公开(公告)号：CN117390664A

公开(公告)日：2024-01-12

申请号：CN202311091588.1

申请日：2023-08-28

Applicant: 北京邮电大学

Inventor： 杨树杰 ,  李鸿婧 ,  周赞 ,  许长桥

IPC: G06F21/62 ,  G06Q30/0283 ,  G06N20/20

Abstract: 本发明提供一种面向联邦学习的博弈驱动隐私自适应定价方法和装置，方法包括：构建基于差分隐私的联邦学习框架；获取联邦学习框架服务器的隐私支付上限及收益，构建所述服务器的效用函数；获取所述联邦学习框架客户的隐私预算及隐私损失，构建客户的效用函数；将服务器的效用函数和客户的效用函数输入两阶段的斯塔克伯格博弈模型中，以得到隐私自适应定价策略；根据所述隐私自适应定价策略控制面向联邦学习的隐私定价过程。该方法可以最大化服务器和客户自身效用，平衡客户隐私和模型性能。本发明针对联邦学习中客户隐私和全局服务器性能相互制衡的问题，设计了客户和服务器的效用函数，通过优化效用函数来实现客户隐私和服务器性能的平衡。

公开(公告)号：CN116707870A

公开(公告)日：2023-09-05

申请号：CN202310557573.3

申请日：2023-05-17

Applicant: 北京邮电大学

Inventor： 周赞

IPC: H04L9/40 ,  H04L41/14 ,  H04L41/142

Abstract: 本申请提供一种防御策略模型训练方法、防御策略确定方法和设备，该方法包括：获取多个样本服务器在第一个时段的样本防御状态数据；根据防御策略模型，对第一个时段的样本防御状态数据进行处理，得到多个时段分别对应的动作选择概率集合和多个时段分别对应的状态价值；根据多个时段分别对应的动作选择概率集合和多个时段分别对应的状态价值，对防御策略模型的参数进行调整，以得到训练好的防御策略模型。通过防御策略模型能够确定各个样本服务器选择部署防御策略的概率，从而更合理的结合服务器自身的特点部署相应的防御策略来防止被网络攻击，提高了防御策略部署的效率和合理性，能够实现对智能攻击侵蚀的良好防御性能。

公开(公告)号：CN119109613A

公开(公告)日：2024-12-10

申请号：CN202410992435.2

申请日：2024-07-23

Applicant: 北京邮电大学

Inventor： 周赞 ,  许长桥 ,  杨树杰 ,  严林 ,  郭泽远

IPC: H04L9/40 ,  H04L9/32

Abstract: 本发明提供一种基于移动目标防御系统工作量证明的用户接入方法及装置，接收目标用户发送的资源请求；通过移动目标防御系统将资源请求分配至分层代理集群中的代理节点，并对目标用户进行身份验证，得到目标工作量证明任务并将目标工作量证明任务返回至目标用户；接收目标用户发送的与目标工作量证明任务对应的解决方案；响应于解决方案正确，返回与资源请求相关联的服务结果；响应于解决方案错误，重新通过移动目标防御系统对目标用户进行身份验证。移动目标防御系统中通过采用本发明提供的工作证明驱动的用户接入机制，提高了用户接入的安全性与稳定性。

公开(公告)号：CN114398635B

公开(公告)日：2024-10-18

申请号：CN202111444193.6

申请日：2021-11-30

Applicant: 北京邮电大学

Inventor： 杨树杰 ,  许长桥 ,  王明泽 ,  周赞 ,  马腾超 ,  丁中医

IPC: G06F21/56 ,  G06N20/00

Abstract: 本发明提供一种分层安全联邦学习方法、装置、电子设备及存储介质，其中方法包括：将全局模型下发至每个本地用户，并指示每个所述本地用户将训练所述全局模型后产生的本地模型发送至中间层；获取所述中间层针对每个本地模型进行匿名处理后产生的用户行为标识及用户行为分值；其中，所述匿名处理包括所述中间层对每个本地模型进行模型洗牌及添加扰动后产生匿名模型，再对所述匿名模型进行异常检测处理，得到所述用户行为标识及用户行为分值；根据所述用户行为标识及用户行为分值，确定恶意用户并进行封禁。使用本发明方法通过中间层对每个本地模型所携带的隐私信息进行匿名保护及异常检测的方式，实现提升隐私保护的安全性和可靠性。

公开(公告)号：CN117150321A

公开(公告)日：2023-12-01

申请号：CN202311426265.3

申请日：2023-10-31

Applicant: 北京邮电大学

Inventor： 周赞

IPC: G06F18/22 ,  G06F9/50 ,  G06F16/23 ,  G06F16/27 ,  G06F18/23

Abstract: 本发明提供一种设备信任度评价方法、装置、服务设备及存储介质，涉及数据处理技术领域，该方法包括：获取多个第一设备对应的第一超级节点和多个第二设备对应的第二超级节点并进行至少一轮同步更新；根据第一超级节点对于第二超级节点的第一信誉度参数和第一超级节点的信誉意见权重，确定多个第二设备各自对应的第二信誉度参数；根据第二设备对应的第二信誉度参数和各其它第二设备对于第二设备的时效程度，确定各其它第二设备对于第二设备的第三信誉度参数；根据至少一轮同步更新中其它第二设备对于第二设备的所有时效程度和第二设备对应的所有第三信誉度参数，确定其它第二设备对于第二设备的累计信任度，该累计信任度是较为准确和可靠的。

公开(公告)号：CN116955980A

公开(公告)日：2023-10-27

申请号：CN202310582737.8

申请日：2023-05-22

Applicant: 北京邮电大学

Inventor： 许长桥 ,  董伟 ,  周赞 ,  杨树杰

IPC: G06F18/2113 ,  G06F18/2415 ,  G06F18/214

Abstract: 本发明提供一种特征选择方法、装置及设备，该方法包括：基于目标数据集中多种待选特征的总数量，获取各哈里斯鹰的初始位置向量；基于特征指示函数模型、哈里斯鹰适应度函数模型和各哈里斯鹰的初始位置向量，确定目标位置向量；通过特征指示函数模型，将目标位置向量转换为目标指示向量，目标指示向量中包括多种待选特征各自对应的指示值，指示值为预设值时用于表征选定对应的待选特征；将多种待选特征中预设值对应的待选特征，选定为目标特征。本发明实施例提供的特征选择方法、装置及设备用于解决从数据集的多个特征中选择有价值的特征的问题。