当前位置： 首页 > news >正文

【论文阅读】Efficient and secure federated learning against backdoor attacks

news 来源：原创 2025/7/29 4:38:34

Efficient and secure federated learning against backdoor attacks -- 高效且安全的可抵御后门攻击的联邦学习

  • 论文来源
  • 问题背景
  • TLDR
  • 系统及威胁模型
    • 实体
    • 威胁模型
  • 方法展开
    • 服务器初始化
    • 本地更新
    • 本地压缩
    • 高斯噪声与自适应扰动
    • 聚合与解压缩
    • 总体算法
  • 总结
    • 优点
    • 缺点

论文来源

名称Efficient and secure federated learning against backdoor attacks
期刊TDSC 2024
作者Yinbin Miao；Rongpeng Xie；Xinghua Li；Zhiquan Liu, Member, IEEE；Kim-Kwang Raymond Choo , Senior Member, IEEE；Robert H. Deng , Fellow, IEEE
DOIDOI: 10.1109/TDSC.2024.3354736

问题背景

  • 隐私泄露: 联邦学习（FL）中，客户端上传的模型更新（即使不是原始数据）也可能泄露其本地数据的敏感信息。
  • 后门攻击: 由于FL的分布式特性，恶意客户端可以上传带有后门触发器的模型更新，使得最终的全局模型在遇到特定触发器时产生错误输出。
  • 通信开销: DNN（Deep Neural Networks）模型参数量巨大，导致客户端上传模型更新时产生高昂的通信成本。
  • 本地差分隐私 (LDP) 的局限性:
    • 非自适应性: 传统LDP方法（如添加高斯噪声）通常对所有参数施加相同强度或随机强度的噪声，可能对关键参数造成过度扰动，严重损害模型效用。一些改进方案（如[LDP-FL]）虽考虑了分层特性，但仍不够精细（例如，同一层参数仅扰动到两个固定值）。
    • 效用损失: 为了抵抗后门攻击，有时需要较强的噪声，这会进一步降低模型准确率。

TLDR

论文提出了一种名为 ESFL 的方案，通过结合==自适应本地差分隐私 (Adaptive LDP) ==和 ==压缩感知 (Compressive Sensing, CS) ==来应对上述挑战。

  • 自适应 LDP 核心思想:
    • 两阶段噪声添加:
      1. 首先，在本地对模型参数（或更新）添加传统的高斯噪声，这为抵抗后门攻击提供基础防御。
      2. 然后，利用一种更精细的自适应扰动函数来“调节”已添加的高斯噪声。这个自适应函数会考虑DNN模型每层参数的实际分布（计算每层的范围中心 c l c_l cl​ 和半径 r l r_l rl​），并根据每个参数值与其层范围中心的偏移量 μ \mu μ 来进行扰动。这种方法旨在更智能地控制噪声的规模，减少对模型效用的过度损害。论文强调了先加高斯噪声再进行自适应调节的顺序至关重要。
  • 压缩感知 (CS):
    • 在客户端对模型更新进行噪声扰动之前，先使用离散余弦变换 (DCT) 和压缩感知技术对其进行压缩，从而显著减少上传到服务器的数据量，降低通信开销。
    • 服务器在聚合了所有客户端的压缩更新后，再进行一次性的解压缩。

系统及威胁模型

实体

系统结构如图：
图2

  • 服务器作为聚合器，负责收集 N t N_t Nt​ 个本地模型更新并将其聚合为全局模型更新以优化全局模型。在本文方案中，它还需要执行解压操作。
  • 非恶意客户端是隔离的设备，负责在干净数据集上进行本地模型训练、压缩和噪声添加。
  • 恶意客户端将使用其选择的触发器在有毒数据集上进行本地模型训练，然后在上传之前压缩并放大模型更新。并且，他们不添加噪声。

