[FedML HE] "Is the reason homomorphic encryption algorithms are time-consuming for deep learning because deep learning models have too many parameters and these parameters also need to be encrypted?"

Repository-Metriken

Stars

3.930 Sterne (3.930 Sterne)

PR-Merge-Metriken

Keine gemergten PRs in 30 T (Keine gemergten PRs in 30 T)

Beschreibung

Contributor Guide

Research-Richtung

Untersuchen Sie die Rechenkomplexität von homomorphen Verschlüsselungsalgorithmen und wie sie mit der Anzahl der Modellparameter im Deep Learning skalieren.

Tech Stack

python

Domain

machine learning

Issue Type

Recherche

SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.

2

Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.

1-3 Stunden

AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.

Frisch

KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.

Klar

Voraussetzungen

Python

EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.

75