公开(公告)号：CN117763201A

公开(公告)日：2024-03-26

申请号：CN202311611021.2

申请日：2023-11-28

Applicant: 北京大学重庆大数据研究院

Inventor： 陈钟 ,  何逸飞 ,  陈潇宸 ,  王珂 ,  任立峰 ,  高健博 ,  韩亚

IPC: G06F16/901 ,  G06Q40/04

Abstract: 本申请公开了一种数据处理方法及装置、非易失性存储介质。其中，该方法包括：将待处理数据表示为数组data[1…n]，n为大于1的整数；将数组组织为升序排列的默克尔树，其中，默克尔树的叶子节点用于存放待处理数据的哈希值，默克尔树的内部节点的值由内部节点所有子节点的值排列起来并做哈希运算得到；基于零知识证明协议对表示为默克尔树形式的待处理数据进行预检验处理。本申请解决了数据要素作为一种产品，在交易流通环节存在信任成本与磋商成本较高的技术问题。

公开(公告)号：CN119990362A

公开(公告)日：2025-05-13

申请号：CN202411989397.1

申请日：2024-12-31

Applicant: 北京大学 ,  北京大学重庆大数据研究院

Inventor： 关志 ,  陈钟 ,  何逸飞 ,  任立峰 ,  韩亚

IPC: G06N20/00

Abstract: 本发明公开一种平衡本地与全局贡献的联邦学习激励方法及系统，属于联邦学习技术领域。所述方法包括：向所有的节点发送全局模型Gt‑1，以使各节点在本地训练数据上进行所述全局模型Gt‑1的训练，得到本地模型#imgabs0#其中，t为联邦学习的训练轮次，i为节点序号；聚合所述本地模型#imgabs1#生成全局模型Gt；利用验证数据集对全局模型Gt和本地模型#imgabs2#进行验证，得到全局模型Gt的准确率gt和本地模型#imgabs3#的准确率#imgabs4#基于所述准确率gt和所述准确率#imgabs5#计算每一节点在第t轮联邦学习中得到的综合激励值#imgabs6#并根据所述综合激励值#imgabs7#向该节点发放奖励。本发明能够提高优秀节点的收益、降低不良节点对优秀节点的挤压，对优化联邦学习环境有着良好助益。

公开(公告)号：CN119990361A

公开(公告)日：2025-05-13

申请号：CN202411968906.2

申请日：2024-12-30

Applicant: 北京大学 ,  北京大学重庆大数据研究院

Inventor： 关志 ,  陈钟 ,  何逸飞 ,  任立峰 ,  韩亚

IPC: G06N20/00 ,  G06F18/21

Abstract: 本发明公开一种缓解流调数据节点漂移问题的联邦学习方法及系统，属于联邦学习技术领域。所述方法包括：向所有的节点发送全局模型gt，以获取各节点基于本地数据生成的本地模型#imgabs0#其中，t为联邦学习的训练轮次，i为节点序号；对每一个本地模型#imgabs1#进行标准化操作，得到标准化模型#imgabs2#利用验证数据集对标准化模型#imgabs3#进行验证，并基于效果最优的m个标准化模型#imgabs4#生成全局模型gt+1；利用验证数据集对全局模型gt+1进行检验，并当所述全局模型gt+1的效果满足需求的情况下，结束联邦学习训练。本发明可以有效减少不同本地模型之间的差异，消除节点漂移，让联邦学习更专注于既定目标。