威胁模型

  • 服务器是半诚实的，它诚实地聚合所有上传的本地模型更新，不会遗漏任意一个客户端的数据，但它可以通过在每个通信回合中跟踪本地全局模型更新来侵犯客户端隐私，从而推断出关于任何客户的信息。
  • 客户端被分为两类：半诚实和恶意。前者诚实地遵循算法，但从全局模型中推断其选择的受害者的私人信息。后者则在其数据注入或改变带有精心设计触发器的实例，并使用后门训练有害模型。
  • 本文的威胁可以总结如下：
    • 客户端数据隐私泄露：如果模型更新以明文形式传输，半诚实的服务器和半诚实客户端可能会推断出训练数据的私人信息。
    • 后门攻击：对于恶意客户端，他们会对模型训练过程发起后门攻击，使模型误分类带有触发器的输入。
    • 模型效率降低：后门攻击可能导致部分测试样本被误分类，从而损害模型的效用。

方法展开

服务器初始化

  • 服务器会对所有客户端发放一个初始模型。
  • 此外，服务器会为客户端模型的每一层协商一个数值区间： [ c l − r l , c l + r l ] [ c_l-r_l , c_l + r_l ] [cl​−rl​,cl​+rl​] 以及一对集合 ( C , R ) (C,R) (C,R)，其中 l ∈ [ 1 , L ] l\in [1,L] l∈[1,L] ， L L L 表示网络层数， C C C 表示包含 L L L 个范围中心的集合， R R R 表示包含 L L L 个对应范围半径的集合。

本地更新

在每一轮，服务器从 N N N 个客户端中选定 N t N_t Nt​ 个客户端参与训练。
如果是恶意客户端，在训练结束后会进行后门攻击。

算法1

本地压缩

客户端更新训练之后，会对参数改变量进行参数压缩，压缩率为 C R ∈ ( 0 , 1 ) CR\in (0,1) CR∈(0,1) ，将每一层的参数量以相同的压缩率进行参数压缩。
算法2

高斯噪声与自适应扰动

在非恶意客户端得到 c i t c_i^t cit​ 后，为了抵御后门攻击，非恶意客户端首先为每一层的参数添加高斯噪声。然后进行自适应噪声的添加：

  • 客户端首先计算每层的范围区间 [ c l − r l , c l + r l ] [ c_l-r_l , c_l + r_l ] [cl​−rl​,cl​+rl​]:
    eq10

  • 然后计算偏移： μ \mu μ
    μ = w − c l \mu = w-c_l μ=w−cl​

  • 如果改写上式： w = c l + μ w=c_l+\mu w=cl​+μ ，可以发现权重 w w w 的扰动本质上是偏移量 μ \mu μ 的扰动。

  • 类似LDP-FL，ESFL将扰动函数 M M M 设计为分段函数，根据不同条件以不同方式扰动不同的权重。

    • 首先，基于隐私预算计算伯努利变量 b b b 的分布概率：
      eq12
    • 然后非恶意客户端从满足上述概率的伯努利分布中随机抽样，并按如下方式扰动权重 w w w.
      eq13

算法3

聚合与解压缩

在非恶意客户端 进行本地训练、压缩和添加噪声后，它将压缩后的扰动本地模型更新 p i t p_i^t pit​ 上传至服务器。需要注意的是，恶意客户端不会对其 c i t c_i^t cit​ 添加噪声。

  • 当服务器收集到 N t N_t Nt​ 个本地模型更新后便开始聚合，然后再进行解压缩。
  • 压缩的全局模型： y t = ∑ i = 1 N t p i t y^t=\sum_{i=1}^{N_t}p_i^t yt=∑i=1Nt​​pit​。
    在算法 4 中，用 y ∗ , l t y_{*,l}^t y∗,lt​ 表示 y t y^t yt 的第 l l l 层权重，用 Δ w ∗ , l t \Delta w_{*,l}^t Δw∗,lt​ 表示最终完整全局模型更新 Δ w t \Delta w^t Δwt 的第 l l l 层更新。
  • 服务器首先计算第 l l l 层权重的压缩数 m l m_l ml​，然后根据压缩比 C R CR CR 获取原始数字 n l n_l nl​，最后在逆离散余弦变换后对 y ∗ , l t y_{*,l}^t y∗,lt​ 进行解压。在获得 L L L 个重构的 Δ w ∗ , l t \Delta w_{*,l}^t Δw∗,lt​ 后，服务器将其组装成完整的全局模型更新 Δ w t \Delta w^t Δwt，并更新全局模型 w t = w t − 1 + ς N ⋅ Δ w t w^t = w^{t−1} + \frac{\varsigma}{N} \cdot \Delta w^t wt=wt−1+Nς​⋅Δwt 。

