公开(公告)号：CN119316195A

公开(公告)日：2025-01-14

申请号：CN202411351334.3

申请日：2024-09-26

Applicant: 南京邮电大学

Inventor： 陈思光 ,  章霖芬 ,  缪逸峰 ,  何小明

IPC: H04L9/40 ,  H04L67/5651 ,  H04L67/10 ,  G06N3/098 ,  G06N3/0495

Abstract: 本发明公开了一种面向自然语言处理的隐私保护联邦学习方法，包括三层网络结构，各客户端将自己的梯度进行压缩，并上传压缩后的梯度到对应的边缘服务器层；各边缘服务器聚合其通信范围内的客户端接上传的压缩梯度，并将聚合后的压缩梯度发送至云服务器层；云服务器层将接收到的各边缘服务器发送的压缩梯度进行再次聚合，之后对二次聚合后的梯度进行解压缩；并在客户端上对梯度进行观测和压缩，减少了梯度泄露的可能；基于压缩感知的梯度扰动进一步使攻击者难以从嵌入层重建出相关词语，有效防止原始文本序列被重建，有效地保护客户端隐私，同时降低通信开销，并且对模型的性能仅产生轻微影响。

公开(公告)号：CN113835894B

公开(公告)日：2024-03-26

申请号：CN202111145230.3

申请日：2021-09-28

Applicant: 南京邮电大学

Inventor： 陈思光 ,  汤蓓 ,  缪逸峰

IPC: G06F9/50 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于双延迟深度确定性策略梯度的智能计算迁移方法，基于迁移决策、带宽资源分配及传输功率调节的联合考量，构建了一个最小化所有计算任务总能耗的优化问题，能够综合考虑差异化最大容忍延迟和终端电压动态可调，进一步提升系统节能效果，更加贴合动态变化的复杂网络场景；基于Actor‑Critic架构，引入连续变量离散化运算，从而求得计算迁移决策这一离散动作集合，保障变量生成的随机性，达到良好的覆盖面。同时，构造了两个初始化参数相异的Critic网络，分别对输入动作进行评估，以更好地生成全局最优计算迁移策略；融合了伯努利分布的思想，引入随机二元组，能够克服连续‑离散动作空间输出受限的问题，并保障策略网络对离散动作探索的随机性。

公开(公告)号：CN113835894A

公开(公告)日：2021-12-24

申请号：CN202111145230.3

申请日：2021-09-28

Applicant: 南京邮电大学

Inventor： 陈思光 ,  汤蓓 ,  缪逸峰

IPC: G06F9/50 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于双延迟深度确定性策略梯度的智能计算迁移方法，基于迁移决策、带宽资源分配及传输功率调节的联合考量，构建了一个最小化所有计算任务总能耗的优化问题，能够综合考虑差异化最大容忍延迟和终端电压动态可调，进一步提升系统节能效果，更加贴合动态变化的复杂网络场景；基于Actor‑Critic架构，引入连续变量离散化运算，从而求得计算迁移决策这一离散动作集合，保障变量生成的随机性，达到良好的覆盖面。同时，构造了两个初始化参数相异的Critic网络，分别对输入动作进行评估，以更好地生成全局最优计算迁移策略；融合了伯努利分布的思想，引入随机二元组，能够克服连续‑离散动作空间输出受限的问题，并保障策略网络对离散动作探索的随机性。