计划详细整理，人生规划完成

工作日志/2021年3月19日-四月份计划.md

@@ -42,8 +42,8 @@
   - [X] pysyft联邦学习实现
 - fate
 
-  - [X]~~学习fate的使用~~
-  - [X]~~使用fate完成开发~~
+  - [X] ~~学习fate的使用~~
+  - [X] ~~使用fate完成开发~~
 - 复习(xmind+tutorial+api)
 
   - python系列复习

工作日志/2021年5月1日-五月份计划.md

@@ -2,14 +2,15 @@
 
 > 通过撰写论文驱动自己执行接下来的任务。研究任务->工程任务
 
-- [ ] 1 数据预处理（研究任务），需要了解Android恶意软件的基础知识，并提取特征。
-- [ ] 2 阅读论文（研究任务），完成小论文和毕设论文的框架，以及大部分内容，实验和实验结果空着，等以后完成。
-- [ ] 3 继续实验（研究任务），找到一种衡量非独立同分布的方法(分布不平衡的程度。完成毕设论文中设计的半监督实验，非独立同分布的实验，并横向纵向对比实验结果。
+- [ ] 1 阅读论文（研究任务），主要包括四个方面的论文：恶意软件、联邦学习、非独立同分布、隐私保护。
+- [ ] 2 完成实验（实验任务），找到一种衡量非独立同分布的方法(分布不平衡的程度。完成毕设论文中设计的半监督实验，非独立同分布的实验，并横向纵向对比实验结果。
+
+- [ ] 3 完成小论文和毕设论文的框架，以及大部分内容，实验和实验结果空着，等以后完成。
 - [ ] 4 构建展示系统（工程任务）。做成一个可以用来展示的网站。可视化操作和训练过程。
 
 ## 2 研究任务（完成毕设论文）
 
-> 四月份计划主要进行基础知识的学习和复习。完成了初步的数据处理。接下来的主要任务是阅读论文并完成论文复习计划。
+> 四月份计划主要进行基础知识的学习和复习。完成了初步的数据处理。接下来的主要任务是阅读论文并完成论文复现计划。
 > 开始执行五月份计划，与四月份计划进行衔接。完成工程上与学术上的推进工作。
 > 别人都靠不住的，万事都要靠自己。接下来开始搞论文应该也能搞完。三个月实习加论文，搞完。五六七。
 > 抓紧吧基础的工程弄完，然后开始搞论文，然后在搞回工程。实现最终的系统。
@@ -18,17 +19,9 @@
 ### 2.1 阅读论文（两周）
 
 > （100篇计划）蒋师兄前前后后分享了估计也有一百篇了，现在重新开始读论文，在复现文章的同时进行广泛的阅读。利用citavi这个工具。
-
-- [ ] DeepAMD
-- [ ] CIC
-
+### 2.2 完成实验（四周）
 ### 2.2 撰写论文（四周）
 
-- [ ] 论文结构完成
-- [ ] 论文引用完成
-- [ ] 论文撰写完成
-- [ ] 实验与实验结果补充。
-
 ## 3 工程任务（完成目标系统）
 
 > 需要确定最终实现到什么程度。如果还是单机多线程仿真的，大可不必进行大量修改。在本地通过socket多线程通信进行仿真即可。没有必要考虑网页端的训练（用户将模型下载到Chrome浏览器中，在Chrome浏览器中进行梯度下降？大可不必。第一步应该是首先实现本地浏览器调用本地后端的程序进行仿真。然后尝试远程浏览器，建立socket通信，进行真实系统仿真。而且远程系统，必须也有相关的Python环境才行，或者直接在浏览器中使用JavaScript进行梯度下降。）
@@ -42,27 +35,33 @@
 > 主要实现本地线程级别的仿真。用来完成研究中的实验和计划
 > 该仿真实验主要是了验证论文，发论文。
 