总体算法

ESFL的总体流程如图：
图4
总体算法如：
算法5

总结

  • ESFL通过巧妙地结合自适应LDP和压缩感知，在抵抗后门攻击、保护隐私、维持模型效用和提高通信效率方面取得了显著的平衡和改进。然而，这种平衡是以增加一定的计算复杂度和参数调优难度为代价的，并且仍受到差分隐私和有损压缩固有局限性的影响。

优点

  • 增强的后门攻击防御能力
    • 通过高斯噪声和自适应扰动的两阶段机制，ESFL能比仅依赖一种噪声或简单自适应机制（如CAFL）更有效地抵抗后门攻击，其攻击成功率 (ASR) 较低。
    • 自适应机制使得噪声能更好地针对潜在的恶意操纵进行调整。
  • 改进的隐私保护下模型效用
    • 相较于传统的、非自适应的本地差分隐私 (LDP) 方法（如仅添加固定强度或随机高斯噪声），ESFL的自适应扰动机制能更精细地控制噪声，减少对模型关键参数的过度损害，从而在保证 ϵ \epsilon ϵ-LDP 的同时，更好地保持模型在主任务上的准确率。
  • 通信效率高
    • 通过采用压缩感知 (CS) 和离散余弦变换 (DCT)，在客户端上传模型更新前对其进行压缩，显著减少了上行链路的通信开销，这对于资源受限的客户端和大规模联邦学习系统尤为重要。
  • 更精细的自适应性
    • ESFL的自适应扰动不仅考虑了DNN的分层特性，还考虑了每层内每个参数相对于该层范围中心的偏移量，实现了比先前方案（如[9]中将同一层参数扰动到固定两个值）更细致的噪声控制。
  • 形式化的隐私保障
    • 论文提供了ESFL满足 ϵ \epsilon ϵ-LDP 的形式化数学证明。

缺点

  • 增加的计算复杂度
    • 客户端: 需要执行DCT、CS压缩以及两阶段的噪声添加，比简单加噪方案计算量更大。
    • 服务器端: 需要执行CS解压缩（包括聚合后的恢复和IDCT），这可能比简单聚合更耗时。
    • 自适应扰动需要计算每层的参数范围中心和半径，也带来额外开销。
  • 参数调优的复杂性
    • ESFL引入了多个需要仔细调整的超参数，如隐私预算 ϵ \epsilon ϵ、压缩率CR、高斯噪声的标准差等。这些参数的最优选择可能依赖于具体任务、数据集和模型架构，找到最佳组合可能具有挑战性。
  • 压缩感知的固有局限性
    • CS是一种有损压缩技术。虽然DCT有助于提高模型更新的稀疏性，但并不能保证完美恢复，尤其是在压缩率较高或模型更新并非高度稀疏时。恢复误差可能会影响最终模型的精度。
    • CS恢复算法本身的计算开销也可能较大。
  • 噪声的固有影响
    • 尽管ESFL致力于优化噪声的添加，但任何差分隐私机制引入的噪声都会不可避免地对模型效用造成一定程度的损害，相较于没有隐私保护和攻击的理想情况，准确率仍会有所下降。
  • 对模型和数据特性的依赖
    • DCT对模型更新的稀疏化效果可能因模型结构和数据特性的不同而异，这会影响CS的压缩性能和恢复质量。
    • 自适应扰动的有效性也依赖于对各层参数范围的准确估计。
  • 防御范围的特定性
    • ESFL主要针对特定的后门攻击进行设计和优化。虽然LDP提供了通用的隐私保护，但其针对其他类型的攻击（如更广泛的投毒攻击、模型推断攻击等）的防御效果可能需要进一步评估。

相关文章：

【论文阅读】Efficient and secure federated learning against backdoor attacks

Efficient and secure federated learning against backdoor attacks -- 高效且安全的可抵御后门攻击的联邦学习 论文来源问题背景TLDR系统及威胁模型实体威胁模型 方法展开服务器初始化本地更新本地压缩高斯噪声与自适应扰动聚合与解压缩总体算法 总结优点缺点 论文来源 名称…...

