• <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
    最近最新中文字幕大全电影3 | 妹子高潮喷水视频| 亚洲国产看品久久| 黄频高清免费视频| 国产亚洲欧美98| 啦啦啦韩国在线观看视频| 777久久人妻少妇嫩草av网站| 在线视频色国产色| 俄罗斯特黄特色一大片| 18禁黄网站禁片午夜丰满| 级片在线观看| 亚洲熟女毛片儿| 一区福利在线观看| 久久天躁狠狠躁夜夜2o2o| 中出人妻视频一区二区| 亚洲欧美日韩高清在线视频| 999久久久精品免费观看国产| 国产欧美日韩一区二区三| 欧美zozozo另类| 精品无人区乱码1区二区| 日日夜夜操网爽| 亚洲精品国产区一区二| 国产欧美日韩精品亚洲av| 高清毛片免费观看视频网站| 亚洲人成网站高清观看| 亚洲精品国产区一区二| 变态另类丝袜制服| 国产极品粉嫩免费观看在线| 国产精品电影一区二区三区| 老熟妇仑乱视频hdxx| www.999成人在线观看| 一本久久中文字幕| 成人18禁高潮啪啪吃奶动态图| 午夜激情av网站| 男人舔女人下体高潮全视频| 亚洲精华国产精华精| 欧美中文综合在线视频| 国产精品1区2区在线观看.| 午夜a级毛片| 日韩av在线大香蕉| 丰满人妻熟妇乱又伦精品不卡| 日韩精品中文字幕看吧| 国产蜜桃级精品一区二区三区| 99久久无色码亚洲精品果冻| 国产人伦9x9x在线观看| 国产一级毛片七仙女欲春2 | 欧美性长视频在线观看| 久久亚洲精品不卡| 久久久久国内视频| 人人澡人人妻人| 亚洲五月色婷婷综合| 日韩精品免费视频一区二区三区| 久久亚洲真实| 亚洲国产精品久久男人天堂| 中文字幕精品免费在线观看视频| 成人一区二区视频在线观看| 国产99久久九九免费精品| 精品日产1卡2卡| 我的亚洲天堂| 免费在线观看视频国产中文字幕亚洲| 在线观看66精品国产| 精品电影一区二区在线| 午夜a级毛片| 成人免费观看视频高清| 一个人观看的视频www高清免费观看 | 大香蕉久久成人网| 国产亚洲欧美98| 国产成人av激情在线播放| www日本在线高清视频| 美女大奶头视频| 日本a在线网址| 色av中文字幕| 欧美成人午夜精品| 日韩三级视频一区二区三区| aaaaa片日本免费| 国产亚洲精品综合一区在线观看 | 国产精品精品国产色婷婷| 淫妇啪啪啪对白视频| 久久婷婷成人综合色麻豆| 亚洲精品美女久久av网站| 久9热在线精品视频| 中文字幕av电影在线播放| 国产爱豆传媒在线观看 | 久久这里只有精品19| 在线观看舔阴道视频| 国产精品影院久久| 亚洲一码二码三码区别大吗| 国产又黄又爽又无遮挡在线| 12—13女人毛片做爰片一| 国产午夜精品久久久久久| 午夜福利视频1000在线观看| 看黄色毛片网站| 日韩欧美国产一区二区入口| 18禁美女被吸乳视频| 国产v大片淫在线免费观看| 亚洲午夜精品一区,二区,三区| 亚洲片人在线观看| 一本一本综合久久| 99久久99久久久精品蜜桃| 亚洲美女黄片视频| av超薄肉色丝袜交足视频| 国产人伦9x9x在线观看| 国产午夜福利久久久久久| 久久久久久久久久黄片| 精品一区二区三区四区五区乱码| 亚洲午夜精品一区,二区,三区| 国产精品久久久久久精品电影 | 亚洲真实伦在线观看| 久久中文字幕一级| 成人18禁在线播放| 国产成人欧美| 免费观看人在逋| 亚洲成国产人片在线观看| 亚洲国产精品合色在线| 88av欧美| 亚洲免费av在线视频| 超碰成人久久| 欧美黄色片欧美黄色片| 桃色一区二区三区在线观看| 亚洲专区国产一区二区| 