-- [X] pysyft线程级别仿真
-- [ ] pysyft论文仿真实验
 
-  - [ ] 针对联邦学习的仿真
-  - [ ] 针对恶意软件的仿真
-- [ ] 尝试掌握最新的联邦学习框架（既然选择了pysyft，就不要考虑tensorflow了。pysyft的生态可能更好，而且做起来简单。主要是tensorflow框架过于庞大，很多东西虽然规范很好用起来方便，但是训练过程着实过于麻烦。使用Keras还好。如果想要修改底层必然会耗费大量精力。tensorflow能够使用js在网页中完成训练，pytorch也能够使用js在网页中完成训练。pytorch也能在android端完成训练。）
-- [ ] 对pysyft框架进行优化和扩展。
+> 尝试掌握最新的联邦学习框架（既然选择了pysyft，就不要考虑tensorflow了。pysyft的生态可能更好，而且做起来简单。主要是tensorflow框架过于庞大，很多东西虽然规范很好用起来方便，但是训练过程着实过于麻烦。使用Keras还好。如果想要修改底层必然会耗费大量精力。tensorflow能够使用js在网页中完成训练，pytorch也能够使用js在网页中完成训练。pytorch也能在android端完成训练。）
+
+> pytorch本地仿真实验。因为最后要搭建一个联邦学习系统，所以这里存在一个严重的问题，如果使用pysyft中集成的远程调用方法。有很多细节没办法进行控制。而且pysyft最近的支持度明显下降，已经无法使用了。需要自己实现远程调用和容器部署方便进行论文答辩。在这里pytorch只作为一种计算核心。当然也可以完全脱离pytorch进行梯度下降。
+
+
+- [X] pysyft线程级别仿真。明白了其工作原理，并实现了多端异步训练。在自己实现多端仿真的时候可以借用一下这里边的实现方式。
+- [x] pytorch本地单线程仿真。也可以开启多线程进行异步训练。客户端和服务器之间通过共享内存实现数据传输。FedMetaMal工程。
+- [ ] 复现联邦学习的论文。完成所有的联邦学习相关的实验。用于小论文的发表。
 
 ### 3.2 中级阶段（六月份）
 
 > 主要对pysyft框架中的内容进行理解和修改。
 > 构建pysyft对联邦学习的远程仿真实现。实现多端协同仿真，实现可视化界面。
 
+> 主要对FedMetaMal进行扩展。实现多机版本的训练过程。
+
+- [ ] FedMetaMal进行技术选型，实现多机训练的技术方案。主要是通过grpc等rpc框架进行远程调用。而非使用pysyft中集成好的远程调用。它那个过于难以理解。
 - [ ] 使用docker容器和socket编程，实现多端协同训练。（从仿真向现实场景过渡。）
 - [ ] 使用docker容器，优化部署过程，实现windows/linux/android场景下的跨平台实验。（向现实场景过度。）
 
 ### 3.3 最终阶段（八月份）
 
 > 构建系统。主要是为了最终的毕业服务。
-
-- [ ] 使用web服务器，实现可视化。包括可视化训练过程的控制、可视化展示训练过程和训练结果。（大概花一个月时间，本质上为了毕业，能够形成一个看起来很漂亮的系统）
+- 技术选项
+  - [ ] 使用web服务器，实现可视化。包括可视化训练过程的控制、可视化展示训练过程和训练结果。（大概花一个月时间，本质上为了毕业，能够形成一个看起来很漂亮的系统）。也可以不是CS模式。因为服务器和客户端不一定非得提供成web服务，也可以是其他的非web服务。尝试使用electron-js-python 实现本地客户端或者远程客户端。（优势是客户端可以在本地也可以在远程，相比webkit只能做本地训练有很强的优势）我觉得这个方案非常强。
+  - [ ] 这个服务器既可以用来控制训练过程，参与到训练中。也可以用来展示训练过程。也可以用来测试训练模型。固化训练模型。使用统一的一套通信方案。也可以使用同一的rpc方案。或者不同的前后端分离技术。提供grpc接口而不是http接口！！！ 在实现上应该差不多。
 