编程日记 2025/7/29 4:38:34

21、DeepSeekMath论文笔记（GRPO）

DeepSeekMath论文笔记 0、研究背景与目标1、GRPO结构GRPO结构PPO知识点**1. PPO的网络模型结构****2. GAE（广义优势估计）原理****1. 优势函数的定义**2.GAE（广义优势估计） 2、关键技术与方法3、核心实验结果4、结论与未来方向关键…...

编程日记 2025/7/29 11:32:56

深入解析：如何基于开源p-net快速开发Profinet从站服务

一、Profinet协议与软协议栈技术解析 1.1 工业通信的"高速公路" Profinet作为工业以太网协议三巨头之一，采用IEEE 802.3标准实现实时通信，具有： 实时分级：支持RT（实时）和IRT（等时实时）通信模式拓扑灵活：支持星型、树型、环型等多种网络结构对象模型：基于…...

编程日记 2025/7/29 2:47:42

腾讯多模态定制化视频生成框架：HunyuanCustom

HunyuanCustom 速读 一、引言 HunyuanCustom 是由腾讯团队提出的一款多模态定制化视频生成框架。该框架旨在解决现有视频生成方法在身份一致性(identity consistency)和输入模态有限性方面的不足。通过支持图像、音频、视频和文本等多种条件输入，HunyuanCustom 能…...

编程日记 2025/7/29 2:47:40

警惕C#版本差异多线程中的foreach陷阱

警惕C#版本差异多线程中的foreach陷阱​ 同样的代码，不同的结果闭包捕获的“时间差”问题绕过闭包陷阱的三种方法Lambda立即捕获（代码简洁）显式传递参数（兼容性最佳）使用Parallel.ForEach（官方推荐）注意事项：版本兼容性指南警惕多线程中的foreach陷阱：C#版本差异引发的…...

编程日记 2025/7/28 11:37:52

2024年AI发展趋势全面解析：从多模态到AGI的突破

2024年AI发展五大核心趋势 1. 多模态AI的爆发式增长 GPT-4V、Gemini等模型实现文本/图像/视频的跨模态理解应用场景扩展至智能客服、内容创作、工业质检等领域 2. 小型化与边缘AI的崛起 手机端LLM（如Phi-2）实现本地化部署隐私保护与实时响应的双重优…...

编程日记 2025/7/28 22:20:33

高精度之加减乘除之多解总结（加与减篇）

开篇总述：精度计算的教学比较杂乱，无系统的学习，且存在同法多线的方式进行同一种运算，所以我写此篇的目的只是为了直指本质，不走教科书方式，步骤冗杂。 一，加法 我在此讲两种方法： …...

编程日记 2025/7/28 11:57:22

Arduino 开源按键库大合集(单击/双击/长按实现)

2025.5.10 22:25更新：增加了Button2 2025.5.10 13:13更新：增加了superButton 虽然Arduino自带按键中断attachInterrupt(button1.PIN, isr, FALLING);，但是要是要实现去抖，双击检测，长按检测等等就略微麻烦些&#xff0…...

编程日记 2025/7/29 2:47:32

相机Camera日志分析之八：高通Camx HAL架构opencamera三级日志详解及关键字

【关注我，后续持续新增专题博文，谢谢！！！】 上一篇我们讲了：相机Camera日志分析之七：高通Camx HAL架构opencamera二级日志详解及关键字 这一篇我们开始讲： 相机Camera日志分析之八：高通Camx HAL架构opencamera三级日志详解及关键字 目录 【关注我，后续持续…...

编程日记 2025/7/29 2:47:30

Java零组件实现配置热更新

在某些场景下，我们需要实现配置的热更新，但是又要实现软件即插即用的需求，这就使我们不能引入过多复杂的插件，而nacos等配置中心在分布式业务场景下对配置的管理起着很重要作用，为此需要想一些办法去代替它们而完成同样…...

编程日记 2025/7/29 2:47:28

Kotlin高阶函数多态场景条件判断与子逻辑

Kotlin高阶函数多态场景条件判断与子逻辑 fun main() {var somefun: (Int, Float) -> Longval a 4val b 5fsomefun multi()//if 某条件println(somefun.invoke(a, b))//if 某条件somefun add()println(somefun.invoke(a, b)) }fun multi(): (Int, Float) -> Long {re…...

