公开(公告)号：CN114492851B

公开(公告)日：2024-08-20

申请号：CN202210102303.9

申请日：2022-01-27

Applicant: 湖南大学

Inventor： 徐旸 ,  谭运林 ,  张程 ,  唐卓 ,  彭绍亮 ,  张尧学

IPC: G06N20/20 ,  G06F21/62

Abstract: 本发明涉及一种基于区块链的模型迁移联邦学习方法，包括如下步骤：S1.服务器在区块链上向设备发布全局模型；S2.设备通过本地数据对本地模型进行训练；S3.设备通过区块链将本地模型上传至服务器；S4.服务器从中选择满足预设选择条件的本地模型作为目标模型，提取目标特征提取器并发布；S5.设备接收特征提取器，并以特征提取器替换设备的本地模型的本地特征提取器，并继续通过本地数据对本地模型进训练；S6.设备完成本轮训练，向服务器上传本轮训练后的本地模型；S7.服务器根据本地模型更新全局模型；并判断全局模型是否满足预设条件，是则结束学习过程，否则跳转至步骤S1，进行下一轮训练。本发明具有速度快、效率高、安全性好等优点。

公开(公告)号：CN116192377A

公开(公告)日：2023-05-30

申请号：CN202310112367.1

申请日：2023-02-14

Applicant: 湖南大学

Inventor： 袁小芳 ,  李伟旗 ,  谭运林 ,  李哲 ,  闫浩鹏

IPC: H04L9/08

Abstract: 本发明公开了一种新能源汽车焊装产线的任务分发协商方法，包括：根据产线任务参与者的身份属性建立对应的密钥协商通道；利用密钥协商通道构建不同属性组的组加密公钥和解密私钥；将第一产线任务参与者制定的任务信息根据对应的机密程度进行封装，作为任务交易发布在任务发布链上；若第二产线任务参与者符合任务要求，则对第二产线任务参与者开放对应任务信息详情数据的解密权限；在第一产线任务参与者和第一产线任务参与者之间建立私有数据集合；其中，在任务协商过程中，将第一产线任务参与者和第二产线任务参与者之间的协商记录和合同数据进行哈希值计算，并将哈希值计算结果存放在对应的任务协商链上。

公开(公告)号：CN115577360A

公开(公告)日：2023-01-06

申请号：CN202211422140.9

申请日：2022-11-14

Applicant: 湖南大学

Inventor： 徐旸 ,  张益邦 ,  谭运林 ,  张程 ,  谢鲲 ,  唐卓 ,  李肯立 ,  张尧学

IPC: G06F21/56 ,  G06F17/16 ,  G06F18/22 ,  G06F18/23 ,  G06F18/214

Abstract: 本发明公开了一种不依赖梯度的聚类联邦学习方法及系统，本发明方法包括：客户端分别计算数据分布信息及相互的交集相似度并构造交集相似度向量；服务器收集交集相似度向量并构建相似度矩阵，对客户端进行聚类并执行模型训练，在服务器检测到模型的精度下降且确定恶意簇后，选择客户端来组成验证委员会并进行验证并投票将恶意模型排除、保留良性模型。本发明中服务器不需要依靠客户端的梯度信息进行聚类而是根据客户端的数据分布之间的交集相似度来进行聚类，避免了客户端的梯度信息泄露问题，保护了客户端的梯度安全，增强了聚类联邦学习过程中的安全性、可靠性、并且提高了训练精度。

公开(公告)号：CN118674062A

公开(公告)日：2024-09-20

申请号：CN202410669652.8

申请日：2024-05-28

Applicant: 湖南大学

Inventor： 徐旸 ,  赤凯 ,  谭运林 ,  高锦宏 ,  靳文强 ,  刘璇 ,  彭绍亮 ,  唐卓 ,  蒋洪波 ,  张尧学

IPC: G06N20/00 ,  G06F21/16

Abstract: 本发明公开了一种基于鲁棒水印的个性化联邦学习模型所有权保护方法，本发明方法包括水印初始化步骤：S1.服务器将初始化模型和每个客户端的公共水印信息发送给对应客户端，客户端生成自己的私有水印；水印解耦嵌入步骤：S2.客户端通过训练将私有水印嵌入到个性化层，将公共水印信息嵌入到对应的表示层位置。然后上传表示层参数到服务器；恶意客户端检测步骤：S3.服务器对客户端上传的表示层参数进行检测，将诚实客户端的参数聚合作为下一轮表示层参数，同时标记恶意客户端。进一步地，服务器循环抽取客户端进行多轮训练，直到模型符合标准。本发明具有客户端容量大，水印鲁棒性强等优点。

公开(公告)号：CN114492851A

公开(公告)日：2022-05-13

申请号：CN202210102303.9

申请日：2022-01-27

Applicant: 湖南大学

Inventor： 徐旸 ,  谭运林 ,  张程 ,  唐卓 ,  彭绍亮 ,  张尧学

IPC: G06N20/20 ,  G06F21/62

Abstract: 本发明涉及一种基于区块链的模型迁移联邦学习方法，包括如下步骤：S1.服务器在区块链上向设备发布全局模型；S2.设备通过本地数据对本地模型进行训练；S3.设备通过区块链将本地模型上传至服务器；S4.服务器从中选择满足预设选择条件的本地模型作为目标模型，提取目标特征提取器并发布；S5.设备接收特征提取器，并以特征提取器替换设备的本地模型的本地特征提取器，并继续通过本地数据对本地模型进训练；S6.设备完成本轮训练，向服务器上传本轮训练后的本地模型；S7.服务器根据本地模型更新全局模型；并判断全局模型是否满足预设条件，是则结束学习过程，否则跳转至步骤S1，进行下一轮训练。本发明具有速度快、效率高、安全性好等优点。