),評價指標(biāo)包括出勤率、學(xué)習(xí)態(tài)度、作業(yè)正確率等數(shù)據(jù)[13]。若這些數(shù)據(jù)被公開共享,對教師與學(xué)生都是不利的。

    深度神經(jīng)網(wǎng)絡(luò)具有多層人工神經(jīng)網(wǎng)絡(luò),在圖像識別、語音識別、文本識別等方面表現(xiàn)優(yōu)異。在教育領(lǐng)域,深度神經(jīng)網(wǎng)絡(luò)的典型應(yīng)用為構(gòu)建學(xué)習(xí)資源推薦系統(tǒng)。研究者收集學(xué)習(xí)者于在線學(xué)習(xí)平臺上留下的歷史學(xué)習(xí)數(shù)據(jù)與個人信息,如學(xué)習(xí)類型、學(xué)習(xí)數(shù)量、學(xué)歷、所處行業(yè)等,以及學(xué)習(xí)資源中包含的信息,從而為數(shù)據(jù)集訓(xùn)練模型[14]。深度神經(jīng)網(wǎng)絡(luò)的另一大應(yīng)用為通過對學(xué)生的人臉識別以及語音識別進(jìn)行情感計算,分析學(xué)生上課時的專注程度、理解程度等,從而促使教師提高課堂教學(xué)質(zhì)量,幫助學(xué)生提高學(xué)習(xí)效率[15]。此類深度神經(jīng)網(wǎng)絡(luò)模型需要收集多視角的課堂錄像,利用其中包含的大量圖像數(shù)據(jù)與語音數(shù)據(jù)進(jìn)行訓(xùn)練。圖像、語音與文本數(shù)據(jù)中包含的信息、內(nèi)容、情感都構(gòu)成了參與者的隱私,若發(fā)生泄露,不僅威脅學(xué)習(xí)者的個人隱私安全,還可能產(chǎn)生侵犯肖像權(quán)、知識產(chǎn)權(quán)等法律風(fēng)險。

    回歸算法是一種經(jīng)典的機(jī)器學(xué)習(xí)預(yù)測模型,具有結(jié)構(gòu)簡單、原理易懂的優(yōu)勢。當(dāng)數(shù)據(jù)點圍繞主軸上下波動時,就可以選擇線性回歸算法構(gòu)建模型。例如,有研究者利用多元線性回歸的算法構(gòu)建了以數(shù)學(xué)成績預(yù)測學(xué)生其他計算機(jī)科學(xué)課程成績的模型[16]。在這一模型中,學(xué)生的數(shù)學(xué)成績數(shù)據(jù)將存在隱私風(fēng)險。

    當(dāng)研究者希望將數(shù)據(jù)集中相似的數(shù)據(jù)聚集到一類,但并不知道具體有幾個類別時,就可以選擇K均值聚類、DBSCAN等非監(jiān)督學(xué)習(xí)中的聚類算法。聚類算法在教育領(lǐng)域的應(yīng)用比較廣泛,學(xué)生成績預(yù)測、學(xué)生行為分析、教學(xué)質(zhì)量評價等都有涉及。例如,有研究者使用K均值聚類算法分析大學(xué)生進(jìn)行的課程評價以及他們在相應(yīng)考試中的成績之間的關(guān)聯(lián)性,以建立一個利用學(xué)生評教預(yù)測學(xué)生考試成績的模型[17]。在這一模型中,研究者預(yù)先收集的學(xué)生評教數(shù)據(jù)以及學(xué)生的學(xué)業(yè)成績數(shù)據(jù)存在隱私風(fēng)險。