编程日记 2025/7/29 2:47:26

Ethercat转Profinet网关如何用“协议翻译术“打通自动化产线任督二脉

Ethercat转Profinet网关如何用"协议翻译术"打通自动化产线任督二脉 将遗留的Profinet设备（如传感器）接入现代EtherCAT主站（如Codesys控制器）避免全面更换硬件。 作为一名电气工程师，我最近面临的一个挑战&a…...

编程日记 2025/7/29 2:47:24

每日算法刷题Day1 5.9:leetcode数组3道题，用时1h

1.LC寻找数组的中心索引(简单) 数组和字符串 - LeetBook - 力扣（LeetCode）全球极客挚爱的技术成长平台 思想: 计算总和和左侧和，要让左侧和等于右侧和，即左侧和总和-左侧和-当前数字 代码 c代码: class Solution { public:i…...

编程日记 2025/7/29 2:47:22

MySQL的视图

一、MySQL视图的介绍和作用 MySQL视图，加油兄弟们，孰能生巧，完整代码在最后！！！ 视图是一个虚拟的表，并不是真是存在的，视图其实并没有真实的数据，他只是根据一个sql语句…...

编程日记 2025/7/25 10:40:57

旅游推荐数据分析可视化系统算法

旅游推荐数据分析可视化系统算法 本文档详细介绍了旅游推荐数据分析可视化系统中使用的各种算法，包括推荐算法、数据分析算法和可视化算法。 目录 推荐算法 基于用户的协同过滤推荐基于浏览历史的推荐主题推荐算法 亲子游推荐算法文化游推荐算法自然风光推荐算法…...

编程日记 2025/7/27 4:15:37

Pandas：数据处理与分析

目录 一、Pandas 简介 二、Pandas 的安装与导入 三、Pandas 的核心数据结构 （一）Series （二）DataFrame 四、Pandas 数据读取与写入 （一）读取数据 （二）写入数据 五、数据清洗…...

编程日记 2025/7/26 1:19:30

非阻塞式IO-Java NIO

一、NIO简介 Java NIO是Java1.4引入的一种新的IO API，它提供了非阻塞式IO，选择器、通道、缓冲区等新的概念和机制。相比传统的IO，多出的N不单纯是新的，更表现在Non-blocking非阻塞，NIO具有更高的并发性、可扩展性以及…...

编程日记 2025/7/29 23:39:00

tryhackme——Enumerating Active Directory

文章目录 一、凭据注入1.1 RUNAS1.2 SYSVOL1.3 IP和主机名 二、通过Microsoft Management Console枚举AD三、通过命令行net命令枚举四、通过powershell枚举 一、凭据注入 1.1 RUNAS 当获得AD凭证<用户名>:<密码>但无法登录域内机器时&#xff0c;runas.exe可帮助…...

编程日记 2025/7/26 15:40:08

（二）Linux下基本指令 2

【知识预告】 16. date 指令 17. cal 指令 18. find 指令 19. which指令 20. whereis 指令 21. alias 指令 22. grep 指令 23. zip/unzip 指令 24. tar 指令 25. bc 指令 26. uname ‒r 指令 27. 重要的⼏个热键 28. 关机 16 date 指令 指定格式显⽰时间&#xff1a;date %Y-…...

编程日记 2025/7/27 10:28:02

[ctfshow web入门] web70

信息收集 使用cinclude("php://filter/convert.base64-encode/resourceindex.php");读取的index.php error_reporting和ini_set被禁用了&#xff0c;不必管他 error_reporting(0); ini_set(display_errors, 0); // 你们在炫技吗&#xff1f; if(isset($_POST[c])){…...

编程日记 2025/7/29 22:25:54

第三章 Freertos智能小车遥控控制

本文基于小车APP&#xff0c;通过与蓝牙模块进行连接&#xff0c;发送特定信号给小车主控&#xff0c;实现对小车的模式切换、灯光控制、前进、后退、左右控制。目前还未加入电机控制&#xff0c;具体的电机控制效果还不能实现&#xff0c;但是可以进行模式切换与灯光控制。 …...

