边缘网络中的分组集成蒸馏联邦学习方法

    公开(公告)号:CN115526342A

    公开(公告)日:2022-12-27

    申请号:CN202211061458.9

    申请日:2022-08-31

    Abstract: 本发明公开了一种边缘网络中的分组集成蒸馏联邦学习方法,涉及机器学习技术领域,包括:对确定的Client设备进行分组,每组包括一个Leader设备和若干attender设备;对于每一组Client设备,均对全局模型进行N轮集成蒸馏联邦训练;每组Client设备中的Leader设备将训练得到的全局模型参数返回给边缘服务器;边缘服务器对接收到的所有全局模型参数进行聚合处理,之后进行测试,若得到的联邦学习Loss数据收敛,则联邦学习结束,否则将聚合处理后的全局模型参数下发给Leader设备,Leader设备据此更新本地最近训练过的全局模型。本发明通过对具有不同的计算资源的端设备设置不同的模型训练,然后使用集成蒸馏的方法来进行知识迁移,提高了模型的准确率,同时避免了服务器进行复杂的模型训练。

    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

    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

    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。

    基于元路径的属性重边异质网络嵌入方法

    公开(公告)号:CN112860814A

    公开(公告)日:2021-05-28

    申请号:CN202110190654.5

    申请日:2021-02-18

    Abstract: 本发明公开了一种基于元路径的属性重边异质网络嵌入方法,包括以下步骤:S1:接收原始网络数据;S2:构建子网抽取模块,对原始网络数据进行处理,将原始网络数据抽取为不包含重边的子网数据;S3:将经子网抽取模块处理后形成的子网数据传入子网嵌入模块;S4:构建子网嵌入模块,并生成子网嵌入向量;S5:构建嵌入融合模块,对子网嵌入模块中新生成的嵌入向量进行语义空间的转换,使其语义一致;S6:在保证语义空间一致的前提下,对子网嵌入向量进行融合处理。本发明本文提出的嵌入方法能够对具有多重关系及关系属性网络中的节点实现更好的嵌入,可提高分类、聚类任务的性能,未来可将该方法应用于节点类型更多,关系更加复杂的网络。

    一种个体信用风险评估方法、系统、终端及存储介质

    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

    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。

    一种基于知识图谱的隐私保护数据发布风险评估方法

    公开(公告)号:CN111292008A

    公开(公告)日:2020-06-16

    申请号:CN202010139728.8

    申请日:2020-03-03

    Abstract: 本发明公开了一种基于知识图谱的隐私保护数据发布风险评估方法,方法包括以下步骤:获取数据申请者提交的信息,判断基本信息是否符合规范;将数据申请者的信息映射为RDF数据集,然后转化为知识图谱中的图数据;基于知识图谱利用相关算法完成对数据申请者的基本信息风险评估、身份异常风险评估、组团欺诈风险评估、个体信用风险评估;结合所有风险评估数据,构建风险模型,对数据申请者进行风险评分;对综合风险评估的得分进行标签化,得出风险评估结论以及具体的风险项评估结果。本方案能够自动抽取数据申请者的信息并分析风险,主动防护隐私保护数据发布的过程,大量减少了人工审核的工作量,更直观的描述了隐私保护数据发布的风险。

    基于深度学习的电信诈骗识别与防御系统

    公开(公告)号:CN107547718A

    公开(公告)日:2018-01-05

    申请号:CN201710721594.9

    申请日:2017-08-22

    Abstract: 本发明公开了一种基于深度学习的电信诈骗识别与防御系统;其包括移动端,语音听写接口和服务器端;移动端具体包括来电监听模块、语音识别模块、第一数据加密模块及业务处理模块,服务器端具体包括深度学习模块、贝叶斯文本分类器模块、第二数据加密模块及JavaWeb整合模块。本发明将深度学习技术与国密算法相结合,有效地解决了目前国内外防电信诈骗系统在诈骗电话簿更新上的滞后问题与利用语音识别所可能引发的个人信息安全问题,同时将电信诈骗的置信度作为电信诈骗识别结果,与电信诈骗套路内容及电信诈骗解决方案以三段式内容的方式进行呈现,为用户提供了全方位的提醒与协助。

Patent Agency Ranking