    (二)聯(lián)邦學(xué)習(xí)在教育數(shù)據(jù)挖掘中的應(yīng)用案例

    當(dāng)使用傳統(tǒng)的機(jī)器學(xué)習(xí)方法訓(xùn)練模型時,研究者需要收集大量的教育數(shù)據(jù)樣本,集中進(jìn)行數(shù)據(jù)處理以訓(xùn)練模型。在這一過程中,數(shù)據(jù)的收集、傳輸、存儲、使用等環(huán)節(jié)都有可能造成數(shù)據(jù)泄露而侵犯隱私。而在聯(lián)邦學(xué)習(xí)中,機(jī)器學(xué)習(xí)過程均在參與者的本地進(jìn)行,無須收集與傳輸數(shù)據(jù),與中央服務(wù)器的通信內(nèi)容僅限于加密后的參數(shù),能夠有效地保護(hù)參與者的隱私。幾乎所有應(yīng)用于教育領(lǐng)域的機(jī)器學(xué)習(xí)模型都可以使用聯(lián)邦學(xué)習(xí)方法進(jìn)行訓(xùn)練,為教育數(shù)據(jù)挖掘過程中的個人隱私保護(hù)問題提供有效的解決方案。在解決數(shù)據(jù)隱私問題的同時,聯(lián)邦學(xué)習(xí)也能夠最大化地保證機(jī)器學(xué)習(xí)模型的準(zhǔn)確性。本文以基于支持向量機(jī)的教學(xué)質(zhì)量評價、基于深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)資源推薦、基于K均值聚類算法的學(xué)生成績分析三個實例說明使用聯(lián)邦學(xué)習(xí)的方法與流程。

    1. 聯(lián)邦學(xué)習(xí)在支持向量機(jī)中的應(yīng)用

    使用支持向量機(jī)進(jìn)行教學(xué)質(zhì)量評價模型訓(xùn)練的基本原理是求解能夠正確劃分教學(xué)評估數(shù)據(jù)類別且?guī)缀伍g隔最大的超平面。與需要收集數(shù)據(jù)進(jìn)行統(tǒng)一運算的傳統(tǒng)支持向量機(jī)不同,基于聯(lián)邦學(xué)習(xí)的支持向量機(jī)算法要求運算過程在參與者的本地進(jìn)行,不進(jìn)行數(shù)據(jù)收集或傳輸?shù)冗^程。其基本流程如圖3(1)所示:首先,中央服務(wù)器將教學(xué)質(zhì)量評價分類任務(wù)初始化,確定任務(wù)需要的數(shù)據(jù),如學(xué)生與專家對課程或教師進(jìn)行的打分等,選取具備這些數(shù)據(jù)的參與者,并決定參數(shù)傳輸過程中的加密方式。之后,中央服務(wù)器決定支持向量機(jī)模型種類,如使用高斯核函數(shù)(RBF)的支持向量機(jī)模型等,并向各參與者下發(fā)初始參數(shù)。每個參與者于本地進(jìn)行支持向量機(jī)運算,根據(jù)本地存儲的教學(xué)評估結(jié)果計算數(shù)據(jù)點與超平面的距離,計算梯度,優(yōu)化更新本地參數(shù)并將其傳回中央服務(wù)器。中央服務(wù)器將各參與者上傳的本地參數(shù)進(jìn)行求平均運算,并將運算結(jié)果再次下發(fā)至參與者,參與者再次進(jìn)行本地的優(yōu)化更新,如此循環(huán)直至達(dá)到T輪,損失函數(shù)收斂。中央服務(wù)器將最后一輪本地參數(shù)求平均,輸出教學(xué)質(zhì)量評價模型,進(jìn)行測試驗證。

    [參考文獻(xiàn)]

    [1] 龐茗月,胡凡剛.從賦能教育向尊崇成長轉(zhuǎn)變:教育大數(shù)據(jù)的倫理省思[J].電化教育研究,2019,40(7):30-36,45.

    [2] 田賢鵬.隱私保護(hù)與開放共享:人工智能時代的教育數(shù)據(jù)治理變革[J].電化教育研究,2020,41(5):33-38.

    [3] 劉夢君,姜雨薇,曹樹真,楊兵.信息安全技術(shù)在教育數(shù)據(jù)安全與隱私中的應(yīng)用分析[J].中國電化教育,2019(6):123-130.

    [4] 楊兵,羅汪旸,姜慶,朱曉鋼,郭強(qiáng).基于聯(lián)盟鏈的學(xué)習(xí)數(shù)據(jù)存儲系統(tǒng)研究[J].現(xiàn)代教育技術(shù),2019,29(8):100-105.

    [5] HARD A, RAO K, MATHEWS R, et al. Federated learning for mobile keyboard prediction[EB/OL]. [2019-02-28](2020-06-25). https://arxiv.org/abs/1811.03604.

