-
公开(公告)号：CN107145792A
公开(公告)日：2017-09-08
申请号：CN201710225047.1
申请日：2017-04-07
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06F21/6245 , G06K9/6218 , H04L63/0428 , H04L67/10
Abstract: 本发明提供一种基于密文数据的多用户隐私保护数据聚类方法及系统，属于数据挖掘技术领域。本发明方法包括步骤：两个以上用户发送各自加密后的数据和聚类中心点、陷门信息给服务器；服务器计算密文数据点和聚类中心点的距离，并划分聚类；服务器将每个聚类中不同的用户的数据点分别进行相加，并将数据的总和及个数分别发送给用户；用户将收到的数据总和及个数重新加密后发送给服务器；服务器计算新的聚类中心点，并将新的聚类中心点发送给各个用户；各个用户通过外包隐私保护平均数计算协议共同计算每个聚类中数据点距离聚类中心点的平均值，然后发送给服务器，进行下次迭代。本发明大大提高了聚类效率；实现半诚实模型下的安全计算，同时可以抵抗一定程度上的合谋攻击。
-
公开(公告)号：CN107145791A
公开(公告)日：2017-09-08
申请号：CN201710224275.7
申请日：2017-04-07
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06F21/6245 , G06K9/6223 , H04L63/0428 , H04L67/10
Abstract: 本发明提供一种具有隐私保护的K‑means聚类方法及系统，属于数据挖掘技术领域。本发明包括如下步骤：数据拥有者A和B加密各自的数据和随机选择的质心点，上传至服务器；服务器通过安全乘法协议和安全距离计算协议在密文数据中计算数据点到质心点的欧氏距离，并将数据点归类；服务器、数据拥有者A和B通过安全电路协议共同在密文数据中重新计算新的质心点；数据拥有者A或B通过安全比较协议判断新的质心点与原质心点的距离，如果小于阈值，结束分类，数据拥有者A和B请求服务器将分类好的数据分别发送给数据拥有者A和B，否则，重新上传新的质心点，进行下一轮迭代。本发明在保证数据隐私安全的同时保证了数据挖掘结果的正确性；支持数据存储外包和数据计算外包，在保证正确性的同时，执行效率也大幅度提升；支持三个参与方中最多一方为恶意方的安全计算。
-
公开(公告)号：CN103530618A
公开(公告)日：2014-01-22
申请号：CN201310501357.3
申请日：2013-10-23
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于角膜反射的非接触式视线追踪方法，步骤1：人眼定位；步骤2：计算光斑坐标；步骤3：瞳孔精确定位；步骤4：空间映射：根据计算出的屏幕上四个光斑和瞳孔中心坐标，利用射影几何中的交比不变原理进行空间坐标的映射。本发明提出的技术方案不需要配戴其它设备，大大降低了对使用者的限制；提出一种新的瞳孔边缘拟合方案，循环拟合剔除假点，最终得到精确的瞳孔中心，提高了映射的精度。本发明与现有的相关研究相比，在精度上有了较大的提升。
-
公开(公告)号：CN116226662B
公开(公告)日：2024-02-09
申请号：CN202310012741.0
申请日：2023-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多智能体协同强化学习方法、终端及存储介质，方法包括：获取环境参数，构造模拟环境，并根据环境参数以及智能体数目确定学习者智能体；根据任务需求构造对应数量的工作者智能体，并根据任务需求构造对应数量的行动者智能体；其中，每个工作者智能体用于与多个行动者智能体进行交互，每个行动者智能体分别与一个独立的模拟环境交互；获取样本数据，根据样本数据对学习者智能体进行训练，得到训练后的模型参数；通过学习者智能体定期将训练后的模型参数更新到共享内存中，并通过工作者智能体定期从共享内存中更新决策网络的参数，得到强化学习后的策略。本发明提高了多智能体的强化学习过程中的样本利用率及样本数量。
-
公开(公告)号：CN116226662A
公开(公告)日：2023-06-06
申请号：CN202310012741.0
申请日：2023-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多智能体协同强化学习方法、终端及存储介质，方法包括：获取环境参数，构造模拟环境，并根据环境参数以及智能体数目确定学习者智能体；根据任务需求构造对应数量的工作者智能体，并根据任务需求构造对应数量的行动者智能体；其中，每个工作者智能体用于与多个行动者智能体进行交互，每个行动者智能体分别与一个独立的模拟环境交互；获取样本数据，根据样本数据对学习者智能体进行训练，得到训练后的模型参数；通过学习者智能体定期将训练后的模型参数更新到共享内存中，并通过工作者智能体定期从共享内存中更新决策网络的参数，得到强化学习后的策略。本发明提高了多智能体的强化学习过程中的样本利用率及样本数量。
-
Patent Agency Ranking
公开(公告)号：CN115567401A
公开(公告)日：2023-01-03
申请号：CN202211016957.6
