-
公开(公告)号：CN117315388A
公开(公告)日：2023-12-29
申请号：CN202311201873.4
申请日：2023-09-18
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/54 , G06N3/0464 , G06N3/08 , G06F21/60
Abstract: 本发明公开了一种基于稀疏联邦训练的目标检测方法及装置、电子设备，使用本地数据在边缘设备上训练本地模型，只将轻量级的本地参数上传到服务器进行聚合，使用了基于稀疏联邦学习的框架来降低通信成本和保护数据隐私，并在服务器中传输和共享轻量级模型，有效解决了车联网场景中车载算力不足、通信开销大等问题，提升车辆行驶过程中目标检测的时效性和准确率；改进了传统的联邦平均算法，提出基于稀疏率反比的加权联邦聚合算法，以适配不同边缘设备上的动态稀疏率，进一步降低车联网中车载算力要求的门槛，提升车联网的普适性。
-
公开(公告)号：CN117218758A
公开(公告)日：2023-12-12
申请号：CN202311070364.2
申请日：2023-08-23
Applicant: 之江实验室
Abstract: 本说明书公开了一种电子投票的方法、装置、存储介质及电子设备，包括：根据各投票方公布的各掩码投票结果以及接收到的各初始标签值，基于预先构建的计票树，对各掩码投票结果进行统计，确定掩码统计结果以及各运算节点输出的第一结果以及中间标签值。基于同态承诺函数，生成各中间标签值的标签承诺值，并公布，使各投票方公开验证掩码统计结果。在掩码统计结果验证通过时，根据各投票方公布的掩码比特份额，对掩码统计结果进行解密，确定最终投票结果，并公布。通过验证掩码统计结果，保证统计投票结果的过程的准确性，在掩码统计结果验证通过时，采用各掩码比特份额对掩码统计结果进行解密，保证最终投票结果的准确性。
-
公开(公告)号：CN117349671A
公开(公告)日：2024-01-05
申请号：CN202311436656.3
申请日：2023-10-30
Applicant: 之江实验室
IPC: G06F18/214 , G06F21/60 , G06F21/62 , G06Q20/38
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，包括：确定用户的业务数据为训练样本以及确定训练样本对应的标注。将训练样本输入待训练的任务模型的特征提取层，确定第一特征。根据密文速查表，确定第一特征对应的加密特征，并发送给其他参与方。接收其他参与方发送的加密特征，将各加密特征输入待训练的任务模型的加密交互层，确定第二特征。将第二特征输入待训练的任务模型的输出层，确定输出结果。根据输出结果以及标注，对待训练的任务模型进行训练。基于各参与方的业务数据，联合训练多个任务模型，使得任务模型的预测结果的准确率高，通过密文速查表，确定第一特征的密文，保护用户隐私，加快任务模型训练速度。
-
公开(公告)号：CN113918507A
公开(公告)日：2022-01-11
申请号：CN202111497148.7
申请日：2021-12-09
Applicant: 之江实验室
Abstract: 本发明的一种深度学习框架适配AI加速芯片的方法和装置，具体分为三个阶段：芯片类型定义、芯片类型注册、芯片内存支持，所述芯片类型定义就是把需要支持的芯片的类型以一个枚举值的形式定义到proto文件中去，从而使得框架内部可以正确识别该芯片类型；芯片类型注册是把该芯片所需的基础设施注册到哈希表中去，便于框架在需要的时候可以根据芯片类型方便地找到相应的内容；芯片内存支持是把该芯片内存相关的操作放到框架中去，使得框架可以对芯片的存储空间进行统一管理。本发明简化了深度学习框架适配AI加速芯片的工作。
-
Patent Agency Ranking
公开(公告)号：CN117331626A
公开(公告)日：2024-01-02
申请号：CN202311181193.0
申请日：2023-09-11
Applicant: 之江实验室