编程日记 2025/7/29 22:01:24

Spring 6.x 详解介绍

Spring 6.x 是 Spring Framework 的最新主版本&#xff0c;于2022年11月正式发布&#xff0c;标志着对 Java 17 和 Jakarta EE 9 的全面支持&#xff0c;同时引入了多项革新性特性&#xff0c;旨在优化性能、简化开发并拥抱现代技术趋势。 一、核心特性与架构调整 Java 17 与 J…...

编程日记 2025/7/27 20:33:34

阿里云OSS+CDN自动添加文章图片水印配置指南

文章目录 一、环境准备二、OSS水印样式配置三、CDN关键配置四、Handsome主题自动化配置五、水印效果验证六、常见问题排查 一、环境准备 资源清单 阿里云OSS Bucket&#xff08;绑定自定义域名 static.example.com&#xff09;阿里云CDN加速域名&#xff0c;回源为Bucket的域名…...

编程日记 2025/7/27 18:29:48

hot100-子串-JS

一、560.和为k的子串 560. 和为 K 的子数组 提示 给你一个整数数组 nums 和一个整数 k &#xff0c;请你统计并返回 该数组中和为 k 的子数组的个数 。 子数组是数组中元素的连续非空序列。 示例 1&#xff1a; 输入&#xff1a;nums [1,1,1], k 2 输出&#xff1a;2示例 2…...

编程日记 2025/7/28 10:44:15

LeetCode 270：在二叉搜索树中寻找最接近的值（Swift 实战解析）

文章目录 摘要描述题解答案题解代码分析示例测试及结果时间复杂度空间复杂度总结 摘要 在日常开发中&#xff0c;我们经常需要在一组有序的数据中快速找到最接近某个目标值的元素。LeetCode 第 270 题“Closest Binary Search Tree Value”正是这样一个问题。本文将深入解析该…...

编程日记 2025/7/26 1:19:30

《操作系统真象还原》第十三章——编写硬盘驱动程序

文章目录 前言硬盘及分区表创建从盘及获取安装的磁盘数创建磁盘分区表硬盘分区表浅析 编写硬盘驱动程序硬盘初始化修改interrupt.c编写ide.h编写ide.c 实现thread_yield和idle线程修改thread.c 实现简单的休眠函数修改timer.c 完善硬盘驱动程序继续编写ide.c 获取硬盘信息&…...

编程日记 2025/7/28 17:18:13

DNS服务实验

该文章将介绍DNS服务的正向和反向解析实验、主从实验、转发服务器实验以及Web解析实验 正向解析实验&#xff1a;将域名解析为对应的IP地址 反向解析实验&#xff1a;将IP地址解析为对应的域名 主从实验&#xff1a;主服务器区域数据文件发送给从服务器&#xff0c;从服务器…...

编程日记 2025/7/29 4:26:26

SierraNet M1288网络损伤功能显著助力GPU互联网络的测试验证，包含包喷洒，LLR等复杂特性的验证测试

SierraNet M1288 以太网协议分析仪 产品概述 SierraNet M1288 是一款兼具高性价比与全面功能的以太网和光纤通道数据捕获及协议验证系统。它能够以全线路速率 100% 记录所有流量&#xff0c;并借助 InFusion™ 工具实现高级错误注入和流量破坏功能&#xff0c;为开发人员和协议…...

编程日记 2025/7/29 8:01:54

HunyuanCustom：文生视频框架论文速读

《HunyuanCustom: A Multimodal-Driven Architecture for Customized Video Generation》论文讲解 一、引言 本文提出了 HunyuanCustom&#xff0c;这是一个基于多模态驱动的定制化视频生成框架。该框架旨在解决现有视频生成模型在身份一致性&#xff08;identity consistenc…...

编程日记 2025/7/29 8:23:43

HTTP、HTTPS、SSH区别以及如何使用ssh-keygen生成密钥对

HTTP、HTTPS、SSH区别以及如何使用ssh-keygen生成密钥对 HTTP (HyperText Transfer Protocol) 定义&#xff1a;应用层协议&#xff0c;用于通过Web传输数据&#xff08;如网页、文件&#xff09;默认端口&#xff1a;80机制&#xff1a;客户端发送Get请求&#xff0c;服务器…...