    [6] YANG Q, LIU Y, CHEN T, et al. Federated machine learning: concept and applications[J]. ACM Transactions on intelligent systems and technology, 2019, 10(2): 1-19.

    [7] MELIS L, SONG C, DE CRISTOFARO E, et al. Exploiting unintended feature leakage in collaborative learning[C]//IEEE. Symposium on Security and Privacy 2019. San Francisco: IEEE, 2019: 691-706.

    [8] GEYER R C, KLEIN T, NABI M. Differentially private federated learning: a client level perspective[EB/OL]. [2018-03-01](2020-06-25). https://arxiv.org/abs/1712.07557.

    [9] LECUN Y, BOTTOU L, BENGIO Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.

    [10] BONAWITZ K, IVANOV V, KREUTER B, et al. Practical secure aggregation for privacy-preserving machine learning[C]//Proceedings of the 2017 ACM SIGSAC Conference on Computer and Communications Security. Dallas: ACM, 2017: 1175-1191.

    [11] GHAHRAMANI Z. Unsupervised learning[C]// BOUSQUET O, RAETSCH, G, VON LUXBURG U. Advanced lectures on machine learning. Berlin: Springer Verlag, 2004: 72-112.

    [12] 劉偉,孫林.基于支持向量機(jī)的課堂教學(xué)質(zhì)量評價[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2010,33(7):968-971.

    [13] 李候梅. 基于支持向量機(jī)的學(xué)習(xí)過程性評價研究[D].重慶:重慶師范大學(xué),2015.

    [14] 樊?,|,史雙,張博敏,張艷萍,藺琪,孫歡.基于MLP改進(jìn)型深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)資源推薦算法[J].計算機(jī)應(yīng)用研究,2020,37(9):2629-2633.

    [15] 李勝男. 基于人工智能技術(shù)的課堂教學(xué)行為的分析框架構(gòu)建研究[D].北京:北京郵電大學(xué),2019.

    [16] OYERINDE O D, CHIA P A. Predicting students' academic performances—a learning analytics approach using multiple linear regression[J]. International journal of computer applications, 2017(4): 37-44.

    [17] CAMPAGNI R, MERLINI D, VERRI M C. Finding regularities in courses evaluation with k-means clustering[C]//CSEDU. Proceedings of the 6th International Conference on Computer Supported Education, Setubal: Science and Technology Publications, 2014(2): 26-33.

    [18] WANG S, TUOR T, SALONIDIS T, et al. Adaptive federated learning in resource constrained edge computing systems[J]. IEEE journal on selected areas in communications, 2019, 37(6): 1205-1221.

    [19] CHANDIRAMANI K, GARG D, MAHESWARI N. Performance analysis of distributed and federated learning models on private data[J]. Procedia computer science, 2019(165): 349-355.

    [20] 李春生,劉濤,于澍,張可佳.基于K-means算法的研究生入學(xué)成績分析[J].計算機(jī)技術(shù)與發(fā)展,2019,29(2):162-165.

    [21] SOLIMAN A, GIRDZIJAUSKAS S, BOUGUELIA M R, et al. Decentralized and adaptive K-means clustering for non-IID data using hyperLogLog counters[C]//Pacific-Asia Conference on Knowledge Discovery and Data Mining. Berlin: Springer, 2020: 343-355.

    [22] ZHAN Y, LI P, QU Z, et al. A learning-based incentive mechanism for federated learning[J]. IEEE internet of things journal, 2020:1-9.

    [23] KANG J, XIONG Z, NIYATO D, et al. Incentive design for efficient federated learning in mobile networks: a contract theory approach[C]// IEEE. 2019 VTS IEEE Asia Pacific Wireless Communications Symposium, Singapore: IEEE, 2019: 1-5.

