Parallel SGD 　　Parallel-SGD v0.7 　　本项目为分布式并行计算框架&简易CPU神经网络模型库。可用于联邦学习和分布式学习中的关于网络架构和通信编码部分的实验，参考ICommunication_Ctrl接口说明（ ）；可用于神经网络模型分割与模型验证，参考 nn 库使用说明（）；可用于分布式并行计算实验，参考 executor 说明（）。 参数说明 工作节点参数 　　所有的参数都通过 job_submit.py 传入，worker节点无需传入任何参数。启动时，使用以下命令启动Worker，无需传入参数。当任务提交时，节点会自动申请并获取工作状态信息。 python worker.py 注意：每个worker所在的计算机都需要允许15387端口的TCP传入。 注意：Worker启动后就进入无人值守状态，可以反复提交任务无需重启。 任务提交 (已弃用) 　　提交任

在HDP环境的基础上，关于HDFS联邦+ViewFS+HA的详细配置，对于需要引入HDFS联邦特性的工作有帮助

联邦学习是一种新型的分布式学习框架，它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。

2022年联邦学习场景应用研究报告（63页）.pdf

2022联邦学习场景应用研究报告.pdf

联邦学习场景应用研究报告（2022年）.pdf

苏黎世联邦理工大学ros课件，包括课件和课后任务，总共10几个pdf

数据要素和联邦学习

用更具俄罗斯代表性的碳排放因子，系统地对俄罗斯及其82个联邦主体的89个社会经济部门和17种能源品种构建了具有透明性、准确性、完整性、可比性和一致性的碳排放清单

保护隐私的可再生能源时空场景生成联邦深度生成学习方法_Privacy-preserving Spatiotemporal Scenario Generation of Renewable Energies A Federated Deep Generative Learning Approach.pdf