联邦学习与多方安全计算

2-1

横向、纵向和迁移联邦学习通过实例列举，介绍联邦学习的三种主要运行模式：横向联邦学习、纵向联邦学习与迁移联邦学习的主要区分与特征

2-2

安全用户对齐对联邦学习的重要准备工作：用户对齐的算法进行讲解。用户对齐需要在对不同ID完全保护的情况下找到相同用户集

2-3

同态加密本节介绍联邦学习过程中需要不断用到的基础算法：同态加密的概念与常用计算形式，以常见半同态加密为主进行

2-4

联邦学习的梯度联邦原理本课时以线性回归为例，从梯度下降迭代更新参数的公式出发，结合半同态加密的特征，推导联邦学习的原理正确性

2-5

三方同构联邦学习的建模过程本课时详细讲解有第三可信方参与的同构横向联邦学习建模，从密钥分发、到加密梯度计算、再到模型更新的整体过程

2-6

三方异构联邦学习本课时介绍有第三方参与的异构联邦学习过程，由于双方都只有一部分特征不能独立完成学习，情况比同构过程要复杂一些，

2-7

两方联邦学习过程-1本课时介绍两方联邦学习的详细过程中的第一步，即如何在只有两方的情况下，双方数据不可见时求出B方的梯度

2-8

两方联邦学习过程二本课时介绍两方联邦学习过程的第二部分，即如果得到A方的梯度，这需要采用双重加密计算的方法才能达到目标

2-9

联邦学习框架介绍本课程对常用的联邦学习框架进行介绍，重点对开源框架FATE的结构、组成、功能、特点进行了较为全面系统的讲解

2-10

FATE单机部署与同构学习测试本课程用实际的安装包进行FATE单机安装的演示，并且用同构联邦学习的数据与测试程序测试，结合FateBoard进行监测

2-11

KubeFate及双机部署实验-1本课时介绍VMWare与FATE合作推出的开源项目KubeFate，并且用KubeFate在两台目标机上通过配置进行部署实验

3-1

不经意传输Oblivious Transfer本课时介绍最常用的多方安全计算方法之一：不经意传输，通过两个通俗易懂的例子，清晰阐明不经意传输的方法

3-2

零知识证明ZKP本课时讲解了零知识证明zero knowledge proof ZKP方法的过程，并且用多个形象的例子来帮助读者理解抽象的定义

3-3

秘密分享1---基本思想与加法秘密分享本课时首先介绍了秘密分享secret spliting的通用基本思想，随后通过最简单的加法秘密分享实现对其思想进一步诠释

3-4

秘密分享2---乘法运算的分享本课时在补充说明了常用的shamir加性同态方法后，又用较易理解的示例介绍了有条件的乘性秘密分享的方法