Ver categorias
Explorar
Fiverr Pro
Português
$
USD
Eu vou construir um especialista em unlearning federado personalizado, unlearning de máquina
Usman Khan
Sobre este Serviço
Tradução automática
Vou implementar o DynFRU, um sistema personalizado de Unlearning Federado Certificado que remove de forma segura a influência dos dados de um cliente do modelo global, mantendo (ou até melhorando) a precisão.
Usando um controlador dinâmico adaptativo com Gradient Ascent, Adaptive Scrub e Noise escalonado pelo Fisher, entrego unlearning com utilidade positiva, resistência forte a backdoors e garantias de esquecimento certificadas.
Perfeito para pesquisadores e equipes que precisam de soluções de aprendizado federado compatíveis com privacidade.
Conheça mais sobre Usman Khan
Usman Khan
Usman Khan
- A partir dePaquistão
- Membro desdeago. de 2020
- Responde em aprox.:1 hora
Idiomas
Urdu, Pashto, Inglês
I am an AI Research & Development Specialist dedicated to building high-performance, privacy-first AI. My expertise spans the full spectrum of Machine Learning and Deep Learning, from custom neural networks to scalable predictive models. I specialize in Federated Learning (FL) for decentralized data and the cutting-edge field of Federated Unlearning (FU), implementing advanced frameworks to ensure data privacy and regulatory compliance. Whether you need a robust MVP or the implementation of complex research, I provide optimized, documented code to turn your data into intelligence.
Tradução automática
Perguntas frequentes
Tradução automática
O que é Unlearning Federado?
Unlearning federado é o processo de remover a influência dos dados de um cliente específico de um modelo federado treinado, sem precisar treinar tudo do zero. Isso ajuda a cumprir leis de privacidade como o "Direito ao Esquecimento".
O que é DynFRU e por que é melhor?
DynFRU é meu framework personalizado para Unlearning Federado Certificado controlado por risco de Fisher dinâmico. Usa um controlador neural inteligente que equilibra adaptativamente Gradient Ascent, Adaptive Scrub e Noise escalonado pelo Fisher. Isso resulta em utilidade quase zero ou positiva, com a precisão muitas vezes permanecendo a mesma.
Você suporta ataques de backdoor por envenenamento?
Sim. Eu sou especializado em unlearning sob cenários de envenenamento por backdoor. Posso testar e mostrar resultados tanto para clientes normais quanto para clientes maliciosos.
A precisão do modelo vai cair após o unlearning?
Na maioria dos casos, a queda na precisão é muito pequena (menos de 0,3%). Em vários experimentos, consegui resultados com utilidade positiva, onde a precisão na verdade aumentou após o unlearning.
Com que tipo de modelos você trabalha?
Eu uso principalmente um ensemble profundo heterogêneo. Posso adaptar a solução para outros modelos ou sua arquitetura personalizada, se necessário.
Você fornece o código completo e explicações?
Sim. Você receberá um código Python limpo, bem documentado, com pipeline completo de treinamento + unlearning, métricas de avaliação, visualizações e explicações detalhadas.
Você pode personalizar a solução para meu conjunto de dados?
Com certeza. Posso ajustar o número de clientes, nível de envenenamento, força do unlearning e outros parâmetros de acordo com suas necessidades específicas.
Quais métricas você fornece?
Eu entrego: Precisão global, AUC do MIA, Qualidade do esquecimento, ASR de backdoor, AUS, Eficiência de esquecimento dinâmico (DFE) e Limite de esquecimento certificado (ε).
Quanto tempo leva para completar o serviço?
A maioria das implementações padrão leva de 3 a 7 dias, dependendo da complexidade e requisitos personalizados. Após discutir suas necessidades, darei um cronograma claro.
Você oferece revisões?
Sim, ofereço revisões ilimitadas até você ficar totalmente satisfeito com os resultados.