美女高潮到喷水免费观看| 亚洲成a人片在线一区二区| 国产伦在线观看视频一区| 亚洲国产精品999在线| 久久亚洲真实| 精品久久久久久久久久免费视频| 久久久久久免费高清国产稀缺| 老汉色av国产亚洲站长工具| 国产97色在线日韩免费| 中文亚洲av片在线观看爽| 天堂√8在线中文| 午夜激情福利司机影院| 亚洲av五月六月丁香网| 老汉色av国产亚洲站长工具| 少妇的丰满在线观看| 免费无遮挡裸体视频| 久久久久久久久久黄片| 女人被狂操c到高潮| 国产精品98久久久久久宅男小说| 欧美激情极品国产一区二区三区| 精品日产1卡2卡| 亚洲成人免费电影在线观看| 淫秽高清视频在线观看| 色尼玛亚洲综合影院| 国产一级毛片七仙女欲春2 | 久久久久久免费高清国产稀缺| 亚洲av日韩精品久久久久久密| 首页视频小说图片口味搜索| 亚洲熟女毛片儿| 国产精品日韩av在线免费观看| 桃色一区二区三区在线观看| 一区二区三区激情视频| 中文字幕另类日韩欧美亚洲嫩草| 国产精品一区二区免费欧美| 婷婷精品国产亚洲av在线| 成人午夜高清在线视频 | 国产一区二区三区在线臀色熟女| 成熟少妇高潮喷水视频| 日韩免费av在线播放| 欧美性猛交╳xxx乱大交人| 国产激情久久老熟女| 久久久久久免费高清国产稀缺| 一个人免费在线观看的高清视频| 国产人伦9x9x在线观看| 91成人精品电影| a级毛片在线看网站| 人妻丰满熟妇av一区二区三区| 此物有八面人人有两片| 国产成人精品久久二区二区91| 精品第一国产精品| 亚洲自拍偷在线| 久久精品成人免费网站| 99久久99久久久精品蜜桃| 久久精品夜夜夜夜夜久久蜜豆 | 国产单亲对白刺激| 黄色 视频免费看| 丝袜美腿诱惑在线| 中文字幕久久专区| 亚洲片人在线观看| 国内精品久久久久久久电影| 国产精品1区2区在线观看.| 99在线人妻在线中文字幕| 欧美黄色淫秽网站| 身体一侧抽搐| 亚洲国产精品成人综合色| 日本一本二区三区精品| 国产又爽黄色视频| 国产真实乱freesex| 亚洲专区字幕在线| 久久久水蜜桃国产精品网| 国产亚洲欧美98| 国产视频一区二区在线看| 久久久久久大精品| 久久国产精品人妻蜜桃| 啦啦啦免费观看视频1| 欧美成狂野欧美在线观看| 久久久久免费精品人妻一区二区 | 亚洲第一欧美日韩一区二区三区| 国产一区二区三区视频了| 香蕉丝袜av| 91大片在线观看| 欧美又色又爽又黄视频| 国产亚洲av嫩草精品影院| 香蕉久久夜色| 久久香蕉国产精品| 欧美大码av| 免费看a级黄色片| 午夜免费激情av| 亚洲国产日韩欧美精品在线观看 | 国产亚洲精品av在线| 国产av一区二区精品久久| 亚洲成人久久爱视频| 欧美不卡视频在线免费观看 | 99久久国产精品久久久| 精品国产亚洲在线| 日本 欧美在线| 久久久久久久久中文| 久久99热这里只有精品18| 热99re8久久精品国产| 一级a爱视频在线免费观看| videosex国产| 精品欧美一区二区三区在线| 此物有八面人人有两片| 99在线视频只有这里精品首页| 岛国在线观看网站| 亚洲九九香蕉| 中文字幕av电影在线播放| 免费看a级黄色片| 日本免费a在线| 国产久久久一区二区三区| 亚洲人成网站在线播放欧美日韩| 国产精品一区二区三区四区久久 | 欧美国产精品va在线观看不卡| 久久99热这里只有精品18| 一本一本综合久久| 久久精品国产综合久久久| 老汉色∧v一级毛片| 黄色视频,在线免费观看| 成人三级做爰电影| 亚洲五月色婷婷综合| 亚洲av成人av| 欧美黄色淫秽网站| www日本在线高清视频| 国产私拍福利视频在线观看| 