一种面向移动终端应用的数字对象可信存证方法和系统

    公开(公告)号:CN115168916A

    公开(公告)日:2022-10-11

    申请号:CN202210888353.4

    申请日:2022-07-26

    Abstract: 本发明提供了一种面向移动终端应用的数字对象可信存证方法和系统,本发明实施例涉及计算机技术领域,旨在提高存储数字对象的变化记录时的可信度。包括:根据用户的输入操作生成数字对象的变化记录,数字对象包括由移动终端应用产生的数据封装形成的数字对象;对变化记录进行校验,在校验通过后,将变化记录放入缓冲池中;根据缓冲池中的变化记录生成待共识区块;待共识区块包括对缓冲池中的变化记录进行打包得到普通区块,和通过Kmeans算法定期生成的状态树调整区块,状态树调整区块用于将数字对象状态树中具有相同变化规律的数字对象对应的叶子节点调整到同一最小子树下;通过区块共识算法将待共识区块存储在各个节点中。

    泛在环境下的数字对象仓库节点共识组划分方法和装置

    公开(公告)号:CN115473895B

    公开(公告)日:2023-09-12

    申请号:CN202211068409.8

    申请日:2022-09-01

    Abstract: 本申请提供了一种泛在环境下的数字对象仓库节点共识组划分方法和装置,属于数字对象架构技术领域,本申请实施例基于节点的位置信息将其映射在一个二维平面,并通过构建泰森多边形对节点进行划分,将空间距离临近的节点划分在同一个共识组内,有效减小节点与节点之间的网络延迟,提高分片性能;同时将整个泰森多边形分布式地保存在节点中,根据泰森多边形的特性,某个节点的动态变化仅会影响临近的常数个单元格,因此能够以较小的开销,实现共识组内动态节点的自适应调整,使得分片区块链技术能够在泛在环境下发挥其优势,进而保障数字对象访问事务记录的高效可信。

    泛在环境下的数字对象仓库节点共识组划分方法和装置

    公开(公告)号:CN115473895A

    公开(公告)日:2022-12-13

    申请号:CN202211068409.8

    申请日:2022-09-01

    Abstract: 本申请提供了一种泛在环境下的数字对象仓库节点共识组划分方法和装置,属于数字对象架构技术领域,本申请实施例基于节点的位置信息将其映射在一个二维平面,并通过构建泰森多边形对节点进行划分,将空间距离临近的节点划分在同一个共识组内,有效减小节点与节点之间的网络延迟,提高分片性能;同时将整个泰森多边形分布式地保存在节点中,根据泰森多边形的特性,某个节点的动态变化仅会影响临近的常数个单元格,因此能够以较小的开销,实现共识组内动态节点的自适应调整,使得分片区块链技术能够在泛在环境下发挥其优势,进而保障数字对象访问事务记录的高效可信。

    基于去中心化梯度聚合的跨孤岛联邦学习模型训练方法

    公开(公告)号:CN119558430B

    公开(公告)日:2025-05-02

    申请号:CN202510113522.0

    申请日:2025-01-24

    Abstract: 本申请公开了一种基于去中心化梯度聚合的跨孤岛联邦学习模型训练方法,应用于本地服务器,属于数据模型训练领域,包括:在本地训练轮次落后于全局训练轮次的情况下,对训练梯度数据进行过滤以获得诚实训练梯度数据,并根据诚实训练梯度数据对本地数据模型的配置对本地数据模型进行训练;根据更新训练梯度数据,向外地服务器发起更新申请,以使得外地服务器进行更新,并根据更新结果对本地训练轮次更新;在获取到的聚合申请达到预设数量时,对全局训练轮次和训练梯度数据进行更新。本申请消除了中央服务器的同时,提高了跨孤岛联邦学习模型训练的安全性、可靠性和训练效率,解决了模型训练安全性低和网络开销大的问题。