    猜你喜歡
    機(jī)器學(xué)習(xí)
    基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測分析
    時代金融(2016年27期)2016-11-25 17:51:36
    前綴字母為特征在維吾爾語文本情感分類中的研究
    下一代廣播電視網(wǎng)中“人工智能”的應(yīng)用
    活力(2016年8期)2016-11-12 17:30:08
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    基于Spark的大數(shù)據(jù)計算模型
    基于樸素貝葉斯算法的垃圾短信智能識別系統(tǒng)
    基于圖的半監(jiān)督學(xué)習(xí)方法綜述
    機(jī)器學(xué)習(xí)理論在高中自主學(xué)習(xí)中的應(yīng)用
    極限學(xué)習(xí)機(jī)在圖像分割中的應(yīng)用
    男女无遮挡免费网站观看| 亚洲人与动物交配视频| xxx大片免费视频| 日本黄大片高清| 欧美激情 高清一区二区三区| 国产乱来视频区| 日本av手机在线免费观看| 搡女人真爽免费视频火全软件| 中文天堂在线官网| 国产毛片在线视频| 女的被弄到高潮叫床怎么办| 最后的刺客免费高清国语| 精品午夜福利在线看| 欧美日韩成人在线一区二区| 全区人妻精品视频| 国产精品不卡视频一区二区| 一级毛片aaaaaa免费看小| 国产精品一二三区在线看| 久久 成人 亚洲| 大片电影免费在线观看免费| 午夜日本视频在线| 国产有黄有色有爽视频| 欧美老熟妇乱子伦牲交| 老熟女久久久| 国产精品一区www在线观看| 色视频在线一区二区三区| 国产成人免费观看mmmm| 最新的欧美精品一区二区| 久久久国产精品麻豆| 美女中出高潮动态图| 国产日韩欧美视频二区| 亚洲内射少妇av| 性高湖久久久久久久久免费观看| 黑人巨大精品欧美一区二区蜜桃 | 一区二区三区四区激情视频| 国产一区二区在线观看av| 国产免费福利视频在线观看| 热99久久久久精品小说推荐| 美女视频免费永久观看网站| 日本欧美国产在线视频| 国产视频首页在线观看| 日韩不卡一区二区三区视频在线| 三级国产精品欧美在线观看| 久久亚洲国产成人精品v| 熟妇人妻不卡中文字幕| 2021少妇久久久久久久久久久| 男女边吃奶边做爰视频| av免费观看日本| 制服丝袜香蕉在线| 日日摸夜夜添夜夜添av毛片| 欧美成人午夜免费资源| 男人爽女人下面视频在线观看| 9色porny在线观看| 亚洲伊人久久精品综合| 美女大奶头黄色视频| 国产欧美亚洲国产| 丝袜喷水一区| 91精品国产九色| 午夜精品国产一区二区电影| 999精品在线视频| 亚洲欧美日韩卡通动漫| 成人国语在线视频| 伊人亚洲综合成人网| 国产白丝娇喘喷水9色精品| 美女中出高潮动态图| 三上悠亚av全集在线观看| 五月天丁香电影| 久久99热这里只频精品6学生| 又粗又硬又长又爽又黄的视频| 91aial.com中文字幕在线观看| 精品国产一区二区三区久久久樱花| 97超碰精品成人国产| 精品99又大又爽又粗少妇毛片| 中文乱码字字幕精品一区二区三区| 人人妻人人添人人爽欧美一区卜| 中国三级夫妇交换| 免费人妻精品一区二区三区视频| .