丝袜人妻中文字幕| 脱女人内裤的视频| 久久精品人妻少妇| 日本a在线网址| 色尼玛亚洲综合影院| 亚洲电影在线观看av| 色综合站精品国产| 国产97色在线日韩免费| 国产精品一区二区精品视频观看| 亚洲精品美女久久久久99蜜臀| 在线看三级毛片| 天天一区二区日本电影三级| 久久精品aⅴ一区二区三区四区| 国产av又大| 国产黄片美女视频| 久久精品国产亚洲av高清一级| 看片在线看免费视频| 日韩欧美一区二区三区在线观看| 欧美成人免费av一区二区三区| 国内少妇人妻偷人精品xxx网站 | 嫩草影院精品99| 久久热在线av| 久久精品aⅴ一区二区三区四区| 97超级碰碰碰精品色视频在线观看| 亚洲中文字幕一区二区三区有码在线看 | 日韩精品青青久久久久久| 在线观看午夜福利视频| 白带黄色成豆腐渣| 搡老妇女老女人老熟妇| 欧美日本视频| 一个人免费在线观看的高清视频| 久久 成人 亚洲| 国产精品免费一区二区三区在线| 国产久久久一区二区三区| 村上凉子中文字幕在线| 后天国语完整版免费观看| 国产精品一区二区精品视频观看| 国内毛片毛片毛片毛片毛片| 成人一区二区视频在线观看| 国产一卡二卡三卡精品| 久久久久国产一级毛片高清牌| 久久精品人妻少妇| 两性夫妻黄色片| 亚洲av五月六月丁香网| 国内毛片毛片毛片毛片毛片| 丁香六月欧美| 日韩欧美三级三区| √禁漫天堂资源中文www| 国产野战对白在线观看| 亚洲人成电影免费在线| 午夜两性在线视频| 国产成人精品无人区| 国产亚洲精品av在线| 在线天堂中文资源库| 午夜久久久久精精品| 亚洲国产看品久久| 夜夜夜夜夜久久久久| 久久久久久人人人人人| 午夜福利视频1000在线观看| 国语自产精品视频在线第100页| 中文字幕另类日韩欧美亚洲嫩草| 一级毛片高清免费大全| 亚洲男人天堂网一区| 午夜成年电影在线免费观看| 久久久国产欧美日韩av| 热99re8久久精品国产| 麻豆久久精品国产亚洲av| 一边摸一边抽搐一进一小说| 美女国产高潮福利片在线看| 亚洲性夜色夜夜综合| 国产精品电影一区二区三区| 免费在线观看完整版高清| 日本在线视频免费播放| 亚洲国产精品999在线| 欧美色欧美亚洲另类二区| 亚洲专区中文字幕在线| 俺也久久电影网| 亚洲午夜理论影院| 丰满的人妻完整版| 日本撒尿小便嘘嘘汇集6| 变态另类成人亚洲欧美熟女| 老汉色av国产亚洲站长工具| 少妇的丰满在线观看| 亚洲国产高清在线一区二区三 | 中文字幕精品亚洲无线码一区 | 美女高潮喷水抽搐中文字幕| 十分钟在线观看高清视频www| 国产精品免费视频内射| 老汉色av国产亚洲站长工具| 最新在线观看一区二区三区| 国产乱人伦免费视频| 日本精品一区二区三区蜜桃| 欧美色欧美亚洲另类二区| 欧美日韩精品网址| 国产欧美日韩精品亚洲av| www国产在线视频色| 精品少妇一区二区三区视频日本电影| 国产三级黄色录像| e午夜精品久久久久久久| 黄色成人免费大全| 国产三级黄色录像| 精品日产1卡2卡| 黄网站色视频无遮挡免费观看| 久久久久久大精品| 老司机福利观看| 国产爱豆传媒在线观看 | 长腿黑丝高跟| 两人在一起打扑克的视频| 久久久久国产精品人妻aⅴ院| 亚洲,欧美精品.