-
公开(公告)号：CN119494097A
公开(公告)日：2025-02-21
申请号：CN202411301439.8
申请日：2024-09-18
Applicant: 西北农林科技大学
IPC: G06F21/55 , G06F21/62 , G06V10/74 , G06V10/75 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/098
Abstract: 本发明属于联邦学习技术领域，公开了一种对联邦学习系统中用户的隐私图像数据进行梯度反演攻击的方法及系统，首先利用诚实且好奇的联邦服务器，基于少量与用户数据相近的先验数据预训练扩散模型与编码‑解码器。通过用户上传的梯度信息，服务器计算获得用户图像标签和高维特征。服务器构建扩散采样时间表和递减式迭代时间表。在递减式轮次内，拆解扩散模型采样的生成过程，对每一时间步采样生成的中间结果进行梯度匹配优化，并通过高维特征正则化限制特征搜索空间，直至所有时间步完成。该方法有效提升了在联邦学习场景下对用户图像的梯度反演攻击能力，提高了重建图像相似度和视觉质量，并揭示了更多用户隐私特征。
-
公开(公告)号：CN118843087A
公开(公告)日：2024-10-25
申请号：CN202410915991.X
申请日：2024-07-09
Applicant: 西北农林科技大学
IPC: H04W4/40 , H04W4/44 , H04B17/391 , H04B7/04 , H04B7/06
Abstract: 本发明属于无线通信技术领域，公开了一种车联网中基于DDPG的ARIS辅助车联边缘计算方法与系统，本发明引入配备可重构智能表面(RIS)的无人飞行器(UAV)作为空中RIS(Aerial RIS，ARIS)的概念，即将RIS和UAV整合为新型高效的VEC网络辅助设备，并利用无人飞行器的灵活性和RIS的低成本特性，克服通信性能和成本限制，协助车辆进行计算卸载。本发明提出了一种基于深度确定性策略梯度(DDPG)算法设计的空中智能超表面辅助车联边缘计算的算法，通过联合优化UAV的轨迹和RIS的相移，形成被动波束赋形，从而最大限度地提高车载计算任务的完成率。大量数值结果表明，基于DDPG的ARIS辅助VEC网络方案优于其他算法，任务完成率最多可提高26％。
-
公开(公告)号：CN117156463A
公开(公告)日：2023-12-01
申请号：CN202310941811.0
申请日：2023-07-28
Applicant: 西北农林科技大学
IPC: H04W24/02 , H04B7/185 , H04B17/391 , H04B17/382 , H04W16/22
Abstract: 本发明属于无线通信技术领域，公开了一种物联网中基于QMIX的多无人机协同数据收集方法与系统，设计并明确网络场景、无人机的信道模型和能耗模型；构建优化目标，明确最小化用时最久无人机任务用时以及限制条件；根据场景及约束条件将问题转化为部分可观测的马尔科夫决策问题，进行状态空间、动作空间建模，并针对优化目标设计奖励函数；基于QMIX算法构建多无人机航迹规划算法，对模型训练，并将训练好的模型在与不同用户参数下与基准算法对比进行性能验证。本发明使用深度强化学习方法可得到一个最小化任务用时的次优解，降低其使用传统算法建模的复杂度，提高寻优效率，为多无人机协同数据收集提供更高效的求解算法。
-
公开(公告)号：CN119167226A
公开(公告)日：2024-12-20
申请号：CN202411181396.4
申请日：2024-08-27
Applicant: 西北农林科技大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/15 , G06F21/55 , G06F21/57 , G06N3/0475 , G06N3/094 , G06N3/098
Abstract: 本发明属于无线通信技术领域，公开了一种基于AC‑GAN和动态概率调度的可靠联邦学习方法及系统，可以抵御标签噪声、非独立同分布数据和中毒攻击对全局模型性能的消极影响，包括两个阶段：数据预处理阶段，服务器在小基准数据集上训练一个AC‑GAN模型并部署在用户端，用户借助AC‑GAN模型实施数据清洗和数据增强，从而实现噪声标签矫正同时缓解非独立同分布数据的影响；攻击检测阶段，参数服务器构建用户选择概率模型，基于动态概率调度策略过滤恶意用户。为防止用户模型信息泄露和半诚实的服务器推测用户信息，利用CKKS同态加密方案对模型参数进行加密，并采用双服务器架构。本发明克服了标签噪声、非独立同分布数据和中毒攻击对模型性能的影响。
-
公开(公告)号：CN119150283A
公开(公告)日：2024-12-17
申请号：CN202411000149.X
申请日：2024-07-24
Applicant: 西北农林科技大学
IPC: G06F21/56 , G06Q10/0635 , G06Q10/0639 , G06Q30/0201
Abstract: 本发明属于人工智能技术领域，公开了一种非独立同分布场景下应对恶意攻击的联邦学习方法及系统，设计了一个基于边际贡献的用户贡献度模型和一个基于秩和比的用户可信度模型。本发明采用进化聚类的概念，利用本轮各用户的贡献度和前一轮计算的用户可信度来计算本轮所有用户的评分，并在此基础上利用贪心算法的思想选择参与聚合的用户逐个加入用户聚合模型的集合。同时，本发明将在服务器端维护一个根数据集，并将利用根数据集训练的服务器模型作为每轮的初始聚合模型。在非独立同分布场景下，本发明在两个具有不同比例恶意用户的公共数据集上评估了本算法的性能。大量的实验结果表明，本发明的算法在测试集上的准确度优于各种基线算法。
-
