-
公开(公告)号：CN119089982A
公开(公告)日：2024-12-06
申请号：CN202411212448.X
申请日：2024-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 潍柴动力股份有限公司
IPC: G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/57
Abstract: 本发明涉及应用于攻击场景下的分布式学习聚合方法、存储介质和程序产品。该方法包括：构建包含n个节点和单个参数服务器的异构分布式学习系统；参数服务器获取各个节点的梯度；基于接收的各个节点的梯度，参数服务器获取各个节点梯度的范数与方向；基于各个节点梯度的范数与方向，参数服务器计算各个梯度的保留概率，并进行概率筛选，确定保留梯度；根据梯度筛选结果，参数服务器获取各个保留梯度的平均值，根据各个保留梯度的平均值，进行全局模型参数的迭代优化，利用最终优化后的全局模型参数对异构分布式学习系统进行性能评估。本发明将梯度的范数与方向信息相结合，通过概率筛选实现了在异构分布式机器学习环境下保持拜占庭鲁棒性的目标。
-
公开(公告)号：CN118643055A
公开(公告)日：2024-09-13
申请号：CN202411102971.7
申请日：2024-08-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/242 , G06F21/62
Abstract: 本发明属于数据安全技术领域，具体涉及一种多属性成本约束下的隐私保护动态空间关键字查询方法、装置、电子设备及存储介质。该方法包括：数据拥有者利用密钥加密空间对象以及构建安全树索引并上传至云服务器；用户向服务代理发送包含更新信息的请求，服务代理利用密钥加密更新信息生成更新陷门和更新空间对象的加密结果，用以更新安全树索引和加密空间对象；用户向服务代理发送包含搜索信息的请求，服务代理基于密钥和搜索信息生成搜索陷门，用以在安全树索引中搜索目标空间对象并计算其综合属性成本指数，以得到有序的#imgabs0#密文集合，对该#imgabs1#密文集合解密得到结果集，最后根据结果集找到相应密文信息并返回给用户进行解密。
-
公开(公告)号：CN118606634A
公开(公告)日：2024-09-06
申请号：CN202411080709.7
申请日：2024-08-08
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: G06F18/10 , G06F18/214 , G06F18/24 , G06N20/00
Abstract: 本发明属于分布式机器学习的技术领域，具体涉及一种基于衰减噪声扰动的自适应保隐私分布式学习方法及装置。所述方法包括：根据节点裁剪后的样本梯度获取其本地梯度，节点的裁剪阈值随迭代轮次的增加而减小；对本地梯度注入高斯噪声，高斯噪声的强度随迭代轮次的增加成阶梯式衰减；聚合节点在每轮迭代中注入高斯噪声后的本地梯度，并利用聚合后的梯度更新本地模型参数，将更新后的本地模型参数广播给相邻节点进行参数更新；再聚合相邻节点更新后的模型参数，用于下一次迭代。本发明通过添加噪声以有效保护数据隐私，同时减小噪声误差保证数据的准确性。
-
公开(公告)号：CN118503425A
公开(公告)日：2024-08-16
申请号：CN202410664829.5
申请日：2024-05-27
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智能科技有限公司
IPC: G06F16/35 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于轻量化图卷积网络的层次文本分类方法及系统，获取待分类的新闻正文文本数据，和新闻正文文本数据对应的带有层次结构的标签；将获取的数据，输入到训练后的文本分类网络中，输出文本分类结果；训练后的文本分类网络，采用第一BERT编码器对待分类的新闻正文文本数据进行编码处理，得到正文文本特征表示；采用轻量化图卷积网络对带有层次结构的标签进行特征提取，得到标签文本表示；采用注意力机制层对正文文本表示和标签文本表示进行处理，得到标签感知正样本；采用第二BERT编码器，对标签感知正样本进行处理，得到标签感知正样本表示；采用分类器，对正文文本特征表示和标签感知正样本表示进行分类，得到文本分类结果。
-
公开(公告)号：CN117972795B
公开(公告)日：2024-06-11
申请号：CN202410382369.7
申请日：2024-04-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于数据安全的技术领域，更具体地，涉及一种基于异或过滤器的密态空间关键字安全检索方法及装置。该方法包括：数据拥有者端基于安全异或过滤器和地理哈希编码构建安全树索引，使用密钥对空间文本数据集进行加密，并将安全树索引及加密的空间文本数据集上传云服务器端；用户端给定查询，基于查询生成陷门并上传云服务器端；云服务器端根据陷门在安全树索引中搜索目标空间对象，并将由目标空间对象的密文构成的结果集返回给用户端；用户端根据结果集查询完整的密文信息，并使用密钥对密文信息进行解密，得到明文信息。本发明实现在一定空间范围内返回用户期望查询的空间文本数据信息并提供隐私保护，同时提高查询结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117707747B