| 黄色丝袜av网址大全| 久热这里只有精品99| 亚洲国产中文字幕在线视频| 99re在线观看精品视频| 国产成人欧美在线观看| 亚洲成人精品中文字幕电影| 成人国语在线视频| 国产野战对白在线观看| 两人在一起打扑克的视频| 国产男靠女视频免费网站| 很黄的视频免费| 欧美又色又爽又黄视频| 很黄的视频免费| 日韩欧美国产一区二区入口| 午夜激情福利司机影院| 此物有八面人人有两片| 老司机午夜十八禁免费视频| 日本五十路高清| 桃色一区二区三区在线观看| 国产野战对白在线观看| 亚洲一区高清亚洲精品| 亚洲欧美日韩无卡精品| 中出人妻视频一区二区| 国产真人三级小视频在线观看| 亚洲欧美精品综合久久99| 搡老岳熟女国产| www国产在线视频色| 一级a爱片免费观看的视频| 国产av在哪里看| 国产视频内射| 亚洲成人精品中文字幕电影| 国产单亲对白刺激| www日本黄色视频网| 婷婷丁香在线五月| 村上凉子中文字幕在线| 久久久国产成人精品二区| 天天躁狠狠躁夜夜躁狠狠躁| xxxwww97欧美| 午夜影院日韩av| 性欧美人与动物交配| 亚洲第一av免费看| 国产亚洲欧美精品永久| 精品国产一区二区三区四区第35| 亚洲avbb在线观看| 久热这里只有精品99| 高清在线国产一区| 国产蜜桃级精品一区二区三区| 久久久久精品国产欧美久久久| 国产91精品成人一区二区三区| 日本一本二区三区精品| 十八禁网站免费在线| 一级毛片精品| 亚洲无线在线观看| 香蕉久久夜色| 欧美成人性av电影在线观看| 国产乱人伦免费视频| www.www免费av| 亚洲中文字幕一区二区三区有码在线看 | 亚洲,欧美精品.| 亚洲欧美日韩高清在线视频| 黄色视频不卡| 亚洲av成人一区二区三| 免费女性裸体啪啪无遮挡网站| 亚洲va日本ⅴa欧美va伊人久久| 国产成人精品久久二区二区91| 婷婷精品国产亚洲av| 十八禁人妻一区二区| 999久久久精品免费观看国产| 中文字幕人妻熟女乱码| 嫩草影视91久久| 成人国语在线视频| 男女下面进入的视频免费午夜 | 午夜福利欧美成人| 日本三级黄在线观看| 欧美激情 高清一区二区三区| 啦啦啦观看免费观看视频高清| 亚洲精品粉嫩美女一区| 色综合婷婷激情| 国产黄色小视频在线观看| 老司机在亚洲福利影院| 午夜免费激情av| 久久久久久人人人人人| av片东京热男人的天堂| 巨乳人妻的诱惑在线观看| 丰满人妻熟妇乱又伦精品不卡| 亚洲男人天堂网一区| 在线播放国产精品三级| 18禁黄网站禁片免费观看直播| 亚洲色图 男人天堂 中文字幕| av电影中文网址| 视频区欧美日本亚洲| 我的亚洲天堂| 草草在线视频免费看| 免费在线观看成人毛片| 日韩中文字幕欧美一区二区| 人成视频在线观看免费观看| 日本三级黄在线观看| 日韩免费av在线播放| av片东京热男人的天堂| 久久精品国产亚洲av香蕉五月| 久久午夜综合久久蜜桃| 啦啦啦 在线观看视频| 精品国产国语对白av| 成人午夜高清在线视频 | 亚洲人成伊人成综合网2020| av天堂在线播放| 三级毛片av免费| 亚洲专区中文字幕在线| 热99re8久久精品国产| 亚洲av成人不卡在线观看播放网| 日本一区二区免费在线视频| 老司机靠b影院| 国产av又大| 女同久久另类99精品国产91| 狠狠狠狠99中文字幕| 久久久久免费精品人妻一区二区 | 热99re8久久精品国产| 亚洲国产欧美日韩在线播放| 国产亚洲av嫩草精品影院| 精品少妇一区二区三区视频日本电影| 啪啪无遮挡十八禁网站| 女性被躁到高潮视频| 少妇裸体淫交视频免费看高清 | 级片在线观看| 黄色女人牲交| 国内久久婷婷六月综合欲色啪| av在线播放免费不卡| 亚洲欧美精品综合久久99| 亚洲国产毛片av蜜桃av| av片东京热男人的天堂| 欧美又色又爽又黄视频| 国产麻豆成人av免费视频| 久久久久久九九精品二区国产 | 成年女人毛片免费观看观看9| 国产精品久久久人人做人人爽| 啦啦啦韩国在线观看视频| 日本免费a在线| 久久香蕉精品热| 亚洲人成电影免费在线| 精品久久久久久,| www.