-
公开(公告)号：CN115345316A
公开(公告)日：2022-11-15
申请号：CN202210823547.6
申请日：2022-07-13
Applicant: 武汉大学日照信息技术研究院
Abstract: 本发明公开了一种面向异构任务需求的联邦学习训练系统及方法，将需求偏好权衡加入训练的三个关键阶段，即超参数预估阶段、参与客户端选择阶段以及模型聚合阶段，同时在三个关键阶段提升训练质量，加快训练速度。本发明结合了线性规划和二次规划建模，线性化技术，多凸优化算法，取整算法，贪心算法等，从理论上证明了其有效性和合理性。本发明保证在完成FL任务时间和精度硬性需求的前提下高效地完成差异化定制的FL任务。
-
公开(公告)号：CN115175250A
公开(公告)日：2022-10-11
申请号：CN202210682978.5
申请日：2022-06-16
Applicant: 武汉大学日照信息技术研究院
Abstract: 本发明公开了一种保护用户地理隐私的无人机辅助卸载激励方法及系统，在考虑到无人机自身属性限制的情况下，对参与紧急情况处理的无人机集群进行选择和部署，以达到总社会成本最小化目的同时保护边缘用户的地理隐私。边缘基站运营商根据本发明可以在遇到基站失能、过载的情况下激励合适的无人机进行部署。本发明结合了线性规划建模，基于隐私保护改进的反向拍卖，K‑集合匿名和贪心算法等，从理论上证明了其有效性，合理性和保护性能。本发明保证在无人机不需要知道所有用户的具体位置下，也能高效的进行辅助流量卸载，达到让保护边缘用户地理位置隐私的同时最小化总成本。
-
公开(公告)号：CN115018069A
公开(公告)日：2022-09-06
申请号：CN202210598454.8
申请日：2022-05-30
Applicant: 武汉大学日照信息技术研究院
Abstract: 本发明公开了一种多类型映射的神经网络后门风险评估方法、系统及设备，首先在干净的样本集上训练目标模型和统计准确率。然后，根据4种映射策略构建不同的投毒训练集，训练多个植入后门的目标模型并统计准确率。最后构建攻击测试集并测试不同后门模型的攻击表现，综合各指标计算风险得分，实现目标深度学习模型的后门安全风险评估。本发明解决了深度学习模型面对后门攻击的安全风险评估问题。
-
公开(公告)号：CN115018069B
公开(公告)日：2024-09-13
申请号：CN202210598454.8
申请日：2022-05-30
Applicant: 武汉大学日照信息技术研究院
Abstract: 本发明公开了一种多类型映射的神经网络后门风险评估方法、系统及设备，首先在干净的样本集上训练目标模型和统计准确率。然后，根据4种映射策略构建不同的投毒训练集，训练多个植入后门的目标模型并统计准确率。最后构建攻击测试集并测试不同后门模型的攻击表现，综合各指标计算风险得分，实现目标深度学习模型的后门安全风险评估。本发明解决了深度学习模型面对后门攻击的安全风险评估问题。
-
-
-
Search Results
4
records
(took 0.158 seconds)