    基于去中心化梯度聚合的跨孤岛联邦学习模型训练方法

    公开(公告)号:CN119558430A

    公开(公告)日:2025-03-04

    申请号:CN202510113522.0

    申请日:2025-01-24

    Abstract: 本申请公开了一种基于去中心化梯度聚合的跨孤岛联邦学习模型训练方法,应用于本地服务器,属于数据模型训练领域,包括:在本地训练轮次落后于全局训练轮次的情况下,对训练梯度数据进行过滤以获得诚实训练梯度数据,并根据诚实训练梯度数据对本地数据模型的配置对本地数据模型进行训练;根据更新训练梯度数据,向外地服务器发起更新申请,以使得外地服务器进行更新,并根据更新结果对本地训练轮次更新;在获取到的聚合申请达到预设数量时,对全局训练轮次和训练梯度数据进行更新。本申请消除了中央服务器的同时,提高了跨孤岛联邦学习模型训练的安全性、可靠性和训练效率,解决了模型训练安全性低和网络开销大的问题。

    一种服务器无感知的信息抽取方法

    公开(公告)号:CN118467734B

    公开(公告)日:2024-11-12

    申请号:CN202410632156.5

    申请日:2024-05-21

    Abstract: 本申请提供了一种服务器无感知的信息抽取方法,涉及信息抽取技术领域,该方法包括:获取原始数据文件和信息抽取模板名称;对原始数据文件进行标准化预处理,转换为标准格式文件;根据信息抽取模板名称,在数据库中检索得到目标模板,目标模板至少包括:字段、每个字段的解释性文本、每个字段的备注信息;针对目标模板中的每个字段,获取一个或多个匹配的候选信息抽取函数;从候选信息抽取函数中,确定目标信息抽取函数;根据每个字段的目标信息抽取函数,生成信息抽取任务;利用标准格式文件,执行信息抽取任务,得到信息抽取结果。

    数联网可靠日志记录管理构建组装方法及日志溯源方法

    公开(公告)号:CN118689858A

    公开(公告)日:2024-09-24

    申请号:CN202410717330.6

    申请日:2024-06-04

    Abstract: 本申请涉及数联网技术领域,公开了一种数联网可靠日志记录管理构建组装方法及日志溯源方法。其中,数联网可靠日志记录管理构建组装方法包括:构建日志溯源系统,包括:处理单元、检索库及分布式账本;通过分布式账本,以区块链的形式将用户日志数据存储在分布式环境中,其中,每个用户日志数据具有对应的日志哈希值;通过检索库,将分布式账本中存储的用户日志数据的日志索引存储在分布式环境中;日志索引包括:用户日志数据的关键字信息及对应的日志哈希值;通过处理单元,根据用户在操作界面提交的目标检索字段,从检索库中查找对应的目标日志哈希值;根据目标日志哈希值,从分布式账本中查找对应的目标用户日志数据,并返回给用户。采用本方法能够确保不同主体间跨主体日志数据的互信,提高日志检索溯源的效率。

    一种服务器无感知的信息抽取方法

    公开(公告)号:CN118467734A

    公开(公告)日:2024-08-09

    申请号:CN202410632156.5

    申请日:2024-05-21

    Abstract: 本申请提供了一种服务器无感知的信息抽取方法,涉及信息抽取技术领域,该方法包括:获取原始数据文件和信息抽取模板名称;对原始数据文件进行标准化预处理,转换为标准格式文件;根据信息抽取模板名称,在数据库中检索得到目标模板,目标模板至少包括:字段、每个字段的解释性文本、每个字段的备注信息;针对目标模板中的每个字段,获取一个或多个匹配的候选信息抽取函数;从候选信息抽取函数中,确定目标信息抽取函数;根据每个字段的目标信息抽取函数,生成信息抽取任务;利用标准格式文件,执行信息抽取任务,得到信息抽取结果。

Patent Agency Ranking