 - 前端：
 

工作日志/2021年7月9日-七月份安排.md

@@ -1,19 +1,22 @@
-## 任务
-### 毕设
-* √阅读论文（两周）（每天十篇可能读完！！！）
-  * 恶意软件相关的论文（20%）
-  * √联邦学习相关的论文（100%）
-  * √非独立同分布相关的文章（100%）
-* 完成实验（四周）（7.25-8.8）
-  * √联邦学习针对非独立同分布(手写体数据实验实现)的实验（一周）
-  * 恶意软件特征提取的实验（一周） 什么样的数据集？怎样的方法提取特征？提取哪些特征用于实验？使用什么样的模型？
-  * 联邦学习针对恶意软件数据集的实验。（一周）
-  * 差分隐私应用的实验（一周）
+## 任务——对五月份计划的回溯和修正
+
+> 五月份大致计划（给出了计划索引）---->七月份的计划重述（主要根据这个任务进行计划的执行。五月份的计划用来参考和回溯完成进度）-----> 工程中的计划实现方案和细节（主要用来记录开发任务）。
+
+### 毕设（详细计划参考五月份计划和工程内的计划）
+* [ ] 阅读论文（两周）（每天十篇可能读完！！！）
+  * [ ] 恶意软件相关的论文（20%）
+  * [x] 联邦学习相关的论文（100%）
+  * [x] 非独立同分布相关的文章（100%）
+* [ ] 完成实验（四周）（7.25-8.8）
+  * [x] 联邦学习针对非独立同分布(手写体数据实验实现)的实验（一周）
+  * [ ] 恶意软件特征提取的实验（一周） 什么样的数据集？怎样的方法提取特征？提取哪些特征用于实验？使用什么样的模型？
+  * [ ] 联邦学习针对恶意软件数据集的实验。（一周）
+  * [ ] 差分隐私应用的实验（一周）
 * 完成恶意软件检测展示系统（四周）
-  * 实现Python/linux下RPC通信模块
-  * 实现算法训练模块（算法核心）-----联邦学习算法框架
-  * 实现算法检测模块（算法核心）-----恶意软件检测结果
-  * 实现前端控制模块（通过页面展示成果）
+  * [ ] 实现Python/linux下RPC通信模块
+  * [ ] 实现算法训练模块（算法核心）-----联邦学习算法框架
+  * [ ] 实现算法检测模块（算法核心）-----恶意软件检测结果
+  * [ ] 实现前端控制模块（通过页面展示成果）
 
 ----------------------------------------------
 
@@ -28,31 +31,31 @@
 
 ### 就业
 
-* 语言
-  * C++
-  * GO
-  * 数据结构
-  * 算法
-* 基础
-  * 操作系统
-  * 数据库
-  * 计算机网络
-* 拓展
-  * C++/GO框架
-  * 微服务框架
-  * docker/k8s/kite
-* 编程
-  * 网络编程/web开发
-  * 系统编程
-  * 算法编程（力扣刷题）
+* [ ] 语言
+  * [ ] C++
+  * [ ] GO
+  * [ ] 数据结构
+  * [ ] 算法
+* [ ] 基础
+  * [ ] 操作系统
+  * [ ] 数据库
+  * [ ] 计算机网络
+* [ ] 拓展
+  * [ ] C++/GO框架
+  * [ ] 微服务框架
+  * [ ] docker/k8s/kite
+* [ ] 编程
+  * [ ] 网络编程/web开发
+  * [ ] 系统编程
+  * [ ] 算法编程（力扣刷题）
 
 
-* 基础知识复习
-* 算法刷题
-* 参加招聘会。能在实习结束前，拿到三个offer。
+* [ ] 基础知识复习
+* [ ] 算法刷题
+* [ ] 参加招聘会。能在实习结束前，拿到三个offer。
 
 
-### 实习
+### ~~实习~~
 
 * 每周实习
 * 现在去字节的实习对自己来说的收益已经很低了，因为没有办法拿到转正的offer，最后的时长可能根本不够。
@@ -91,15 +94,12 @@
 
 ## 收获
 
-1. 第一周：划水反思+阅读论文（非独立同分布）
-2. 第二周：
+1. 第一周7.12：划水反思+阅读论文（非独立同分布）
+2. 第二周7.19：
    1. 阅读论文。联邦学习非独立同分布的论文基本看完了。
    2. 第一次开会，对论文阅读中的内容进行了讲解，对非独立同分布问题有了很深的认识
-3. 第三周：
+3. 第三周7.26：
    1. 搭建完成了基本的书写框架，方便实现算法和后续的开发
    2. 实现了fedbase/fedavg/fedprox等方法。并进行了一些保证基本效果的实验。
-4. 第四周：
+4. 第四周8.2：
    1. 实现了fedmeta/fedamp/fedscaffold等方法。
-   2. 对工程进行重构，通过继承和模块化支持工程扩展。移植到Project当中。并进一步去掉冗余的代码
-   3. 对独立同分布问题进行探讨，数据集扩充、非独立同分布划分方式增加、衡量非独立同分布的方法
-   4. 实验设置，验证各个算法的优势，以及各个算法在不同参数（epoch等）影响下的表现

