-
公开(公告)号：CN114595830B
公开(公告)日：2024-07-05
申请号：CN202210157685.5
申请日：2022-02-21
Applicant: 武汉大学
IPC: G06N20/20 , G06F21/62 , G06F18/214
Abstract: 本发明提供了一种面向边缘计算场景下的隐私保护联邦学习方法，该方法使用双服务器架构进行模型聚合和拜占庭鲁棒。首先，服务器将初始模型参数下发到客户端中；其次，客户端利用本地数据集和初始参数进行多次迭代训练，并获得本轮次训练结果；然后，客户端对训练结果进行秘密分享处理，将其分别上传到不同服务器中；最后，双服务器进行协同的拜占庭节点检测，获取拟聚合参数，并在此基础上，进行协同的模型聚合，获得本轮全局模型训练结果。上述过程不断迭代，直到训练出最优解。该方法通过双服务器架构，解决了在保护数据隐私的同时实现对拜占庭节点的防御，计算通信开销较低，可解决边缘计算场景下的协同训练问题。
-
公开(公告)号：CN114611383A
公开(公告)日：2022-06-10
申请号：CN202210175760.0
申请日：2022-02-25
Applicant: 武汉大学
Abstract: 本发明提供了一种基于时空多尺度图卷积网络的交通流预测模型的构建方法以及交通流预测方法，具体来说，给定一个细粒度交通图，首先通过谱聚类生成一个粗粒度交通图；然后分别提取细粒度和粗粒度交通图的时空相关性，本发明充分挖掘了空间相关性，包括区域的静态不变特征和动态的空间相关性；其次，为了缓解细粒度交通图中交通流波动的负面影响，采用跨尺度融合来实现细粒度交通图和粗粒度交通图之间的信息扩散；最后，在两个真实世界的交通数据集上进行实验，选择最优参数，确定最终的结果。本发明改进了现有的交通流预测模型，使得模型可以利用粗粒度交通图中的特征，缓解细粒度交通图中交通流波动的负面影响，一定程度上提高了预测精度。
-
公开(公告)号：CN116151369A
公开(公告)日：2023-05-23
申请号：CN202211470114.3
申请日：2022-11-23
Applicant: 武汉大学
IPC: G06N3/098 , G06N3/063 , G06F18/214
Abstract: 本发明提出了一种公共审计的拜占庭鲁棒联邦学习系统及方法。本发明通过引入第三方审计服务器来对联邦学习训练过程进行审计。首先，聚合服务器向每个联邦学习客户端和审计服务器发送初始化模型参数；其次，联邦学习客户端在本地数据集上进行模型训练，并将本地模型更新上传给聚合服务器；然后，第三方审计服务器进行模型训练得到审计服务器的模型更新，并采用随机采样方法结合余弦相似度计算每个客户端与审计服务器的相似度；最后，聚合服务器将相似度作为每个客户端的权重，通过加权求平均获得全局模型更新。本发明一直执行上述流程直到达到最大训练次数。本发明在有拜占庭客户端参与时，依然可以训练出准确的模型。
-
公开(公告)号：CN114595830A
公开(公告)日：2022-06-07
申请号：CN202210157685.5
申请日：2022-02-21
Applicant: 武汉大学
Abstract: 本发明提供了一种面向边缘计算场景下的隐私保护联邦学习方法，该方法使用双服务器架构进行模型聚合和拜占庭鲁棒。首先，服务器将初始模型参数下发到客户端中；其次，客户端利用本地数据集和初始参数进行多次迭代训练，并获得本轮次训练结果；然后，客户端对训练结果进行秘密分享处理，将其分别上传到不同服务器中；最后，双服务器进行协同的拜占庭节点检测，获取拟聚合参数，并在此基础上，进行协同的模型聚合，获得本轮全局模型训练结果。上述过程不断迭代，直到训练出最优解。该方法通过双服务器架构，解决了在保护数据隐私的同时实现对拜占庭节点的防御，计算通信开销较低，可解决边缘计算场景下的协同训练问题。
-
公开(公告)号：CN114611383B
公开(公告)日：2024-08-09
申请号：CN202210175760.0
申请日：2022-02-25
Applicant: 武汉大学
Abstract: 本发明提供了一种基于时空多尺度图卷积网络的交通流预测模型的构建方法以及交通流预测方法，具体来说，给定一个细粒度交通图，首先通过谱聚类生成一个粗粒度交通图；然后分别提取细粒度和粗粒度交通图的时空相关性，本发明充分挖掘了空间相关性，包括区域的静态不变特征和动态的空间相关性；其次，为了缓解细粒度交通图中交通流波动的负面影响，采用跨尺度融合来实现细粒度交通图和粗粒度交通图之间的信息扩散；最后，在两个真实世界的交通数据集上进行实验，选择最优参数，确定最终的结果。本发明改进了现有的交通流预测模型，使得模型可以利用粗粒度交通图中的特征，缓解细粒度交通图中交通流波动的负面影响，一定程度上提高了预测精度。
-
Patent Agency Ranking
公开(公告)号：CN117908374A
公开(公告)日：2024-04-19
申请号：CN202311845358.X
申请日：2023-12-28