国产精品久久| 熟女av电影| 极品少妇高潮喷水抽搐| 少妇熟女欧美另类| av女优亚洲男人天堂| 亚洲,一卡二卡三卡| √禁漫天堂资源中文www| 亚洲不卡免费看| 黄色毛片三级朝国网站| 精品一区在线观看国产| 色婷婷av一区二区三区视频| 最新的欧美精品一区二区| 欧美xxⅹ黑人| 国产熟女欧美一区二区| 久久鲁丝午夜福利片| av专区在线播放| 国产乱人偷精品视频| 内地一区二区视频在线| 少妇熟女欧美另类| 色婷婷久久久亚洲欧美| 嫩草影院入口| 亚洲av电影在线观看一区二区三区| 日韩大片免费观看网站| 欧美bdsm另类| 亚洲av中文av极速乱| 久久国产精品大桥未久av| 亚洲无线观看免费| tube8黄色片| 九九爱精品视频在线观看| 久久人人爽人人片av| 亚洲精品456在线播放app| 下体分泌物呈黄色| videossex国产| 亚洲,一卡二卡三卡| 久久影院123| 搡女人真爽免费视频火全软件| 91aial.com中文字幕在线观看| 母亲3免费完整高清在线观看 | 免费人妻精品一区二区三区视频| 免费观看av网站的网址| 久久精品人人爽人人爽视色| 在线精品无人区一区二区三| 女性生殖器流出的白浆| 成年人免费黄色播放视频| 亚洲在久久综合| 国产成人一区二区在线| 大话2 男鬼变身卡| 久久久午夜欧美精品| 久久热精品热| 久久99蜜桃精品久久| 3wmmmm亚洲av在线观看| 少妇被粗大猛烈的视频| 久久久久久久久大av| 亚洲av福利一区| 在线观看三级黄色| 激情五月婷婷亚洲| 黑人猛操日本美女一级片| 中国国产av一级| 亚洲精品国产色婷婷电影| 国产高清国产精品国产三级| 亚洲欧洲日产国产| 久久久国产一区二区| 18禁在线播放成人免费| 在线观看美女被高潮喷水网站| 免费观看性生交大片5| 久久韩国三级中文字幕| 一本久久精品| 春色校园在线视频观看| 亚洲av免费高清在线观看| 国产免费视频播放在线视频| 精品少妇久久久久久888优播| 在线观看免费高清a一片| 国产精品女同一区二区软件| 一二三四中文在线观看免费高清| 国产老妇伦熟女老妇高清| 国产成人aa在线观看| 18禁动态无遮挡网站| 亚洲美女搞黄在线观看| 久久精品久久久久久久性| 久久精品久久久久久久性| 欧美 亚洲 国产 日韩一| 久久ye,这里只有精品| 亚洲av国产av综合av卡| 亚洲一区二区三区欧美精品| av网站免费在线观看视频| 亚洲av国产av综合av卡| 精品久久久久久久久亚洲| 国产精品无大码| 我的女老师完整版在线观看| 人人妻人人澡人人看| 日韩不卡一区二区三区视频在线| 极品人妻少妇av视频| 视频区图区小说| 色婷婷av一区二区三区视频| 爱豆传媒免费全集在线观看| 啦啦啦在线观看免费高清www| 精品久久蜜臀av无| 国产日韩一区二区三区精品不卡 | 少妇猛男粗大的猛烈进出视频| 黄色毛片三级朝国网站| av电影中文网址| 丝袜脚勾引网站| 天美传媒精品一区二区| 日本爱情动作片www.在线观看| 免费黄频网站在线观看国产| 99热6这里只有精品| 99久久综合免费| 久久国产亚洲av麻豆专区| 91久久精品国产一区二区成人| 人人妻人人添人人爽欧美一区卜| 嫩草影院入口| av电影中文网址| 久久精品夜色国产| 欧美丝袜亚洲另类| 十八禁高潮呻吟视频| 午夜免费观看性视频| 熟女av电影| 你懂的网址亚洲精品在线观看| 久久久亚洲精品成人影院| freevideosex欧美| 日韩精品有码人妻一区| 国产成人91sexporn| 五月玫瑰六月丁香| 精品一区在线观看国产| 99九九在线精品视频| 曰老女人黄片| 麻豆精品久久久久久蜜桃| 飞空精品影院首页| 国产亚洲精品第一综合不卡 | 亚洲人成网站在线播| 国产一区有黄有色的免费视频| 夜夜爽夜夜爽视频| 成人午夜精彩视频在线观看| av专区在线播放| 国产高清不卡午夜福利| 三级国产精品欧美在线观看| 欧美日韩视频精品一区| 女人精品久久久久毛片| 国国产精品蜜臀av免费| 亚洲欧美日韩卡通动漫| 国产精品嫩草影院av在线观看| 国产无遮挡羞羞视频在线观看| 久久久久久久国产电影| 