工作日志/2021年8月3日-八月份计划.md

@@ -0,0 +1,94 @@
+# 八月份计划
+
+
+## 简历投递
+
+
+
+-------------------------------------------------
+互联网企业
+
+
+### 字节
+
+
+### 阿里
+
+
+
+### 腾讯
+
+
+
+### 百度
+
+### 360
+
+### 美团
+
+### 网易
+
+
+
+### 搜狐
+
+### 新浪
+
+### 携程
+
+---------------------------------------------------------
+电商
+
+### 京东
+
+### 虾皮
+
+### 唯品会
+
+### 拼多多
+--------------------------------------------------------
+手机厂商
+
+
+### 华为
+
+### oppo vivo
+
+### 
+
+### 米哈游
+
+--------------------------------------------------------
+国企研究所
+
+
+
+### 中国银行
+
+### 工商银行
+
+### 农业银行
+
+### 建设银行
+
+
+### 移动公司、联通公司、电信公司
+
+
+### 山东电网、国家电网、青岛电网
+
+http://qingdao.offcn.com/html/gqzp/
+
+http://qingdao.offcn.com/html/2021/08/79827.html
+### 中电14所
+
+
+
+
+## 收获
+1. 第一周8.9
+   1. 对工程进行重构，通过继承和模块化支持工程扩展。移植到Project当中。并进一步去掉冗余的代码
+   2. 对独立同分布问题进行探讨，数据集扩充、非独立同分布划分方式增加、衡量非独立同分布的方法
+   3. 实验设置，验证各个算法的优势，以及各个算法在不同参数（epoch等）影响下的表现
+
+2. 第二周

工作日志/2021年8月3日-就业开始.md

@@ -1,4 +0,0 @@
-# 简历投递记录
-
-
-## 

工作日志/2021年8月7日-今日计划.md

@@ -1,6 +1,6 @@
 ## 任务
 
-- [ ] 完成电话的PPT。能够有啥有意思的东西呢，无非就是推荐一两个科幻电影和科幻动漫。
+- [x] 完成电话的PPT。能够有啥有意思的东西呢，无非就是推荐一两个科幻电影和科幻动漫。
 - [ ] 完成数据集的设置（加载其他类型的数据集、更多类型的非独立同分布划分和衡量方法）
 - [ ] 完成实验的设置（需要对比的地方，需要考虑到可能的影响）基本达到周二要求的水准了。
 

工作日志/2021年8月7日-电话分享.md

@@ -132,4 +132,5 @@
 
 
 
-* 科技的发展会放大人们自身的缺陷
+* 科技的发展会放大人们自身的缺陷。因为永远没有机器速度快，记忆力好。之后这些东西就永远被替代了。人呢，开始做什么？帮助人们会议，计算。剥夺了现在人计算与回忆的能力。
+* 就像高考一样，不准带计算机进去，用计算机搜索资料的能力，可能比推导出数学最后一题要有用的多。人们也不断的想办法拒绝机器带来的“恐惧”