Applicant: 武汉大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于强化学习的自动控制系统奖励优化方法及系统，将自动控制系统的动作空间作为卷积神经网络的输入，经过卷积神经网络的处理后，进入强化学习中的actor和critic网络；使用已有的专家演示对网络进行预训练；并用重新定义的QCAAC值代替在传统强化学习算法中使用的时序差分QTD来训练critic网络，QCAAC值由蒙特卡洛和时序差分两种方式计算出来的Q值按照不同权重进行加和得到，两者之间的权值随着训练过程的进行，按照余弦函数的方式进行衰减，这样能够更加有效的结合蒙特卡洛和时序差分两种方式的优点；改进了现有的自动控制系统中存在的稀疏奖励问题，提高了工作的效率。
-
公开(公告)号：CN117014190A
公开(公告)日：2023-11-07
申请号：CN202310828083.2
申请日：2023-07-06
Applicant: 武汉大学
Abstract: 本发明公开了一种动态云存储数据完整性验证方法、电子设备及存储介质，本发明提出了一种新颖的安全云存储协议，只使用基本的代数操作而不是密码哈希函数来生成数据标签，仅将标签存储到云服务器中而不是同时存储数据和标签。本发明同时提出了一种新颖的云存储完整性验证协议，仅利用基本的代数运算进行标签计算，从而最大限度地减少计算开销；在CSP中只存储标签，而不是同时存储数据和标签，以减少存储开销和增强对用户隐私数据的保护。此外，本发明还提出了动态索引跳跃表(DIST)来支持索引转换，大大降低了数据动态算法的时间复杂度。
-
公开(公告)号：CN116664836A
公开(公告)日：2023-08-29
申请号：CN202310594947.9
申请日：2023-05-24
Applicant: 武汉大学
IPC: G06V10/26 , G06V10/54 , G06V10/774 , G06V10/764 , G06N3/084 , G06V10/82 , G06V20/56
Abstract: 本发明提供一种面向自动驾驶语义分割的对抗纹理生成方法及系统，属于人工智能技术领域，包括：对目标车辆进行对抗纹理生成3D模型建模，获取待生成对抗纹理的faces id列表；基于预设数据集构建所述对抗纹理生成3D模型的训练数据和测试数据；利用所述训练数据和所述测试数据对所述对抗纹理生成3D模型进行训练，对输出对抗纹理进行迭代优化，获取最优对抗纹理。本发明通过在自动驾驶场景中针对高维度物体，制作对抗样本，对车辆对抗纹理进行优化渲染，具有较强的抗攻击性和鲁棒性，并提出语义平均损失，在优化语义平均损失过程中将模型注意力引导到非目标区域，并引入可微分渲染器构造端到端训练框架，通过反向传播算法优化对抗纹理。
-
公开(公告)号：CN115905629A
公开(公告)日：2023-04-04
申请号：CN202211392924.1
申请日：2022-11-08
Applicant: 武汉大学
IPC: G06F16/901 , G06F16/29 , G06F18/23213 , G06F18/2413 , G06Q10/04 , G06Q50/30 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明提出一种基于时空门控超图卷积网络的交通预测系统及方法。本发明方法构建交通超图以建模高阶空间相关性；将多个历史时刻各道路节点交通流通过滑动窗口划分方法，得到多组各道路节点交通流样本和真实交通流；结合交通超图构建时空门控超图卷积网络交通预测模型，将每组样本输入至预测模型进行预测得到预测交通流，结合真实交通流构建损失函数，通过Adam优化训练得到优化后时空门控超图卷积网络交通预测模型；中心服务器通过多个交通流传感器采集多个时刻各道路节点交通流，将采集的交通流通过优化后时空门控超图卷积网络交通预测模型预测，得到未来多个时刻各道路节点交通流。本发明充分挖掘高阶空间相关性和不同类型交通数据间的相关性。
-
公开(公告)号：CN118316587A
公开(公告)日：2024-07-09
申请号：CN202410111044.5
申请日：2024-01-25
Applicant: 武汉大学
IPC: H04L9/00 , H04L9/08 , H04L67/104 , H04L67/12
Abstract: 本发明公开了一种基于区块链的可验证外包服务计算方法，包括：用户发布外包计算任务，任务被分为多个子任务，根据服务器的计算能力按顺序为其分配相应的子任务；服务器通过秘密共享的方式获得分配的子任务，并完成对子任务的计算获得计算结果，再对计算结果的承诺和证明进行计算，之后构建包含所有子任务的区块链交易以将所有子任务的计算结果的承诺和证明储存在区块链上；验证器提取区块链交易中同一任务的所有子任务计算结果的承诺和证明，并进行计算以验证服务器是否正确地完成了计算任务。本发明将计算结果存储在链下，将承诺和证明存储在链上，以保证计算结果的安全性和隐私性，并且能高效可靠地验证外包任务的计算结果是否准确。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