久久狼人影院| 黄色配什么色好看| 我的老师免费观看完整版| av网站免费在线观看视频| 91国产中文字幕| 日日撸夜夜添| 男女边吃奶边做爰视频| 中国国产av一级| 热re99久久国产66热| 久久99热6这里只有精品| 久久久久久久大尺度免费视频| 中文字幕久久专区| 久久久欧美国产精品| 欧美日本中文国产一区发布| 国产成人精品无人区| 街头女战士在线观看网站| 少妇人妻 视频| 色哟哟·www| 免费观看无遮挡的男女| 日本欧美国产在线视频| 国产精品蜜桃在线观看| 日韩精品免费视频一区二区三区 | 大码成人一级视频| 中文天堂在线官网| 成人黄色视频免费在线看| 欧美最新免费一区二区三区| 日韩av不卡免费在线播放| 最新中文字幕久久久久| av天堂久久9| 亚洲精品日本国产第一区| 乱码一卡2卡4卡精品| 精品少妇黑人巨大在线播放| 成人毛片a级毛片在线播放| 成人国语在线视频| 男男h啪啪无遮挡| 少妇被粗大猛烈的视频| 国产黄片视频在线免费观看| 免费观看的影片在线观看| 韩国高清视频一区二区三区| 天天影视国产精品| 亚洲在久久综合| 日韩av不卡免费在线播放| 99热国产这里只有精品6| 午夜久久久在线观看| 9色porny在线观看| 亚洲四区av| 啦啦啦啦在线视频资源| 久久国产精品男人的天堂亚洲 | av黄色大香蕉| 一个人看视频在线观看www免费| 交换朋友夫妻互换小说| 亚洲av男天堂| 久久人妻熟女aⅴ| 亚洲欧美成人精品一区二区| 免费高清在线观看日韩| 成人黄色视频免费在线看| 欧美少妇被猛烈插入视频| 美女内射精品一级片tv| 婷婷色av中文字幕| 国产一区有黄有色的免费视频| 人妻制服诱惑在线中文字幕| 寂寞人妻少妇视频99o| 又大又黄又爽视频免费| 国产国拍精品亚洲av在线观看| av国产久精品久网站免费入址| 在线 av 中文字幕| 嘟嘟电影网在线观看| 国产淫语在线视频| 亚洲成人av在线免费| 欧美日韩视频精品一区| 日韩av免费高清视频| 老司机亚洲免费影院| 久久精品国产鲁丝片午夜精品| 不卡视频在线观看欧美| freevideosex欧美| xxx大片免费视频| 午夜福利视频精品| 纯流量卡能插随身wifi吗| 青春草视频在线免费观看| 黑丝袜美女国产一区| 这个男人来自地球电影免费观看 | 久久99精品国语久久久| 精品午夜福利在线看| 亚洲高清免费不卡视频| 女的被弄到高潮叫床怎么办| 色5月婷婷丁香| 边亲边吃奶的免费视频| 亚洲精品色激情综合| 精品一区二区三区视频在线| 午夜免费男女啪啪视频观看| 99精国产麻豆久久婷婷| 欧美人与性动交α欧美精品济南到 | 久久精品国产亚洲av涩爱| 永久网站在线| 亚洲天堂av无毛| 黄色怎么调成土黄色| a级毛片黄视频| 国产日韩欧美亚洲二区| 国产在线免费精品| 哪个播放器可以免费观看大片| 美女xxoo啪啪120秒动态图| 美女国产高潮福利片在线看| 日日啪夜夜爽| 18禁在线无遮挡免费观看视频| 亚洲欧美清纯卡通| 久久久精品区二区三区| 亚洲av成人精品一区久久| 免费av不卡在线播放| 色吧在线观看| 插阴视频在线观看视频| 久久精品国产亚洲av天美| 成人亚洲精品一区在线观看| 日韩av不卡免费在线播放| 色哟哟·www| 色婷婷久久久亚洲欧美| 日本91视频免费播放| 九九在线视频观看精品| 一级毛片 在线播放| 欧美性感艳星| 国产精品久久久久久精品电影小说| 免费少妇av软件| 永久免费av网站大全| 日韩强制内射视频| 在线免费观看不下载黄p国产| 久久久久久久久久久丰满| 夫妻性生交免费视频一级片| av福利片在线| 国产免费一区二区三区四区乱码| 蜜桃国产av成人99| 丁香六月天网| 欧美激情极品国产一区二区三区 | 麻豆成人av视频| 