熟女人妻精品国产| 国产精品日韩av在线免费观看| www日本在线高清视频| 桃红色精品国产亚洲av| 午夜福利在线在线| 国产精品永久免费网站| 欧美性猛交黑人性爽| 色老头精品视频在线观看| 桃红色精品国产亚洲av| 男女午夜视频在线观看| 久久久久精品国产欧美久久久| АⅤ资源中文在线天堂| 不卡av一区二区三区| 国产精品自产拍在线观看55亚洲| 精品久久久久久久人妻蜜臀av| 叶爱在线成人免费视频播放| 少妇 在线观看| 久久久久国内视频| 国产午夜福利久久久久久| 99精品久久久久人妻精品| 欧美av亚洲av综合av国产av| 精品一区二区三区av网在线观看| 免费观看人在逋| 午夜两性在线视频| 国产视频内射| 亚洲,欧美精品.| netflix在线观看网站| 久久精品成人免费网站| 国产精品久久久久久亚洲av鲁大| 国产精品 欧美亚洲| 国产一区二区激情短视频| 中文资源天堂在线| 久久精品成人免费网站| www.自偷自拍.com| 日本在线视频免费播放| videosex国产| 亚洲五月色婷婷综合| 非洲黑人性xxxx精品又粗又长| 亚洲片人在线观看| 日日摸夜夜添夜夜添小说| 欧美成人性av电影在线观看| 亚洲三区欧美一区| 美女 人体艺术 gogo| 亚洲精品久久成人aⅴ小说| 窝窝影院91人妻| 亚洲黑人精品在线| 97碰自拍视频| 亚洲天堂国产精品一区在线| 叶爱在线成人免费视频播放| 久久久久久免费高清国产稀缺| 欧美中文日本在线观看视频| 国产精品二区激情视频| 亚洲va日本ⅴa欧美va伊人久久| 真人一进一出gif抽搐免费| 99国产极品粉嫩在线观看| 免费看日本二区| 久久精品国产亚洲av香蕉五月| 男女那种视频在线观看| 国产三级黄色录像| 欧美日本视频| 香蕉丝袜av| 成人国产综合亚洲| 免费看十八禁软件| 国产亚洲av高清不卡| 青草久久国产| 国产亚洲精品久久久久久毛片| 久久午夜亚洲精品久久| 91字幕亚洲| av片东京热男人的天堂| 欧美在线黄色| 级片在线观看| 老汉色av国产亚洲站长工具| 中文字幕高清在线视频| 色综合站精品国产| 欧美乱色亚洲激情| 色播亚洲综合网| 国产精品亚洲一级av第二区| 一本一本综合久久| 成人国产一区最新在线观看| 狂野欧美激情性xxxx| 久久精品aⅴ一区二区三区四区| 黑人欧美特级aaaaaa片| 日日干狠狠操夜夜爽| 欧美一区二区精品小视频在线| 日本三级黄在线观看| 国产精品精品国产色婷婷| 999久久久精品免费观看国产| 老司机福利观看| 90打野战视频偷拍视频| 亚洲电影在线观看av| 精品午夜福利视频在线观看一区| 美女高潮到喷水免费观看| 亚洲五月色婷婷综合| 少妇的丰满在线观看| 亚洲精品国产精品久久久不卡| 在线观看66精品国产| 久久久国产成人精品二区| 啦啦啦 在线观看视频| 一级黄色大片毛片| 国产97色在线日韩免费| 日韩三级视频一区二区三区| 侵犯人妻中文字幕一二三四区| 夜夜夜夜夜久久久久| 亚洲熟妇熟女久久| 日本成人三级电影网站| 精品无人区乱码1区二区| 国产成年人精品一区二区| 国产精品国产高清国产av| x7x7x7水蜜桃| 亚洲国产欧洲综合997久久, | 欧美乱妇无乱码| 亚洲片人在线观看| 国产伦在线观看视频一区| 在线观看日韩欧美| 久久精品国产清高在天天线| 天天一区二区日本电影三级| 热99re8久久精品国产| 欧美黑人欧美精品刺激| 国语自产精品视频在线第100页| 十分钟在线观看高清视频www| 久久香蕉国产精品|