公开(公告)号：CN118246519A

公开(公告)日：2024-06-25

申请号：CN202410175531.8

申请日：2024-02-08

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  马兴敏 ,  董帆 ,  蒋鑫龙 ,  赵绪浩

IPC: G06N3/098 ,  G06F18/214

Abstract: 本发明提供了一种用于联邦学习的系统，包括：中心端管理模块，用于部署在中心端计算设备上，被配置为：执行联邦任务相关的一个或者多个指令，根据预设的联邦学习框架进行联邦任务的调度和对应模型的参数聚合，根据单个联邦任务的粒度和授权，分别赋予每个联邦任务访问对应联邦方计算设备上至少部分隐私数据资源的权限，并在任务结束后即时撤销权限；零信任代理模块，用于部署在参与联邦任务的联邦方计算设备上，以根据中心端模块赋予联邦任务的权限，受控地访问本地存储的对应隐私数据资源，根据预设的联邦学习框架完成对应模型的训练和推理过程；本发明通过联邦任务级别的资源访问即时授权和用后撤权，保障联邦学习过程中，隐私数据资源的安全。

公开(公告)号：CN117993458A

公开(公告)日：2024-05-07

申请号：CN202410009172.9

申请日：2024-01-02

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  董帆 ,  蒋鑫龙 ,  赵绪浩 ,  马兴敏

IPC: G06N3/08

Abstract: 本发明实施例提供了一种数据标注系统及方法，用于实现不同数据的标注任务，其特征在于，所述系统包括模型即服务端、数据标注端以及模型训练端来完成数据标注任务。本发明的方法可以能够在面临新的数据标注任务时，只需在数据标注系统中选择新的版本或新的推理服务即可，无需对数据标注系统进行代码上的修改，并且可以做到对深度学习模型进行灵活的调用与更新，同时该数据标注系统能够在数据不泄露的条件下对待标注数据进行快速标注。进一步地，可以在本发明的数据标注系统中基于数据标注端标注的数据对模型即服务端中已经存储过的深度学习模型或新的深度学习模型进行训练，以更新或增加模型即服务端中的深度学习模型，从而提高数据标注的准确率。

公开(公告)号：CN120030364A

公开(公告)日：2025-05-23

申请号：CN202510217534.8

申请日：2025-02-26

Applicant: 中国科学院计算技术研究所

Inventor： 谷洋 ,  袁禾 ,  董帆 ,  陈益强

IPC: G06F18/22 ,  G16H20/40 ,  G06F18/10 ,  G06F18/213 ,  G06F18/243 ,  G06N20/20

Abstract: 本发明提供了一种虚拟手术评估模型训练方法，所述方法包括：步骤S1、获取多条虚拟手术运动学数据及其各自对应的手术水平标签；步骤S2、对每条虚拟手术运动学数据进行预处理，其中，预处理包括：获取每条虚拟手术运动学数据中部分特征的特征曲线；基于每条虚拟手术运动学数据获取的多条特征曲线，以每条特征曲线上多个坐标构成的面积来确定每条特征曲线上部分时间点对应的面积特征；将每条虚拟手术运动学数据获取的多条特征曲线上部分时间点对应的面积特征添加至自身虚拟手术运动学数据中，得到预处理后的每条虚拟手术运动学数据；步骤S3、以预处理后的多条虚拟手术运动学数据训练虚拟手术评估模型直至模型收敛。