编程日记 2025/7/29 8:23:41

如何启动vue项目及vue语法组件化不同标签应对的作用说明

如何启动vue项目及vue语法组件化不同标签应对的作用说明 提示&#xff1a;帮帮志会陆续更新非常多的IT技术知识&#xff0c;希望分享的内容对您有用。本章分享的是node.js和vue的使用。前后每一小节的内容是存在的有&#xff1a;学习and理解的关联性。【帮帮志系列文章】&…...

编程日记 2025/7/29 8:23:40

Ubuntu22.04安装显卡驱动/卸载显卡驱动

报错 今日输入nvidia-smi报错,在安装了535和550,包括560都没办法解决,但是又怕乱搞导致环境损坏,打算把显卡卸载然后重新安装系统默认推荐版本的显卡驱动 qinqin:~$ nvidia-smi Failed to initialize NVML: Driver/library version mismatch NVML library version: 560.35卸载…...

编程日记 2025/7/29 8:23:38

【桌面】【输入法】常见问题汇总

目录 一、麒麟桌面系统输入法概述 1、输入法介绍 2、输入法相关组件与服务 3、输入法调试相关命令 3.1、输入法诊断命令 3.2、输入法配置重新加载命令 3.3、启动fcitx输入法 3.4、查看输入法有哪些版本&#xff0c;并安装指定版本 3.5、重启输入法 3.6、查看fcitx进程…...

编程日记 2025/7/29 8:23:36

Web3 初学者学习路线图

目录 🌟 Web3 初学者学习路线图 🧩 第一步：搞懂 Web3 是什么 ✅ 学什么？ 🔧 推荐工具： 🎥 推荐学习： 🛠️ 第二步：了解智能合约和 Solidity（核心技能） ✅ 学什么？ 🔧 工具： 📘 推荐课程： 🌐 第三步：连接前端和区块链，创建简单 DApp ✅ 学…...

编程日记 2025/7/29 8:23:34

python打卡day21

常见的降维算法 知识点回顾&#xff1a; LDA线性判别PCA主成分分析t-sne降维 之前学了特征降维的两个思路&#xff0c;特征筛选&#xff08;如树模型重要性、方差筛选&#xff09;和特征组合&#xff08;如SVD/PCA&#xff09;。 现在引入特征降维的另一种分类&#xff1a;无/有…...

编程日记 2025/7/29 8:23:32

KNOWLEDGE-BASED SYSTEMS（KBS期刊）投稿经验分享

期刊介绍&#xff1a; KBS是计算机一区&#xff0c;CCF-c期刊&#xff0c;&#xff08;只看大类分区&#xff0c;小类不用看&#xff0c;速度很快&#xff0c;桌拒比较多&#xff0c;能送审就机会很大&#xff01;&#xff09; 具体时间流程&#xff1a; 7月初投稿&#xf…...

编程日记 2025/7/29 8:23:30

vue使用rules实现表单校验——校验用户名和密码

编写校验规则 常规校验 const rules {username: [{ required: true, message: 请输入用户名, trigger: blur },{ min: 5, max: 16, message: 长度在 5 到 16 个字符, trigger: blur }],password: [{ required: true, message: 请输入密码, trigger: blur },{ min: 5, max: 1…...

编程日记 2025/7/29 8:23:29

[CANN] 安装软件依赖

环境 昊算平台910b NPUdocker容器 安装步骤 安装依赖-安装CANN&#xff08;物理机场景&#xff09;-软件安装-开发文档-昇腾社区 apt安装miniconda安装 Apt 首先进行换源&#xff0c;参考昇腾NPU容器内 apt 换源 Miniconda 安装miniconda mkdir -p ~/miniconda3 wget …...

编程日记 2025/7/29 8:23:27

代码随想录算法训练营第三十七天

LeetCode题目: 300. 最长递增子序列674. 最长连续递增序列718. 最长重复子数组2918. 数组的最小相等和(每日一题) 其他: 今日总结 往期打卡 300. 最长递增子序列 跳转: 300. 最长递增子序列 学习: 代码随想录公开讲解 问题: 给你一个整数数组 nums &#xff0c;找到其中最长…...