工作日志/2021年8月9日-今日计划.md

@@ -0,0 +1,38 @@
+## 问题分析
+
+现在处于一种很矛盾的状态。中期答辩、秋招、两个实习，都交汇在了一块。如果能提前把实习的事情搞定，投投秋招提前批可能所有问题都解决了。果然，人生规划很重要。做好人生规划，能让自己的焦虑减少一半。准确的说，就是知道什么时候、该做什么收益最大。就像三四月份准备实习，五六七月份实习，八月份中期和就业，九十月份找工作。这才是正常的流程。
+
+可惜，自己弄得一团糟。实习开始的时间晚了一些，实习到一半跑路，如今还要跟中期的事情交替进行，还要牺牲找工作的时间去实习。说实话，现在实习的收益太低了。太耽搁毕业和找工作的事情，有点不太可能。但是不去实习可以吗？不去实习存在哪些风险或者说哪些问题。我觉得我不能再言而无信了。
+
+那么毕设呢？中期答辩需要你准备这么久吗？我觉得中期完成两个月内，估计你都没时间做毕设。你就只能趁中期之前，做一做毕设。九十月份大家都忙着找工作。
+
+你现在不是鱼和熊掌的问题，是左臂和右臂的问题，两者都必须得保留，既要保证能够顺利毕业，又要保证能够找到工作都行，二者缺一个都不行。通过实习转正是一个手段，你已经错过了，接下来只能通过好好准备毕设和秋招，找到自己喜欢的工作了。已经跟阿里和字节的人说明了情况，不能再拖了。我这个人言而无信，感觉写代码能力一般，屁事很多，喜欢思考，但是准备工作太多，前摇时间太长。这些毛病我都要改一改。就像昨天，莫名其妙的紧张了一天，什么都没做，就很神奇。我想成为一个什么样的人？说道做到，就心无旁骛得做自己该做的事情就好！至于自己该做什么，这确实十个很难很难回答的问题，而我就经常会被这样的为击垮，我觉得我需要让自己养成一些习惯，那些可以受益终生的好习惯，用这些习惯或者说固定的套路来解决问题，而不是发了疯一样的焦虑。已经不是十几岁的小屁孩了，课程表上的计划，安排的清清楚楚。现在什么都没有，自由的时间，自由的工作，自己反而变得没那么热爱自由了。
+
+如何能够保持自己高强度工作一周、一周呢？如何能够保证自己工作之余能够得到充足的休息呢？如何保证自己休息之后能够有充足的精力投入到自己的工作当中呢？不管平时如何高谈阔论人生理想，但是实践起来都是一个又一个的细节，如果每天都是粗糙的经营实践，永远都只是有产出，而不是高效的产出。我觉得，我的人生轨迹需要改变一下了。
+
+总是记不住一些东西，从前自己有个小本子，上边会写下鼓励自己的话和人生的感悟，经常回溯，所以知道自己当前的“主题”是什么，存在的问题是什么，主要的任务是什么。但是现在这些东西下载这里的笔记上，那里的日记上，扔的到处都是，感悟太多，问题太多，从来没有回溯过，每次遇到都是一个新的问题，重新思考该做什么，该怎样做。着实比较蠢。每个月有自己的月计划，每一周有自己的周计划，每一天有自己的天计划。如果你不知道今天该做什么，就去回顾，回顾一周，回顾一个月两个月。每到一个时间节点，对之前的任务进行回溯。不能接受完不成任务的现实。工作很多，容不得由着性子来。
+
+加油吧，已经决定要延毕了。吗？你会在秋招期间不断推进论文工作的进展。争取在十月份完成论文，但是也保留申请延毕的可能性。经过与老父亲的商量，我发现我的老父亲对时间安排，还是很有谱的，无论多少事情，总能够规划好，顺利的在时间节点前完成任务。但感觉也是靠拼命才能达成的目标。
+
+我需要有在字节工作的工作状态。每天都要有规划，都要有产出。成为自己一种习惯。今天的思考就到此为止了。开始接下来的工作。
+
+
+
+## 有挑战的事情
+
+1. 作息时间。1点睡觉，8.30起床。带着你对明天的憧憬入睡。
+2. 每日运动。下午晚饭的时候，去奔跑吧，缓解你的焦虑紧张，好好思考晚上该如何大干一场。
+3. 进度回溯。月计划、周计划、日计划。不是写完了让他们躺在那里的，每个一小段时间，或者自己迷茫的时候，就回溯一下，自己应该干什么。
+4. 强制执行。计划不能太满，也就一位置，你一旦做出，就必须完成。周末负责弥补没有完成的内容。
+
+## 给华芝的信
+
+
+华芝，我本希望自己能通过一段时间的赶工，做完毕设工作和秋招准备，但进度没有我想的快，我思考了两天，虽然我特别想去字节实习转正，但是最近确实没有时间去实习了。需要花一些时间准备秋招，和8月末的中期答辩，有点忙不过来。我重新规划了一下，打算在八九月分忙一下秋招的事情，申请在明年六月份进行毕设答辩。由于自己的规划的问题，给咱们部门造成了很多麻烦，十分抱歉。 
+如果我下周去实习，还是会因为秋招与毕设的事分心，导致自己实习的状态不好，给大家留下不好的印象。我也想全身心的投入到实习的事情当中。如果可以的话，我想在秋招完成（10月）到毕业之前（5月）之间再去我们部门实习一次。如果不行的话，感觉只能申请离职，通过秋招尝试进入部门了。也感谢各位在实习期间的照顾。
+
+
+## 给寒少的信
+
+
+希望自己能够直接进入秋招，而不是通过实习转正，因为自己确实没有多少时间了。希望能够拿到跟实习生转正的中间值一样的工资。