Abstract: 本发明公开了一种Python模型的交付及部署方法、电子设备、介质，包括：基于装饰器注册算法函数，支持同步/异步任务调用，采用Gunicorn和Flask相结合的方式响应网络服务，插件机制进行扩展并支持Prometheus监控等功能。可使用框架create命令自动创建新的应用，进行本地调试后通过build命令打包包含框架环境的模型应用Docker镜像，并进行部署。本发明方法具有高性能、高效的算法管理、广泛的适用性和高灵活性等优点。
-
公开(公告)号：CN114218929A
公开(公告)日：2022-03-22
申请号：CN202210159700.X
申请日：2022-02-22
Applicant: 之江实验室
IPC: G06F40/253 , G06F40/284 , G06K9/62
Abstract: 一种基于元算子融合的多平台算子智能化开发系统及方法，包括：初始化器、元算子库预处理器、算子模板生成器、融合规则迭代器、算子融合器、调度策略优化器；初始化器：用于获取系统中内置的融合规则库和对应的元算子接口声明，然后将元算子接口声明转发到元算子库预处理器，将融合规则库转发到融合规则迭代器；由于算子融合器能够根据融合规则和对应的目标平台元算子，来生成目标平台的算子代码，和融合规则平台无关且易于描述，元算子的逻辑比较简单而且可以复用于多个算子。因此，本发明降低了算子开发的工程量和开发难度，且用户需要开发的算子越多，需要适配的平台越多，本发明的效果越明显。
-
公开(公告)号：CN114218929B
公开(公告)日：2022-05-17
申请号：CN202210159700.X
申请日：2022-02-22
Applicant: 之江实验室
IPC: G06F40/253 , G06F40/284 , G06K9/62
Abstract: 一种基于元算子融合的多平台算子智能化开发系统及方法，包括：初始化器、元算子库预处理器、算子模板生成器、融合规则迭代器、算子融合器、调度策略优化器；初始化器：用于获取系统中内置的融合规则库和对应的元算子接口声明，然后将元算子接口声明转发到元算子库预处理器，将融合规则库转发到融合规则迭代器；由于算子融合器能够根据融合规则和对应的目标平台元算子，来生成目标平台的算子代码，和融合规则平台无关且易于描述，元算子的逻辑比较简单而且可以复用于多个算子。因此，本发明降低了算子开发的工程量和开发难度，且用户需要开发的算子越多，需要适配的平台越多，本发明的效果越明显。
-
公开(公告)号：CN113918507B
公开(公告)日：2022-04-08
申请号：CN202111497148.7
申请日：2021-12-09
Applicant: 之江实验室
Abstract: 本发明的一种深度学习框架适配AI加速芯片的方法和装置，具体分为三个阶段：芯片类型定义、芯片类型注册、芯片内存支持，所述芯片类型定义就是把需要支持的芯片的类型以一个枚举值的形式定义到proto文件中去，从而使得框架内部可以正确识别该芯片类型；芯片类型注册是把该芯片所需的基础设施注册到哈希表中去，便于框架在需要的时候可以根据芯片类型方便地找到相应的内容；芯片内存支持是把该芯片内存相关的操作放到框架中去，使得框架可以对芯片的存储空间进行统一管理。本发明简化了深度学习框架适配AI加速芯片的工作。
-
公开(公告)号：CN117879967A
公开(公告)日：2024-04-12
申请号：CN202410148305.0
申请日：2024-02-01
Applicant: 之江实验室
Abstract: 本说明书公开了一种网站指纹防御的方法、装置、存储介质及电子设备。其中，首先获取网络流量数据集，并确定各待发送数据包，然后根据获取到的网络流量数据集中包含的流量数据包，确定该网络流量数据集中包含的流量数据包的数据内容，进而根据该网络流量数据集中包含的流量数据包的数据内容以及发送各待发送数据包的网站所对应的网站信息，确定噪音数据包，并根据获取到的噪音数据包，确定针对各待发送数据包的数据包发送序列，最后，根据确定出的数据包发送序列，将各待发送数据包进行发送，以进行网站指纹防御。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.033 seconds)