日韩人妻高清精品专区| 亚州av有码| 亚洲国产最新在线播放| 老熟女久久久| 男女免费视频国产| 最近最新中文字幕免费大全7| 免费观看无遮挡的男女| 精品99又大又爽又粗少妇毛片| 赤兔流量卡办理| 成人毛片a级毛片在线播放| 亚洲精品乱久久久久久| 一本大道久久a久久精品| 国产亚洲精品第一综合不卡 | 久久狼人影院| 人成视频在线观看免费观看| 亚洲欧洲日产国产| 建设人人有责人人尽责人人享有的| www.av在线官网国产| 一本色道久久久久久精品综合| 亚洲国产精品成人久久小说| 久久久精品免费免费高清| 国产永久视频网站| 伦理电影免费视频| 成人二区视频| 女性生殖器流出的白浆| 最黄视频免费看| 国精品久久久久久国模美| 麻豆精品久久久久久蜜桃| 尾随美女入室| 日本av免费视频播放| 黄片播放在线免费| 欧美丝袜亚洲另类| 久久鲁丝午夜福利片| 欧美bdsm另类| 91精品国产国语对白视频| 亚洲av在线观看美女高潮| 国产成人freesex在线| 亚洲精品自拍成人| 精品一区在线观看国产| 51国产日韩欧美| 少妇的逼水好多| 亚洲精品亚洲一区二区| 日韩强制内射视频| 性色av一级| 国产成人freesex在线| 免费播放大片免费观看视频在线观看| 日韩欧美精品免费久久| 精品一区二区三卡| 日产精品乱码卡一卡2卡三| 国精品久久久久久国模美| 中文字幕人妻熟人妻熟丝袜美| 一级毛片电影观看| 色婷婷久久久亚洲欧美| 一级毛片aaaaaa免费看小| 汤姆久久久久久久影院中文字幕| 亚洲av电影在线观看一区二区三区| 成年人午夜在线观看视频| 在线观看一区二区三区激情| 成人毛片a级毛片在线播放| 国产精品免费大片| 少妇 在线观看| 国产精品不卡视频一区二区| av在线观看视频网站免费| 国产精品女同一区二区软件| 狠狠精品人妻久久久久久综合| 日日摸夜夜添夜夜添av毛片| 男人操女人黄网站| 能在线免费看毛片的网站| 久久久国产欧美日韩av| 纵有疾风起免费观看全集完整版| 亚洲欧洲精品一区二区精品久久久 | 18+在线观看网站| 视频在线观看一区二区三区| 国产av国产精品国产| 国产爽快片一区二区三区| 国产有黄有色有爽视频| 有码 亚洲区| 韩国av在线不卡| 国产欧美亚洲国产| 一边亲一边摸免费视频| 中文字幕免费在线视频6| 高清黄色对白视频在线免费看| xxxhd国产人妻xxx| 乱码一卡2卡4卡精品| 美女大奶头黄色视频| 亚洲,一卡二卡三卡| 丝袜喷水一区| 蜜臀久久99精品久久宅男| 久久久久久久精品精品| 精品亚洲乱码少妇综合久久| 成人亚洲欧美一区二区av| 亚洲国产欧美在线一区| 人妻系列 视频| 制服丝袜香蕉在线| 亚洲精品av麻豆狂野| 免费人成在线观看视频色| 日本午夜av视频| 黄色视频在线播放观看不卡| 久久精品人人爽人人爽视色| 亚洲av电影在线观看一区二区三区| 高清在线视频一区二区三区| av在线观看视频网站免费| 丝袜美足系列| 国产精品国产av在线观看| 国产精品秋霞免费鲁丝片| 秋霞在线观看毛片| 亚洲av二区三区四区| 国产国拍精品亚洲av在线观看| tube8黄色片| 欧美3d第一页| 大话2 男鬼变身卡| 亚洲精品av麻豆狂野| 精品一品国产午夜福利视频| 99热国产这里只有精品6| 欧美精品亚洲一区二区| 久久女婷五月综合色啪小说| 成人影院久久| 老女人水多毛片| av在线观看视频网站免费| 午夜福利影视在线免费观看| 亚洲性久久影院| 美女国产视频在线观看| 少妇人妻精品综合一区二区| 欧美最新免费一区二区三区| 男女边吃奶边做爰视频| 午夜精品国产一区二区电影| 成人毛片a级毛片在线播放| 男女高潮啪啪啪动态图| 久久精品久久久久久久性| 熟女电影av网| 国产高清国产精品国产三级| 