-
公开(公告)号：CN118886065B
公开(公告)日：2024-12-27
申请号：CN202411364722.5
申请日：2024-09-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/62 , G06N3/098 , G06F18/213
Abstract: 本发明属于遗忘学习的技术领域，更具体地，涉及一种基于分布式转换的遗忘学习方法、装置及存储介质。所述方法包括获取用户隐私数据X以及X对应的数据标签Y形成数据集；设计遗忘模块并对使用用户隐私数据X进行训练，所述遗忘模块包括遗忘工具、工具格式转换、遗忘操作；将用户隐私数据X输入遗忘模块，通过优化函数进行优化；训练达到设置训练阈值或者设置的遗忘准确率结束。本发明解决了在遗忘学习云服务场景下用户在不依赖云服务器的情况下无法定义自己的遗忘方法，泄露用户隐私数据的问题。
-
Patent Agency Ranking
公开(公告)号：CN118886065A
公开(公告)日：2024-11-01
申请号：CN202411364722.5
申请日：2024-09-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/62 , G06N3/098 , G06F18/213
Abstract: 本发明属于遗忘学习的技术领域，更具体地，涉及一种基于分布式转换的遗忘学习方法、装置及存储介质。所述方法包括获取用户隐私数据X以及X对应的数据标签Y形成数据集；设计遗忘模块并对使用用户隐私数据X进行训练，所述遗忘模块包括遗忘工具、工具格式转换、遗忘操作；将用户隐私数据X输入遗忘模块，通过优化函数进行优化；训练达到设置训练阈值或者设置的遗忘准确率结束。本发明解决了在遗忘学习云服务场景下用户在不依赖云服务器的情况下无法定义自己的遗忘方法，泄露用户隐私数据的问题。
-
公开(公告)号：CN118094441B
公开(公告)日：2024-07-23
申请号：CN202410486716.0
申请日：2024-04-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2433 , G06F18/213 , G06N3/0464 , G06N20/20 , H04L9/40 , H04L67/12 , G06Q50/06
Abstract: 本发明属于智能电网窃电检测隐私保护技术领域，更具体地，涉及一种基于相对熵优化的双重隐私保护电力盗窃检测方法。本方法包括：边缘服务器对本地用电数据进行分配转换得到最终转换数据；检测服务器建立检测模型，利用集成学习训练检测模型；边缘服务器将基于得到的最终转换数据上传到检测服务器，检测模型提取最终转换数据的中间特征输出到边缘服务器；边缘服务器构建后处理神经网络，通过检测模型返回的中间特征判断信息为积极或消极，确定是否发生窃电行为。本发明解决了现有技术中缺乏对用电量数据隐私性和检测模型的同步关注、在推理阶段缺乏对隐私的关注和推理效率较低和传输存储成本较高等问题。
-
公开(公告)号：CN117610080B
公开(公告)日：2024-04-19
申请号：CN202410094639.4
申请日：2024-01-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/62 , G06F18/213
Abstract: 本发明属于信息技术的图像编码技术领域，更具体地，涉及一种基于信息瓶颈的医学图像脱敏方法。所述方法包括获取患者隐私数据以及对应的数据标签；设计PM模型，所述PM模型包括特征提取模块、特征分布变换模块和特征对抗性重构模块；将患者隐私数据输入PM模型映射为查询数据，并通过优化函数进行优化；将数据集输入医学云模型，输出查询数据标签；利用分割学习的方法更新PM。本发明解决了现有技术中患者在不依赖医学云端服务器的情况下无法定义自己的PM，泄露患者隐私的问题。
-
公开(公告)号：CN117610080A
公开(公告)日：2024-02-27
申请号：CN202410094639.4
申请日：2024-01-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/62 , G06F18/213
Abstract: 本发明属于信息技术的图像编码技术领域，更具体地，涉及一种基于信息瓶颈的医学图像脱敏方法。所述方法包括获取患者隐私数据以及对应的数据标签；设计PM模型，所述PM模型包括特征提取模块、特征分布变换模块和特征对抗性重构模块；将患者隐私数据输入PM模型映射为查询数据，并通过优化函数进行优化；将数据集输入医学云模型，输出查询数据标签；利用分割学习的方法更新PM。本发明解决了现有技术中患者在不依赖医学云端服务器的情况下无法定义自己的PM，泄露患者隐私的问题。
-
公开(公告)号：CN118094441A
公开(公告)日：2024-05-28
申请号：CN202410486716.0
申请日：2024-04-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2433 , G06F18/213 , G06N3/0464 , G06N20/20 , H04L9/40 , H04L67/12 , G06Q50/06
Abstract: 本发明属于智能电网窃电检测隐私保护技术领域，更具体地，涉及一种基于相对熵优化的双重隐私保护电力盗窃检测方法。本方法包括：边缘服务器对本地用电数据进行分配转换得到最终转换数据；检测服务器建立检测模型，利用集成学习训练检测模型；边缘服务器将基于得到的最终转换数据上传到检测服务器，检测模型提取最终转换数据的中间特征输出到边缘服务器；边缘服务器构建后处理神经网络，通过检测模型返回的中间特征判断信息为积极或消极，确定是否发生窃电行为。本发明解决了现有技术中缺乏对用电量数据隐私性和检测模型的同步关注、在推理阶段缺乏对隐私的关注和推理效率较低和传输存储成本较高等问题。
-
-
-
-
-
Search Results
6
records
(took 0.099 seconds)
