-
公开(公告)号：CN119358708A
公开(公告)日：2025-01-24
申请号：CN202411931128.X
申请日：2024-12-26
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及基于扩散模型的自适应双边蒸馏个性化联邦学习方法。所述方法通过设计一种指导机制，使全局模型与本地模型之间进行相互蒸馏，从而实现知识的高效传递，增强个性化模型对客户端特定数据分布的适应性。同时，引入条件扩散模型生成高质量的伪数据，并利用这些伪数据对聚合后的全局模型进行微调。该过程不仅有效弥补了局部‑全局相互蒸馏过程中可能丢失的全局信息，还进一步优化了全局模型的表现。通过结合相互蒸馏和条件扩散微调技术，本发明在保护数据隐私的同时，实现了个性化性能与全局泛化能力的平衡，适用于非独立同分布non‑IID数据环境下的多客户端协作场景。
-
公开(公告)号：CN119646885B
公开(公告)日：2025-05-06
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
公开(公告)号：CN119719387A
公开(公告)日：2025-03-28
申请号：CN202411893504.0
申请日：2024-12-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 潍柴动力股份有限公司
IPC: G06F16/36 , G06F16/951 , G06F40/289 , G06F40/284 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06F21/56
Abstract: 本发明属于信息检索安全的技术领域，更具体地，涉及一种面向威胁情报处理的知识图谱构建方法、系统及计算机可读存储介质。所述方法包括收集结构化数据、半结构化数据和非结构化数据并分别处理；对所述待分析的威胁情报文本数据进行实体关系抽取，得到目标实体关系识别结果；最后进行知识图谱的构建。本发明解决了威胁情报的来源通常具有多源异构的特性，这种多样性导致了数据整合和分析的复杂性，对构建高质量知识图谱构成影响等问题。
-
公开(公告)号：CN119646885A
公开(公告)日：2025-03-18
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
公开(公告)号：CN118886003A
公开(公告)日：2024-11-01
申请号：CN202411355197.0
申请日：2024-09-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06N3/0442 , G06N3/092 , G06Q50/06 , G06N7/01
Abstract: 本发明属于电子数字数据处理的技术领域，更具体地，涉及面向智能电网隐蔽性攻击的时序预测强化学习检测方法。所述方法包括以下步骤：首先，对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；其次，将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计；然后，将智能电网中的攻击检测问题建模为部分可观测马尔可夫决策问题；最后，利用强化学习方法解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。本发明可以以较低的延迟和误检率来检测智能电网中的隐蔽攻击。
-
Patent Agency Ranking
公开(公告)号：CN119513498B
公开(公告)日：2025-05-23
申请号：CN202411673870.5
申请日：2024-11-21
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 青岛理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/22 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明属于时间序列预测的技术领域，更具体地，涉及一种基于深度集成学习模型和高低频分离的时间序列数据预测方法。所述方法包括：收集系统中的时间序列数据，对得到的数据进行预处理；对原始时间序列数据进行VMD变分模态分解，将时间序列分解成K个有限带宽的模态分量；联合最大信息系数法和重构误差分析法来确定最佳的分解模态数量K；对分解的所有模态使用过零率和中心频率来划分高低频分量；分别针对高频分量和低频分量建立合适的预测模型；将所有模态预测结果进行叠加，得到最终的时间序列预测结果。本发明组合了多种深度学习模型使得预测方法具备更强的灵活性和适应性，能够针对不同特征的分量选择合适的模型进行预测，从而提升整体性能。
-
公开(公告)号：CN119989410A