编程日记 2025/7/29 8:23:25

Qt开发经验 --- 避坑指南（11）

文章目录 [toc]1 QtCreator同时运行多个程序2 刚安装的Qt编译报错cannot find -lGL: No such file or directory3 ubuntu下Qt无法输入中文4 Qt版本发行说明5 Qt6.6 VS2022报cdb.exe无法定位dbghelp.dll输入点6 Qt Creator13.0对msvc-qmake-jom.exe支持有问题7 银河麒麟系统中ud…...

编程日记 2025/7/29 8:01:55

vue 组件函数式调用实战：以身份验证弹窗为例

通常我们在 Vue 中使用组件&#xff0c;是像这样在模板中写标签&#xff1a; <MyComponent :prop"value" event"handleEvent" />而函数式调用&#xff0c;则是让我们像调用一个普通 JavaScript 函数一样来使用这个组件&#xff0c;例如&#xff1a;…...

编程日记 2025/7/28 8:29:40

青藏高原东北部祁连山地区250m分辨率多年冻土空间分带指数图（2023）

时间分辨率&#xff1a;10年 < x < 100年空间分辨率&#xff1a;100m - 1km共享方式&#xff1a;开放获取数据大小&#xff1a;24.38 MB数据时间范围&#xff1a;近50年来元数据更新时间&#xff1a;2023-10-08 数据集摘要 多年冻土目前正在经历大规模的退化&#xff0c…...

编程日记 2025/7/29 8:23:19

[6-2] 定时器定时中断定时器外部时钟 江协科技学习笔记（41个知识点）

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 V 30 31 32 33 34 35 36 37 38 39 40 41...

编程日记 2025/7/29 8:23:17

抖音视频去水印怎么操作

在抖音上保存或分享视频时&#xff0c;水印通常会自动添加。如果想去除水印&#xff0c;可以尝试以下方法&#xff0c;但请注意尊重原创作者的版权&#xff0c;仅限个人合理使用。 方法 1&#xff1a;使用第三方去水印工具&#xff08;手机/电脑均可&#xff09; 复制视频链接 …...

编程日记 2025/7/29 8:23:15

Java并发编程

Java并发编程的核心挑战 线程安全与数据竞争 线程安全的概念及其重要性数据竞争的产生原因及常见场景如何通过同步机制&#xff08;如锁、原子类&#xff09;避免数据竞争 // 示例&#xff1a;使用synchronized关键字实现线程安全 public class Counter {private int count …...

编程日记 2025/7/29 8:23:14

【ospf综合实验】

拓扑图&#xff1a;...

编程日记 2025/7/29 8:23:12

NVMe控制器之仿真平台搭建

本设计采用Verilog HDL语言进行实现并编写测试激励&#xff0c;仿真工具使用Mentor公司的QuestaSim 10.6c软件完成对关键模块的仿真验证工作&#xff0c;由于是基于Xilinx公司的Kintex UltraScale系列FPGA器件实现的&#xff0c;因此使用Xilinx公司的Vivado2019.1设计套件工具进…...

编程日记 2025/7/29 8:23:10

深入探究 InnoDB 的写失效问题

在 MySQL 数据库的世界中&#xff0c;InnoDB 存储引擎凭借其卓越的性能和可靠性&#xff0c;成为众多应用的首选。然而&#xff0c;如同任何复杂的系统一样&#xff0c;InnoDB 也面临着一些挑战&#xff0c;其中写失效问题便是一个值得深入探讨的关键议题。本文将带您全面了解 …...

编程日记 2025/7/29 8:23:08

边缘计算从专家到小白

“云-边-端”架构 “云” &#xff1a;传统云计算的中心节点&#xff0c;是边缘计算的管控端。汇集所有边缘的感知数据、业务数据以及互联网数据&#xff0c;完成对行业以及跨行业的态势感知和分析。 “边” &#xff1a;云计算的边缘侧&#xff0c;分为基础设施边缘和设备边缘…...

编程日记 2025/7/29 8:23:06

智能商品推荐系统技术路线图

智能商品推荐系统技术路线图 系统架构图 --------------------------------------------------------------------------------------------------------------- | 用户交互层 (Presentation Layer) …...

编程日记 2025/7/29 0:55:13