-
公开(公告)号：CN117332846A
公开(公告)日：2024-01-02
申请号：CN202211503708.X
申请日：2022-11-28
摘要： 本发明涉及边缘计算下的隐私保护领域，特别是涉及一种体联网环境下的边缘智能协同隐私保护方法。目的在于解决应用在边缘计算场景下的联邦学习需要耗费大量的通信成本，同时面临各种攻击手段会影响隐私保护的效率以及安全性的问题。主要方案包括定义轻量级边缘智能协同联邦学习框架EdgeFL，对神经网络模型的层次分为不同块，然后分别在用户移动设备和机构私有服务器训练，然后云数据中心进行模型参数聚合；云数据中心得到本轮私有服务器上传的模型参数后，计算差值添加差分扰动后更新云数据中心的模型参数，并将更新后的模型参数用作下一轮训练，下发给私有机构进行下一轮训练。
-
公开(公告)号：CN115712467A
公开(公告)日：2023-02-24
申请号：CN202211452770.0
申请日：2022-11-21
IPC分类号： G06F9/445 , G06F9/48 , G06F16/215 , G06F21/64 , G06N3/0442 , G06N3/08
摘要： 本发明涉及边缘计算领域，特别是涉及一种边缘计算PLD任务卸载方法、装置及存储介质。目的在于解决上述现有技术存在的缺点会影响任务卸载策略的效率，在数据量较大时往往存在较大的误差与资源消耗，为系统带来较大负担的问题。主要方案包括获取集群中系统整体的历史任务卸载情况数据，并对数据进行清洗；构建PLD模型所需的三大空间，采用LSTM模型与DQN模型构建PLD模型，并将清洗后的历史数据通过三大空间输入到PLD模型中完成预测模型训练；将即将到来的任务数据输入训练好的PLD模型，得到集群系统对每个任务的任务卸载策略。
-
公开(公告)号：CN117294460B
公开(公告)日：2024-09-27
申请号：CN202211503349.8
申请日：2022-11-28
摘要： 本发明涉及边缘计算下的隐私保护领域，特别是涉及边缘计算下的一种边缘计算下的轻量级联邦学习隐私保护方法。目的在于解决联邦学习过程中隐私泄露的风险的方案，需消耗大量的时间和空间，不适用于边缘计算下实时性的应用场景的问题。主要方案包括采用不同的终端设备负责进行神经网络模型训练，而边缘服务器和云服务器进行神经网络模型参数聚合；在终端设备训练得到神经网络模型参数后，对其进行差分扰动，再上传给边缘服务器，边缘服务器迭代训练得到神经网络模型参数后，对神经网络模型参数进行同态加密后传输到云服务器进行聚合；在终端设备上、边缘服务器，设置一个阈值，当训练次数达到阈值时，神经网络模型参数上传到云服务器进行聚合更新。
-
公开(公告)号：CN117294460A
公开(公告)日：2023-12-26
申请号：CN202211503349.8
申请日：2022-11-28
摘要： 本发明涉及边缘计算下的隐私保护领域，特别是涉及边缘计算下的一种边缘计算下的轻量级联邦学习隐私保护方法。目的在于解决联邦学习过程中隐私泄露的风险的方案，需消耗大量的时间和空间，不适用于边缘计算下实时性的应用场景的问题。主要方案包括采用不同的终端设备负责进行神经网络模型训练，而边缘服务器和云服务器进行神经网络模型参数聚合；在终端设备训练得到神经网络模型参数后，对其进行差分扰动，再上传给边缘服务器，边缘服务器迭代训练得到神经网络模型参数后，对神经网络模型参数进行同态加密后传输到云服务器进行聚合；在终端设备上、边缘服务器，设置一个阈值，当训练次数达到阈值时，神经网络模型参数上传到云服务器进行聚合更新。
-
公开(公告)号：CN115712972A
公开(公告)日：2023-02-24
申请号：CN202211453973.1
申请日：2022-11-21
IPC分类号： G06F30/18 , G06F30/27 , G06F119/02
