基于联邦学习的漏洞可利用性评估方法及其装置

    公开(公告)号:CN119377959A

    公开(公告)日:2025-01-28

    申请号:CN202310927773.3

    申请日:2023-07-25

    Abstract: 本公开提供了一种基于联邦学习的漏洞可利用性评估方法及其装置,该方法包括:获取待评估漏洞信息,其中,待评估漏洞信息包括漏洞文本信息和漏洞非文本信息;基于待评估漏洞信息,提取漏洞文本特征信息和漏洞非文本特征信息;将漏洞文本特征信息和漏洞非文本特征信息进行融合,得到融合特征信息;以及将融合特征信息输入漏洞可利用性评估模型,输出评估结果,其中,评估结果用于表征待评估漏洞信息的可利用性,漏洞可利用性评估模型是基于联邦学习,对分类模型进行训练得到的。

    一种隐私预算的确定方法
    2.
    发明公开

    公开(公告)号:CN116340968A

    公开(公告)日:2023-06-27

    申请号:CN202310123883.4

    申请日:2023-02-14

    Abstract: 本申请的实施例揭示了一种隐私预算的确定方法,所述方法包括:获取受扰特征向量,并基于所述受扰特征向量初始化节点特征;基于所述节点特征构建图数据集,并对所述图数据集进行编码,得到图嵌入;对所述图嵌入进行解码,重构邻接矩阵,并基于所述邻接矩阵确定链接预测准确性;根据所述图嵌入和部分对象的敏感属性标签,确定属性攻击准确性;对所述链接预测准确性和所述属性攻击准确性进行结果分析,得到隐私预算分析结果,通过本示例上述方法能够直接得到隐私预算分析结果,相关人员能够直观了解每一隐私预算值下链接预测准确性和所述属性攻击准确性之间的关联关系,进而能够根据实际任务使用需求选取对应的隐私预算值。

Patent Agency Ranking