一种基于生成任务与多模态的事件分析方法、系统及装置

    公开(公告)号:CN119557603A

    公开(公告)日:2025-03-04

    申请号:CN202510116350.2

    申请日:2025-01-24

    Abstract: 本申请公开了一种基于生成任务与多模态的事件分析方法、系统及装置,用于快速准确地把握事件发展走向。本申请方法包括:将多模态数据生成结构化事件信息,并得到事件关系;构建事件图谱;提取多模态特征,使用跨模态注意力机制得到多模态情感关系向量;基于预设图神经网络,并结合事件图谱得到情感特征向量;计算对比学习损失值,基于对比学习损失值得到目标情感特征;利用跨模态注意力机制生成目标事件图谱;提取关系特征,结合注意力权重和预设时间序列模型得到事件预测图谱;提取因果链条并推理,推理后得到触发条件和情绪因素;将事件预测图谱与目标事件图谱结合节点特征序列、触发条件以及情绪因素,得到事件分析结果。

    基于多密钥的联邦学习方法及系统

    公开(公告)号:CN118643919A

    公开(公告)日:2024-09-13

    申请号:CN202411104056.1

    申请日:2024-08-13

    Abstract: 本发明提供一种基于多密钥的联邦学习方法及系统,该方法包括:云服务器接收各参与方发送的模型梯度密文;利用服务器代理密钥对模型梯度密文进行计算,生成重加密密文;聚合所有重加密密文,得到聚合密文组;利用服务器私钥对聚合密文组解密得到聚合梯度数据,对聚合梯度数据进行加密,得到聚合梯度密文;将聚合梯度密文分发给各参与方。利用本发明方案,可以提升联邦学习中各参与方隐私数据的安全性。

    提升联邦学习隐私安全的方法及系统

    公开(公告)号:CN118468344A

    公开(公告)日:2024-08-09

    申请号:CN202410922143.1

    申请日:2024-07-10

    Abstract: 本发明提供一种提升联邦学习隐私安全的方法及系统,该方法包括:共识节点接收各医疗机构发送的基于本地医疗数据训练得到的梯度密文;对接收的各医疗机构的梯度密文进行验证聚合,生成更新模型;将更新模型上传至区块链网络。利用本发明方案,可以保证医疗数据的安全性,无需可信的中央服务器进行协调即可实现安全建模,避免了由于中央服务器遭受攻击或者瘫痪导致训练效率低下的问题。同时,可以实现对模型全生命周期保护。

    联邦学习激励方法及系统
    17.
    发明公开

    公开(公告)号:CN118245992A

    公开(公告)日:2024-06-25

    申请号:CN202410662711.9

    申请日:2024-05-27

    Abstract: 本发明提供一种联邦学习激励方法及系统,该方法包括:联邦学习平台发布任务发起方发起的联邦学习任务;接收用户提交的参与任务申请;对所述用户进行身份认证;对通过身份认证的用户通过区块链上存储的数字身份信息以及信誉评分确定是否允许所述用户参与所述联邦学习任务;如果允许,则将所述用户作为任务参与方添加至私有通道,以使任务参与方进行联邦学习建模训练;在联邦学习结束后,根据区块链上的智能合约向所述任务参与方发放任务奖励。利用本发明方案,可以为联邦学习参与方提供准确有效的激励机制,提升数据持有者参与联邦学习的动力,进而提升联邦学习模型的准确性。

Patent Agency Ranking