工作日志/每周总结.md

@@ -1,40 +0,0 @@
-# 2020年9月
-
-## 第一周（9.1-9.6）
-* 阅读漏洞利用的相关知识，证明了漏洞利用的不可行。
-* 更换了开题的方向，转向联邦学习
-
-## 第二周（9.7-9.13）
-
-* 对联邦学习进行了一周的调研，了解了联邦学习是什么。
-* 对情报利用的方式进行了讨论，对情报可能的利用方向进行了总结。
-* 与公司进行对话，了解了情报利用利于相关的内容。
-
-
-## 第三周（9.14-9.20）
-* 完成了界面设计的一套方案。nodejs-electron-html/js/css-Cmake（make），打通了界面设计的技术路径。
-
-## 第四周（9.21-9.27）
-* 机器学习任务的开始。明确了机器学习的学习路径。
-* 完成了python3-numpy-scipy-matplotlib-pandas机器学习系列工具的学习。需要通过具体的编程项目进行熟练。
-
-## 第五周（9.28-10.4）
-* 吴恩达课程开始
-* 机器学习相关工具的熟练。
-* 完成了张小玉部分的界面。
-
-## 第六周（10.5-10.11）
-
-* 吴恩达机器学习完成
-* 张小玉部分界面编程和报告完成。
-
-
-## 第七周（10.12-10.18)
-* 吴恩达深度学习第一套视频
-
-## 第八周（10.19-10.25）
-
-* 吴恩达深度学习完成
-
-
-# 2021年3月

工作日志/毕业设计.md

@@ -5,7 +5,7 @@
 ### 研究背景和意义
 
 1. 恶意软件检测。
-
+   1. （巴拉巴拉介绍一对机器学习、深度学习在恶意软件检测领域的应用。）尽管机器学习服务取得了成功，但它们的有效性在很大程度上依赖于大量的数据
    1. 数据成为限制机器学习算法的主要瓶颈。那么广大数据在哪里呢？肯定分散在用户设备上。所以我们提出了基于边缘学习联合学习的分布式机器学习方案。直接在拥有用户的本地设备上进行学习，获得机器学习模型，解决了数据量的问题和利用边缘设备的计算能力。
    2. 同时传统的机器学习中，在数据搜集过程中侵犯隐私的问题。结合恶意软件来说。
    3. 这种为了从数据角度对机器学习模型进行提升思想，需要解决如下三个数据问题或者满足以下三个数据方面的需求。
@@ -13,16 +13,14 @@
 
    1. 数据量扩充的需求 和 数据隐私保护的需求、（为什么要研究）
    2. 数据隐私保护进一步提升（研究内容）
-   3. 数据无标签问题（研究的内容）
-   4. 数据非独立同分布的问题（研究内容）
-   5. ~~数据动态变化问题（研究内容）~~
+   3. 数据非独立同分布的问题（研究内容）
 3. 针对以上背景，研究基于机器学习的恶意软件检测模型构建方案有十分重要的意义。这种意义主要体现在以下几个方面：
 
    1. 扩展了机器学习模型获取数据的范围。利用了边缘设备的计算能力。
    2. 解决了集中式学习搜集数据困难、搜集数据过程中会侵犯用户隐私的问题。
-1. android+恶意软件---->恶意软件检测---->基于机器学习的恶意软件检测方案
-2. 数据的需求：数据隐私保护的需求、数据无标签问题的解决、数据非独立同分布训练模型、数据动态变化问题的解决
-3. 针对以上背景，研究基于深度学习的恶意软件检测模型构建方案有十分重要的意义
+4. android+恶意软件---->恶意软件检测---->基于机器学习的恶意软件检测方案
+5. 数据的需求：数据隐私保护的需求、数据无标签问题的解决、数据非独立同分布训练模型、数据动态变化问题的解决
+6. 针对以上背景，研究基于深度学习的恶意软件检测模型构建方案有十分重要的意义
 
 > 说实话，我主要是解决联邦学习中的问题，而非解决恶意软件检测的问题。为了解决数据中存在的问题，而非恶意软件相关的问题。如何让解决的问题与恶意软件检测进行强相关？而非与联邦学习强相关。
 >
@@ -47,22 +45,20 @@
 ### 对比基线
 1. 恶意软件检测的机器学习和深度学习研究方案（第一层：针对恶意软件检测**领域**对比）
 1. 恶意软件检测中数据扩展+隐私保护的研究方案（第二层：针对数据扩展和隐私保护等**需求**的对比）
-1. 联邦学习的隐私保护、半监督学习、非独立同分布等开放问题的研究方案（第三层：针对隐私泄露问题、无标签问题、非独立同分布**问题**的对比）
+2. 联邦学习的隐私保护、非独立同分布等开放问题的研究方案（第三层：针对隐私泄露问题、非独立同分布**问题**的对比）
 