公开(公告)日：2024-05-24
申请号：CN202410166795.7
申请日：2024-02-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了基于资源使用率预测的作业超量分配调度方法及系统，涉及高性能计算的作业调度技术领域，若目标作业为长作业，则将长作业注册到资源使用率预测模块的工作队列中，获取实时的各节点的资源使用率数据，并输入至资源使用率预测模块预测所有运行长作业的节点未来设定时间各类资源的使用率情况，并使用调度算法根据资源使用率预测模型输出的预测数据确定最优运行节点；若目标作业为短作业，则根据其总体资源使用率的估计值在所有运行长作业的节点中进行匹配，并分配到最佳匹配节点；本公开有效解决了集群中的资源闲置问题。
-
公开(公告)号：CN116862021B
公开(公告)日：2024-05-03
申请号：CN202310953891.1
申请日：2023-07-31
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06N20/00
Abstract: 本发明公开了一种基于信誉评估的抗拜占庭攻击的去中心化学习方法及系统，涉及人工智能与信息安全交叉技术领域，该方法包括：基于获取的分布式网络中各个节点的训练数据，通过不断迭代训练实现去中心化学习，其训练过程中：分布式网络中的每一节点获取自节点的邻居节点当前轮次的局部参数，以此计算每一邻居节点当前轮次的信誉贡献值和信誉损失值，确定信誉有效值，进而确定自节点及其每一邻居节点的全局历史信誉值；基于全局历史信誉值为自节点及其每一邻居节点分配权重，进而更新自节点的局部参数并发送至邻居节点。本发明构建信誉评估机制，建立全局历史信誉值模型，通过权重分配，降低拜占庭攻击的影响，达到保护学习模型的目的。
-
公开(公告)号：CN117667606A
公开(公告)日：2024-03-08
申请号：CN202410146277.9
申请日：2024-02-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F11/30 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本公开提供了基于用户行为的高性能计算集群能耗预测方法及系统，涉及高性能计算、云计算技术领域，获取实时监视的所有处于活跃状态的用户会话以及各节点、机柜的能耗数据；提取用户会话中的用户行为序列，对所述用户行为序列进行分类编码并转换为图数据结构；将所述图数据结构输入至用户行为预测模型中，预测未来设定时间内的行为序列并作为协变量；将所述协变量与能耗数据进行数据合并、扩充特征序列，获取包含用户行为信息的高维时序能耗数据，将所述高维时序能耗数据输入至能耗预测模型中，得到对集群各机柜、节点未来设定时间内的能耗预测值。本公开考虑用户行为对能耗的影响，从而实现更精准的预测。
-
公开(公告)号：CN117370288A
公开(公告)日：2024-01-09
申请号：CN202311223122.2
申请日：2023-09-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/174 , G06F16/13 , G06F16/22 , G06F16/23 , G06F16/2455 , G06F9/50
Abstract: 本发明涉及一种基于热点预测的Hudi异步压缩的方法和系统，包括：步骤一：将原始数据入湖和更新操作后的数据入湖；步骤二：数据入湖后，获取数据集；步骤三：基于获取的时间戳和数据操作的次数，采用训练好的LSTM模型预测热点时间段和非热点时间段；步骤四：基于训练好的LSTM模型输出的预测热点时间段和非热点时间段，执行数据异步压缩。本发明兼顾提升查询效率和获得较新的数据。解决了MOR表默认同步压缩会造成计算资源浪费的问题，以实现计算资源负载均衡，提高了资源利用率。
-
公开(公告)号：CN116739114B
公开(公告)日：2023-12-19
申请号：CN202310993716.5
申请日：2023-08-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及部署在聚合服务器上对抗模型投毒攻击的联邦学习方法及装置，属于数据安全计算机模型的技术领域。本发明旨在提高联邦学习系统的鲁棒性、提供模型的准确性，以应对模型投毒攻击并达到保护本地数据隐私的技术效果，即通过在模型更新聚合过程中引入鲁棒性机制，以过滤恶意更新和提高系统的整体性能。例如，使用加权聚合方法来剔除恶意参与者的贡献，或者使用去噪和修复技术来降低恶意本地模型的影响。
-
-
-
-
-
-
-
-
-
Search Results
290
records
(took 0.063 seconds)