乱人伦中国视频| 汤姆久久久久久久影院中文字幕| 一本久久精品| 国产精品99久久久久久久久| 久久久久久伊人网av| 国产精品嫩草影院av在线观看| 不卡视频在线观看欧美| 日韩强制内射视频| 国产淫语在线视频| 国产亚洲欧美精品永久| 国产日韩欧美在线精品| 日韩大片免费观看网站| 少妇精品久久久久久久| 人人妻人人澡人人看| 男人爽女人下面视频在线观看| 亚洲精品一二三| 亚洲av.av天堂| 成人二区视频| 中文天堂在线官网| av国产久精品久网站免费入址| 人人妻人人爽人人添夜夜欢视频| 亚洲综合色网址| 亚洲少妇的诱惑av| 一区在线观看完整版| 亚洲国产色片| 国产精品久久久久久久电影| 国产成人免费无遮挡视频| 亚洲人成网站在线观看播放| 亚洲国产欧美在线一区| av线在线观看网站| av免费观看日本| 人妻系列 视频| 男的添女的下面高潮视频| 91久久精品国产一区二区成人| 久久av网站| 激情五月婷婷亚洲| 国产亚洲av片在线观看秒播厂| 五月伊人婷婷丁香| 国产精品国产三级国产专区5o| 人成视频在线观看免费观看| 免费观看的影片在线观看| 免费av不卡在线播放| 亚洲,一卡二卡三卡| 欧美激情国产日韩精品一区| 国产亚洲最大av| 久久狼人影院| 亚洲精品乱久久久久久| 亚洲图色成人| 精品久久久久久久久亚洲| 建设人人有责人人尽责人人享有的| 伊人亚洲综合成人网| 成人无遮挡网站| 黄色配什么色好看| 午夜免费鲁丝| 日日摸夜夜添夜夜添av毛片| 一级毛片电影观看| 日韩电影二区| 97超视频在线观看视频| av线在线观看网站| 亚洲欧美成人综合另类久久久| 中文字幕亚洲精品专区| 免费观看的影片在线观看| 久久av网站| 国产精品欧美亚洲77777| 国产亚洲av片在线观看秒播厂| 日韩中字成人| 99热这里只有是精品在线观看| 亚洲精品aⅴ在线观看| 国语对白做爰xxxⅹ性视频网站| 99re6热这里在线精品视频| 国产亚洲欧美精品永久| 乱码一卡2卡4卡精品| 26uuu在线亚洲综合色| 久久99热6这里只有精品| 欧美精品人与动牲交sv欧美| 国产在视频线精品| videosex国产| 啦啦啦中文免费视频观看日本| 热99久久久久精品小说推荐| 日韩中文字幕视频在线看片| av线在线观看网站| 日韩不卡一区二区三区视频在线| 国产欧美日韩一区二区三区在线 | 国产亚洲精品久久久com| 两个人的视频大全免费| 国内精品宾馆在线| 2022亚洲国产成人精品| 婷婷成人精品国产| 美女国产视频在线观看| 一区二区日韩欧美中文字幕 | 国产欧美另类精品又又久久亚洲欧美| tube8黄色片| 日韩强制内射视频| 人妻一区二区av| 青青草视频在线视频观看| 亚洲,欧美,日韩| 久久韩国三级中文字幕| 欧美三级亚洲精品| 最近2019中文字幕mv第一页| 2022亚洲国产成人精品| 如何舔出高潮| 国产伦精品一区二区三区视频9| 久久久a久久爽久久v久久| 日本猛色少妇xxxxx猛交久久| 91精品一卡2卡3卡4卡| 综合色丁香网| 大香蕉久久网| 美女内射精品一级片tv| 成人亚洲欧美一区二区av| 一本大道久久a久久精品| 欧美xxⅹ黑人| a级毛片黄视频| 母亲3免费完整高清在线观看 | 又黄又爽又刺激的免费视频.| 黑人高潮一二区| 大又大粗又爽又黄少妇毛片口| 一边亲一边摸免费视频| 午夜免费观看性视频| 欧美另类一区| 日日摸夜夜添夜夜添av毛片| 亚洲情色 制服丝袜| 99国产精品免费福利视频| 91在线精品国自产拍蜜月| 岛国毛片在线播放| 嫩草影院入口| 99视频精品全部免费 在线| av不卡在线播放| 永久免费av网站大全| 日韩 亚洲 欧美在线| 欧美亚洲 丝袜 人妻 在线| 91精品国产九色| 视频区图区小说|