公开(公告)号：CN116842567A

公开(公告)日：2023-10-03

申请号：CN202310824435.7

申请日：2023-07-06

Applicant: 南京大学

Inventor： 仝伟 ,  陈文杰 ,  仲盛

IPC: G06F21/62 ,  G06F21/60 ,  G06N5/025

Abstract: 本发明公开一种两方参与的频繁项数据挖掘的隐私保护方法，通过两个参与方A和B实施方法，其中每个参与方各自拥有一些键值对。在A和B本地，参与方A和B先对本地大量的数据进行排序，排序之后互相约定长度对本地数组进行剪切，只保留较少的一部分数据。之后，参与方A和B通过安全计算合并各自的数组成为一个大的共享数组，实现秘密共享，并在这之上利用安全比较对共享数组进行安排排序。最后Top‑k选取，通过差分隐私的指数机制，从上一步排序的结果中选出Top‑k的结果。

公开(公告)号：CN115661583A

公开(公告)日：2023-01-31

申请号：CN202211438780.9

申请日：2022-11-17

Applicant: 南京大学

Inventor： 仝伟 ,  牛嘉诚 ,  仲盛

IPC: G06V10/774 ,  G06V10/778 ,  G06V10/82 ,  G06F21/62 ,  H04L67/10

Abstract: 本发明公开一种基于边缘计算的隐私保护图像识别方法，属于图像识别，隐私保护，边缘计算领域。本发明在保护隐私的前提下，利用边缘智能设备提高图像识别精确度，能利用边缘设备提高云服务器的训练效率，首先，边缘智能设备分别利用自己的图像数据训练，分别得到结构相同的模型，作为教师模型。然后，云服务器在每次迭代时，先从训练集中随机挑选训练样本，计算梯度并加入差分隐私噪声，构建候选池并发送给边缘设备；之后每个边缘设备对候选池中的候选样本投票，选取使得收敛最快的样本，并对投票获得的向量添加差分隐私噪声；云服务器统计候选池中得票最多的训练样本，并使用此样本在此迭代中更新中心模型；云服务器的模型再发布给边缘设备，用来图像识别。

公开(公告)号：CN116312550A

公开(公告)日：2023-06-23

申请号：CN202310279206.1

申请日：2023-03-21

Applicant: 南京大学

Inventor： 童颖刚 ,  仝伟 ,  仲盛

IPC: G10L17/02 ,  G10L17/04 ,  G10L17/20

Abstract: 本发明公开了一种增强声纹检索模型鲁棒性的方法，属于声纹检索领域。本发明旨在为利用深度学习搭建语音检索模型的系统，提供一种增强鲁棒性的方法，帮助系统在遭受对抗样本攻击时依然保持一个比较良好的性能。首先，在某一次检索过程中，先对检索结果的相关性做一个排序，选出其中相对比较相关的语音。然后，针对查询语句进行一个降噪处理。之后利用降噪后的查询语音，再一次在之前选出的比较相关的语音中，再做一次查询，选出这一次的查询中比较相关的语音作为最后的查询结果。本发明能对基于深度学习的声纹检索系统提供一种增强声纹检索模型鲁棒性的方法，帮助系统更加良好的运作。