Patent Agency Ranking
公开(公告)号：CN118333056A
公开(公告)日：2024-07-12
申请号：CN202410434428.0
申请日：2024-04-11
Applicant: 西北农林科技大学
IPC: G06F40/295 , G06N3/0442 , G06F18/213 , G06F18/25 , G06N3/0495 , G06N3/082 , G06N3/047
Abstract: 本发明提供了一种考虑双维信息的中文猕猴桃文本命名实体识别方法，双维信息为水平维度文本信息与垂直维度文本信息，包括：步骤1，构建中文猕猴桃文本数据集；步骤2，中文猕猴桃文本矢量化；步骤3，通过CoordKIWINER模块增强字符矢量文本信息；步骤4，使用PruneBi‑LSTM网络对中文猕猴桃文本进行序列编码；步骤5，使用条件随机场，对语句特征矢量H进行译码，得到输入的特征张量X最终的输出序列Y*。本发明创造性地设计了CoordKIWINER与PruneBi‑LSTM两个模块，有效解决了中文猕猴桃文本双维度信息未被利用这一问题，进一步提升了针对猕猴桃文本命名实体识别的准确率，并在自建领域数据集上取得了最优的效果。
-
公开(公告)号：CN117744763A
公开(公告)日：2024-03-22
申请号：CN202311665501.7
申请日：2023-12-06
Applicant: 西北农林科技大学
IPC: G06N3/0985 , G06N3/086 , G06N3/084 , G06N3/0499 , G06F18/2411
Abstract: 本发明属于算法参数优化技术领域，公开了一种基于代理模型的自适应多元优化器、构建方法及应用，构建基于BP神经网络构建代理模型。通过随机采样得到由采样矩阵和响应矩阵组成的样本集合；设计基于自适应策略的多元优化器。基于代理模型构建虚拟的适应度函数，模拟真实黑箱问题的响应，结合精英选择策略选择最佳方案对应的启发式算法作为最终的优化器；基于自适应多元优化器求解复杂优化问题。针对复杂优化问题，构建真实的适应度函数，通过优化器的自适应构建，完成问题的求解；验证所设计优化器的性能。本发明所提出算法的精度和鲁棒性均优于单一的元启发式优化算法；在最短的时间内选择了效果较好的优化算法并获得了最佳的模型参数。
-
公开(公告)号：CN117528498A
公开(公告)日：2024-02-06
申请号：CN202311414889.3
申请日：2023-10-30
Applicant: 西北农林科技大学
Abstract: 本发明属于通信系统技术领域，公开了一种面向无线网络的无人机辅助隐蔽通信方法及系统。本发明提供了一对在非协调友好干扰无人机辅助下的合法用户之间的隐蔽通信；收集并处理无线通信场景中的几何环境信息，无人机根据Bob的单独功率增益判断是否需要工作；分析Eve的检测错误概率，协同优化干扰机选择阈值和数据传输速率，在检测精度约束下最大限度地提高隐蔽吞吐量；本发明通过大量的仿真验证了理论分析，结果表明所提出的多无人机干扰辅助隐蔽通信在降低Eve检测精度和提高隐蔽吞吐量方面比传统的单无人机干扰辅助方案更有效。
-
公开(公告)号：CN117082496A
公开(公告)日：2023-11-17
申请号：CN202310828859.0
申请日：2023-07-07
Applicant: 西北农林科技大学
IPC: H04W12/03 , G06N20/20 , H04W12/06 , H04W12/121 , H04W12/122 , H04L9/00
Abstract: 本发明属于无线通信技术领域，公开了一种恶意和低质量用户场景下安全无线联邦学习方法及系统，可以抵御恶意用户和低质量用户对全局模型性能的消极影响，包括四个阶段：鉴别阶段，通过比较用户的模型与全局模型的余弦相似性，对用户的信用进行评估；重标签阶段：利用全局模型的预测结果对低质量用户本地数据集进行数据清洗；二次鉴别阶段：对第一次鉴别阶段筛选出的恶意用户集进行第二轮信用评估，筛选其中的低质量用户；常规训练阶段，调度良性用户进行全局模型聚合。为防止用户模型信息泄露和半诚实的服务器推测用户信息，利用同态加密技术对模型参数进行加密，并采用双服务器架构。本发明克服了低质量用户和恶意用户对模型性能的影响。
-
公开(公告)号：CN116957104A
公开(公告)日：2023-10-27
申请号：CN202310829896.3
申请日：2023-07-07
Applicant: 西北农林科技大学
IPC: G06N20/00 , G06F21/62 , G06F21/64 , G06F18/22 , G06F18/25 , H04W12/02 , H04W12/122 , H04W12/06 , H04W12/106 , H04W12/69 , H04L9/32 , H04L9/00
Abstract: 本发明属于无线通信技术领域，公开了一种无线网络中安全的联邦学习聚合方法、系统、设备及介质，基于非对称密钥加密体制进行用户身份认证，通过EigenTrust算法对用户进行可靠性分数建模，服务器构建与其关联节点的可靠性分数表；在一个训练轮次完成后，用户首先加密身份信息并对本地模型添加差分隐私并发送给服务器，服务器验证用户身份后接收模型信息，计算用户可靠性分数，该可靠性分数同时会成为下一轮可靠性分数计算时的参照；服务器根据用户可靠性分数值将用户模型参数按照一定比例进行聚合，得到全局模型。本发明合理有效地防止用户恶意破坏联邦学习过程，保护用户隐私，提高联邦学习系统全局模型的正确率，保证了无线联邦学习的安全性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.032 seconds)