公开(公告)日：2025-05-13
申请号：CN202510078470.8
申请日：2025-01-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东金煜电子科技有限公司
IPC: G06F21/62 , G06F21/60 , G06F21/33 , G06F16/901 , G06N5/01 , G06N5/022 , G06N5/04 , H04L9/40 , H04L9/00 , H04L9/32
Abstract: 本发明属于信息检索的技术领域，更具体地，涉及一种基于树分解的加密图质量约束最短路径查询方法、装置及计算机可读存储介质。所述方法包括密钥分发机构将密钥对发送至数据所有者，将密钥发送至用户；数据所有者将图数据构造为密文索引，并发送至云平台；当用户对图数据进行查询时；将授权令牌通过安全信道发送至用户；用户接收到授权令牌后，开始对图数据进行查询；云平台执行查询算法；获取查询的质量约束最短距离以及该最短路径的中间节点；授权令牌到达限制时间后，用户将失去对图数据G的查询权限。本发明解决了数据存储在第三方服务器上可能带来泄露和安全风险，尤其是云服务器可能未经授权访问或窃取数据，威胁用户隐私与安全的问题。
-
公开(公告)号：CN119882575A
公开(公告)日：2025-04-25
申请号：CN202510360780.9
申请日：2025-03-26
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G05B19/042
Abstract: 本发明属于机器人控制的技术领域，更具体地，涉及一种基于双重预分割的大规模物联网数据收集系统及方法。所述方法包括：对物联网中的传感器节点进行预分割，将监测区域内的所有传感器节点划分为多个簇，每个簇由一个簇头节点管理；根据无人机数量和数据分布特征，将监测区域划分为多个子区域；基于深度强化学习为无人机群设计无碰撞的飞行路径；无人机根据路径规划过程提供的飞行路径，在检测区域内移动，访问传感器节点并收集数据；同时记录已访问节点和未访问节点的状态。本发明在大规模复杂的物联网环境下，远少于传感器节点数量的无人机即可实现大量数据的采集，并合理规划无人机路径实现无碰撞规划，高效完成节点数据的采集任务。
-
公开(公告)号：CN119808896A
公开(公告)日：2025-04-11
申请号：CN202510296997.8
申请日：2025-03-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F21/62 , G06F18/2132 , G06F18/214
Abstract: 本发明属于隐私保护的技术领域，更具体地，涉及面向保隐私异构去中心化学习的正则约束自适应调整方法。所述方法包括：将每个客户端#imgabs0#的本地模型#imgabs1#划分为共享模型#imgabs2#和保留模型#imgabs3#，对共享模型#imgabs4#进行正则化约束；客户端#imgabs5#使用上一轮聚合后的共享模型#imgabs6#和本地保留模型#imgabs7#，基于本地数据集#imgabs8#进行梯度下降更新；通过KL散度对正则化参数#imgabs9#进行动态更新调整；对共享模型进行差分隐私保护，然后将加噪后的共享模型广播给邻居客户端；客户端i的邻居客户端接收加噪后的共享模型并进行聚合，以得到下一迭代轮次的本地模型。本发明在保护数据隐私的同时，减轻数据异质性和差分隐私噪声对模型性能的负面影响。
-
公开(公告)号：CN119155112B
公开(公告)日：2025-03-28
申请号：CN202411620659.7
申请日：2024-11-14
Applicant: 国网山东省电力公司电力科学研究院 , 浙江大学 , 山东省计算中心(国家超级计算济南中心)
Inventor： 王文婷 , 刘鑫 , 李迪 , 曹小亚 , 陈振娅 , 鉴庆之 , 刘吉龙 , 田博彦 , 田健 , 刘远龙 , 杨明 , 程鹏 , 王鑫 , 吴晓明 , 刘臣胜 , 秦佳峰 , 聂其贵 , 陈东
IPC: H04L9/40
Abstract: 本发明涉及网络流量技术领域，提供了一种智能电网Dos攻击检测方法、系统、介质、设备及程序。智能电网Dos攻击检测方法，包括：将同一条网络流量数据对应的三种特征进行合并，构建融合特征集；将融合特征集和对应的数值标签集作为输入，分别采用支持向量机和决策树，得到第一输出集和第二输出集；将第一输出集、第二输出集以及对应的数值标签集输入分类器，得到支持向量机的权重和决策树的权重，以构建多级决策模型；考虑多种性能指标，构建综合多维目标函数，对多级决策模型的超参数进行优化，得到优化后的多级决策模型，用于网络流量的Dos攻击检测。本发明能够快速识别智能电网中的DoS攻击行为，确保智能电网的安全运行。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.027 seconds)