摘要： 本发明属于网络安全领域，提供了一种基于深度学习的边缘计算环境下的DDos检测方法。主旨在于解决因为边缘节点算力受限、存储空间小、网络波动大的环境问题，无法部署应用的问题。主要方案包括搭建了预处理层，对输入的网络流量数据依次进行过滤脏数据、归一化处理、攻击类型标签统计分析，利用Smote算法上采样稀疏类、对稠密类进行下采样以此平衡标签类别；模型构建；将预处理后的网络流量数据划分得到训练集和测试集，通过训练集和测试集输入到模型中进行训练，得到训练好的模型；将训练好的模型部署到边缘节点中，搜集节点中的网络流量数据，使用预处理层来处理流量数据后送入部署的模型进行实时DDos预测。
-
公开(公告)号：CN115712467B
公开(公告)日：2024-10-01
申请号：CN202211452770.0
申请日：2022-11-21
IPC分类号： G06F9/445 , G06F9/48 , G06F16/215 , G06F21/64 , G06N3/0442 , G06N3/08
摘要： 本发明涉及边缘计算领域，特别是涉及一种边缘计算PLD任务卸载方法、装置及存储介质。目的在于解决上述现有技术存在的缺点会影响任务卸载策略的效率，在数据量较大时往往存在较大的误差与资源消耗，为系统带来较大负担的问题。主要方案包括获取集群中系统整体的历史任务卸载情况数据，并对数据进行清洗；构建PLD模型所需的三大空间，采用LSTM模型与DQN模型构建PLD模型，并将清洗后的历史数据通过三大空间输入到PLD模型中完成预测模型训练；将即将到来的任务数据输入训练好的PLD模型，得到集群系统对每个任务的任务卸载策略。
-
公开(公告)号：CN116258353A
公开(公告)日：2023-06-13
申请号：CN202310538895.3
申请日：2023-05-15
申请人： 民航成都信息技术有限公司 , 电子科技大学
IPC分类号： G06Q10/0631 , G06Q50/30
摘要： 本发明涉及航班地勤保障技术领域，尤其涉及航班地勤节点执行序列的确定方法、装置、设备及介质，该方法包括：对执行用户序列或执行顺序序列中，部分航班地勤节点的执行用户或部分航班对应的执行顺序进行交叉、变异，得到交叉执行序列和变异执行序列；从所有初始执行序列、所有交叉执行序列和所有变异执行序列中筛选出最新的初始执行序列；若最新的初始执行序列的数量小于预设数量，则继续交叉、变异；否则，将最新的初始执行序列确定为目标执行序列。通过本申请的方式，能够确定目标执行序列，以执行所有航班地勤节点，提高了执行航班地勤节点的执行效率。
-
公开(公告)号：CN115563650A
公开(公告)日：2023-01-03
申请号：CN202211262070.5
申请日：2022-10-14
摘要： 本发明公开了一种基于联邦学习实现医疗数据的隐私保护系，涉及医疗数据管理技术领域，包括医疗终端设备、医疗边缘服务器和医疗云中心服务器；医疗终端设备可通过变分建模对医疗数据进行预处理以实现隐私增强并得到模型训练数据；医疗边缘服务器用于将模型训练数据传入多模态模型，筛选得到生命体征区域特征，对全局医疗模型进行训练，得到局部模型，在局部模型梯度中加入本地微分扰动噪声；初始化和更新全局医疗模型。本发明为基于联邦学习的云边、智能、安全、可信的架构，能实现云边智能协同下的医疗模型训练；实现了医疗数据多模态融合的细粒度分类，提高了模型的准确率；将变分建模和差分隐私集成到系统架构中，确保医疗数据的高机密性。
-
公开(公告)号：CN114244456A
公开(公告)日：2022-03-25
申请号：CN202111589637.5
申请日：2021-12-23
申请人： 电子科技大学
IPC分类号： H04B17/336 , G06N3/04 , G06K9/62 , G06V10/764
摘要： 本发明公开了一种基于生成对抗网络的无线电数据增扩与分类方法，利用GAN捕获样本数据分布，生成具有原始数据分布特征的高质量“伪造”数据，从而解决获取无线调制数据困难与成本较高的问题；优化了调制数据分类模型，提出了调制分类模型AMCST，提高了调制数据的分类准确率。通过在公共数据集上的实验，证明了所提出的数据增扩方法可以极大地提高调制分类模型AMCST分类准确率。在未来的工作中，本发明将研究其他深度学习模型，如变分自编码器及其变种，在调制数据增扩领域的应用。
-
-
-
-
-
-
-
-
搜索结果
91 条记录 (耗时 0.051 秒)