申请日：2022-08-22
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L41/14 , H04L41/12 , H04L67/141 , G06F9/54
Abstract: 本发明公开了一种基于管道技术的以太坊网络拓扑仿真方法、装置、介质及终端，方法包括，根据接收到的仿真区块链节点参数信息，生成初始化区块链网络；基于管道技术模拟初始化区块链网络中节点的通信操作，形成仿真节点；根据接收到的通信编码信息，改变仿真节点通信编码的方式，完成区块链网络的更新；本发明避免了网络层和传输层对数据包进行无谓的封装所带来的损耗，使用管道技术模拟网络通信避免了操作系统对网络报文发送的影响，可以更加精确的实现对节点间连接的流量控制、丢包率延迟抖动的仿真，可以在模拟区块链系统中可能发生的各种攻击，指导现实环境中区块链系统点对点网络的设计，避免了传统本地套接字通信的局限性。
-
公开(公告)号：CN115562957A
公开(公告)日：2023-01-03
申请号：CN202211005140.9
申请日：2022-08-22
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于概率密度函数的工作量证明机制仿真方法、装置、介质及终端，方法包括：查询新区块的参数信息和仿真网络节点信息，得到仿真参数信息；将所述仿真参数信息输入到概率仿真算法中进行计算，得到最终仿真出块时间与最终出块节点序号；返回所述最终仿真出块时间与最终出块节点序号；本发明采用上述方法后利用工作量证明机制本身具有的概率特性，实现对共识算法的仿真，解决了现有仿真方法进行大量重复哈希计算的问题，只需要一次计算即可导出仿真出块时间，大大减少仿真环境中的资源消耗，最终实现对任意难度与任意算力情况下区块链网络的运行状态的仿真，并实现高保真的工作量证明算法出块时间仿真。
-
公开(公告)号：CN115456192A
公开(公告)日：2022-12-09
申请号：CN202211000977.4
申请日：2022-08-19
Applicant: 哈尔滨工业大学(深圳)
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习模型投毒防御方法、终端及存储介质，方法包括：根据各局部模型增量的范数及对应的数据集选择匹配的裁剪阈值，并根据选择的裁剪阈值对对应的局部模型增量进行自适应裁剪；根据裁剪后的局部模型增量确定当前全局模型增量的符号特征，并根据确定的当前全局模型增量的符号特征计算裁剪后的局部模型对应的选择系数；根据计算的选择系数将各裁剪后的局部模型进行选择性聚合，得到全局模型；本发明可以有效地防御标签翻转缩放攻击、符号翻转攻击、最小化最大距离攻击等模型投毒攻击手段，能够帮助中心服务器在不收集客户端原始数据、不加剧客户端本地计算量的情况下完成对本地模型的聚合，增强联邦学习框架的可靠性和鲁棒性。
-
公开(公告)号：CN111931233B
公开(公告)日：2022-11-15
申请号：CN202010806166.8
申请日：2020-08-12
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62 , G06F16/2458 , G06F16/27
Abstract: 本申请实施例公开了一种基于区块链和本地化差分隐私保护的信息推荐方法及系统，用于在进行信息推荐的同时保证用户数据的安全性和确保用户隐私信息不被泄露。本申请实施例方法包括：对区块链用户的用户数据进行聚类分析，以及对该区块链用户的预处理数据进行本地化差分隐私处理而得到模糊化数据，并由星际文件系统对该模糊化数据进行哈希计算而得到哈希值，在得到区块链用户的桶号以及哈希值之后，可以基于该桶号及哈希值，根据推荐算法向目标区块链用户进行信息推荐。本申请实施例中，免除了中心服务器的参与，避免中心服务器被攻击而导致用户信息泄露，同时本地化差分隐私处理也保证了用户数据的隐秘性，增强了数据的安全性，降低隐私泄露的风险。
-
公开(公告)号：CN114519605A
公开(公告)日：2022-05-20
申请号：CN202210107367.8
申请日：2022-01-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06Q30/02 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种广告点击欺诈检测方法、系统、服务器和存储介质，所述方法应用于服务器端，包括广告请求阶段和广告点击阶段，在广告请求阶段采用主动检测；在广告点击阶段采用被动检测，被动检测包括离线检测，通过离线检测，完成对广告点击数据的分类；其中，所述离线检测包括基于局部敏感哈希合成过采样算法与集成学习的广告点击欺诈检测方法和基于媒体图嵌入向量与神经网络的广告点击欺诈检测方法。本发明通过采用基于局部敏感哈希合成过采样算法与集成学习的广告点击欺诈检测方法，在检测准确率小幅度降低的情况下，采样时间减少了56％；通过采用基于媒体图嵌入向量与神经网络的广告点击欺诈检测方法，检测结果的准确率为96.82％。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.038 seconds)