 ### 研究内容和研究目标
 
 1. 联邦隐私保护学习方案——差分隐私、同态加密
-2. 联邦半监督学习方案——半监督方案？
-3. 联邦非独立同分布学习方案——某一个方案
+2. 联邦非独立同分布学习方案——联邦元学习
+3. 面向恶意软件检测的，基于联邦元学习和增强隐私保护能力的联邦学习框架
 
 论文贡献（到时候再展开或者压缩内容。）
 1. 实现了差分隐私，并通过实验验证了差分隐私对参数隐私的保护
-2. ~~实现了半监督学习方案。这个可以去掉，如果最后实现起来比较简单，则可以加上~~
-3. 使用了联邦元学习解决了非独立同分布问题
-4. 一个恶意软件特征提取和分析工具
-5. 完成了相关的实验验证。证明了balabala
-6. 构建了联邦学习框架和恶意软件检测系统。能够使用半监督学习，差分隐私保护用户的隐私，能够针对非独立同分布场景，训练机器学习模型。恶意软件检测系统包括特征提取模块和模型检测模块。
-7. 提供了一个训练框架，以及一个可用的模型。
+2. 使用了联邦元学习解决了非独立同分布问题
+3. 一个恶意软件特征提取和分析工具
+4. 完成了相关的实验验证。证明了balabala
+5. 构建了联邦学习框架和恶意软件检测系统。能够使用半监督学习，差分隐私保护用户的隐私，能够针对非独立同分布场景，训练机器学习模型。恶意软件检测系统包括特征提取模块和模型检测模块。提供了一个训练框架，以及一个可用的模型。
 
 ### 论文结构
 
@@ -72,6 +68,7 @@
 
 > 恶意软件主要分类、恶意软件主要分类的依据和数学表示（接口、行为？）、恶意软件主要的检测方法利用到的原理。
 
+
 ### 2 特征提取技术
 
 > 特征提取技术，特征降维方法。动静态特征的提取方法。
@@ -84,28 +81,53 @@
 
 > 差分隐私、同态加密方法。实现了多方安全计算。
 
-### 5 半监督学习原理
 
-> 半监督学习解决的问题。半监督学习的目标问题。
-
-### 6 非独立同分布的原理
+### 5 非独立同分布的原理
 
 > 非独立同分布的原理、表示方法（衡量标准）、产生的影响（论证非独立同分布是联邦学习解决问题中的关键问题。）
 > 对非独立同分布的数学的描述。
 
-## 第三章：基于差分隐私和联邦学习的恶意软件检测算法
 
-## 第四章：基于联邦半监督学习的恶意软件检测算法
+## 第三章：恶意软件特征提取方法
 
-## 第五章：针对非独立同分布问题的恶意软件检测算法
+### 静态特征的提取
 
-## 第六章：恶意软件检测算法的实验与结果
 
-## 第七章：恶意软件检测仿真系统构建
+### 动态特征的提取
 
+
+## 第四章：针对非独立同分布问题的联邦学习框架
+
+### 联邦学习框架的算法框架
+
+
+### 针对非独立同分布问题的联邦元学习算法
+
+
+
+* 能够衡量用户的贡献度的方法
+
+## 第五章：基于差分隐私和联邦学习的恶意软件检测算法
+
+### 隐私保护的原理（数学公式推导）
+### 隐私保护的框架（算法，加入到整体的联邦学习框架中）
+### 隐私计算（从理论上证明，隐私保护的准确性）
+
+
+
+
+
+## 第六章：恶意软件检测仿真系统构建
+
+### 系统架构图
+
+
+### 各个模块的设计方案
 1. 训练控制模块
 2. 网络通信模块
 3. 训练展示模块
 4. 实验结果对比模块
 
+## 第七章：恶意软件检测算法的实验与结果
+
 ## 结论

工作日志/研究方向.md

@@ -1,7 +0,0 @@
-> 文章的研究方向，应该主要包括以下三个点。
-
-## 数据的隐私性问题——联邦学习与隐私保护框架
-
-## 数据的非独立同分布问题——非独立同分布&联邦学习算法
-
-## 数据的标签缺失问题——半监督学习&联邦学习算法