公开(公告)号：CN116361639A

公开(公告)日：2023-06-30

申请号：CN202211657566.2

申请日：2022-12-22

Applicant: 电子科技大学

Inventor： 王瑞锦 ,  张凤荔 ,  周世杰 ,  周潼 ,  张志扬 ,  赖金山 ,  王金波 ,  程帆 ,  陈政 ,  刘楠

IPC: G06F18/214 ,  G06N20/00

Abstract: 本发明公开了一种适用于人工智能物联网异构系统的自适应联邦学习方法，包括：(1)终端设备进行本地模型训练；(2)边缘服务器收集终端设备能够实际负载的工作量，以及将收集的模型参数进行局部聚合；同时边缘服务器预测终端设备未来可以承受的工作量，并按照训练价值高低选出终端设备继续参与下一轮训练；(3)边缘服务器将局部聚合模型和预测的工作量发送给选择的终端设备；同时，边缘服务器还将局部聚合模型参数发送至云服务器；(4)云服务器将收集的局部聚合模型参数进行全局聚合，获得全局聚合模型，然后返回至边缘服务器。本发明解决了AIoT应用中因系统异构性和统计异构性导致出现掉队者从而引起收敛速度减慢、模型精度降低的问题。

公开(公告)号：CN115017541A

公开(公告)日：2022-09-06

申请号：CN202210634337.2

申请日：2022-06-06

Applicant: 电子科技大学

Inventor： 王瑞锦 ,  赖金山 ,  张凤荔 ,  刘东 ,  朱举异 ,  张志扬

IPC: G06F21/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种云边端协同的泛在智能联邦学习隐私保护系统及方法，系统上包括终端设备、参数服务器、边缘服务器、中心云服务器；方法上包括：S1、设置基于掩码的终端训练输出保护机制；S2、添加局部模型的自适应差分扰动；S3、全局模型聚合和添加自适应差分扰动。本发明提出了一种轻量级的隐私保护方案，在终端设备进行部分模型训练并添加矩阵掩码，保证在终端与边缘服务器之间安全传输；此外，在边缘服务器进行剩余模型训练并添加差分扰动；在云端进行聚合后添加噪声再反馈给边缘服务器。实验结果表明，该方案在保证隐私的前提上在CIFAR10数据集上能达到86％的准确率，能够很好地满足泛在智能的需求，因此，本发明非常适合大规模推广应用。

公开(公告)号：CN111898040B

公开(公告)日：2022-04-15

申请号：CN202010699207.8

申请日：2020-07-20

Applicant: 电子科技大学

Inventor： 王瑞锦 ,  张凤荔 ,  谭琪 ,  张志扬 ,  刘楠 ,  李志 ,  李艾玲 ,  汤启友 ,  郭上铜

IPC: G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种结合社交网络的圈层用户影响力评估方法，所述的圈层用户影响力评估方法包括：用户身份信息映射、用户间接影响力评估、用户直接影响力评估。本发明通过对数据库中社交网络用户属性信息与圈层重点事件信息进行影响力的度量分析，减少复杂关系网络中，对用户影响力评估的复杂度，得到用户直接影响力评估值和间接影响力评估值，使得用户影响力的评估直观易懂。

公开(公告)号：CN111369139A

公开(公告)日：2020-07-03

申请号：CN202010139716.5

申请日：2020-03-03

Applicant: 电子科技大学

Inventor： 张巍琦 ,  王瑞锦 ,  张凤荔 ,  何兴高 ,  张志扬 ,  汤启友

IPC: G06Q10/06

Abstract: 本发明公开了一种个体信用评估方法，获取用户的关系网络和不良事件的信息为基础；建立假设条件，设置用户节点的风险权重，获取与用户节点u相连的n个其它用户节点集合；于利用时间函数分析处理用户发生不良信用事件节点的风险权重，将风险权重传导给与用户当前节点相连的节点；对个性化PageRank算法进行改进同时通过该算法遍历所有节点，并计算出关系网络中所有节点的不良信用事件的风险权重；按照风险权重排序，得到基于不良信用事件影响的用户风险排序表。通过本方案能更加准确的获取用户在进行数据申请发布时的个体信用风险评估数据，减少了数据发布的泄漏风险。本方案还公开了一种个体信用风险评估系统、终端及存储介质，具备上述的有益效果。