公开(公告)号：CN118153707A

公开(公告)日：2024-06-07

申请号：CN202410157409.8

申请日：2024-02-04

Applicant: 之江实验室

Inventor： 王刚 ,  张卓然 ,  李清明 ,  周丽 ,  马振国

IPC: G06N20/00 ,  G06N3/063

Abstract: 本申请涉及一种联邦学习系统、基于联邦学习的数据处理方法，该方法通过设置两个服务器，将客户端的梯度数据拆分并分别发送至两个服务器，两个服务器交互判断客户端的梯度数据是否为归一化的数据；其后两个服务器交互计算归一化的梯度数据和上一轮聚合结果之间的余弦相似度、客户端梯度数据的加权系数以及客户端梯度加权聚合值，并分别将聚合梯度值返回客户端，客户端根据聚合梯度值计算总的聚合梯度值，并使用总聚合梯度值更新本地数据训练模型。通过两个服务器之间的交互计算，进而提高了现有联邦学习系统中的数据安全性以及联邦学习的数据处理的效率，有利于在确保系统联邦学习系统拜占庭错误容忍隐私聚合的同时，不会带来巨大的时间开销。

公开(公告)号：CN118133346A

公开(公告)日：2024-06-04

申请号：CN202410299724.4

申请日：2024-03-15

Applicant: 之江实验室

Inventor： 王刚 ,  周丽 ,  李清明 ,  张卓然 ,  马振国 ,  严笑然

IPC: G06F21/62 ,  G06F21/60 ,  G06F16/29

Abstract: 本申请涉及一种位置查询方法、位置查询装置、电子装置和存储介质，其中，该位置查询方法包括：获取客户端位置加密数据和本地位置加密数据集；对客户端位置加密数据进行随机加掩码运算得到客户端位置加掩码加密数据，对本地位置加密数据集进行随机加掩码运算得到本地位置加掩码加密数据集，并发送至关联服务器；接收客户端位置数据和本地位置数据集的第一欧式距离，根据第一欧式距离计算客户端位置数据与本地位置数据集之间的第二欧式距离，并将第二欧式距离发送至关联服务器；接收由关联服务器发送的目标欧式距离，将目标欧式距离发送给客户端。通过本申请，实现了在位置查询过程中对客户隐私信息的保护。

公开(公告)号：CN117614619A

公开(公告)日：2024-02-27

申请号：CN202311539138.4

申请日：2023-11-17

Applicant: 之江实验室

Inventor： 王刚 ,  李清明 ,  周丽 ,  严笑然 ,  刘洋 ,  侯炜华 ,  陆矜菁

IPC: H04L9/08 ,  H04L9/30

Abstract: 本申请涉及一种数据交集生成方法、数据交集生成装置和存储介质，其中，该数据交集生成方法包括：接收第一初始密文和第二初始密文；其中，第一初始密文为第一客户端的参与数据密文；第二初始密文为第二客户端的参与数据密文；基于非对称密钥，对第一初始密文和第二初始密文进行解密、相乘运算，加密得到目标相乘密文；将目标相乘密文发送至第一客户端和第二客户端；第一客户端和第二客户端分别持有针对目标相乘密文的客户端私钥通过本申请，解决了PSI协议求交集合无法在数据云外包场景适用的问题，实现了数据的高效和安全使用。

公开(公告)号：CN117130794B

公开(公告)日：2024-02-06

申请号：CN202311404191.3

申请日：2023-10-27

Applicant: 之江实验室

Inventor： 李清明 ,  李晓航 ,  周丽 ,  严笑然

IPC: G06F9/50 ,  G06N3/098

Abstract: 本申请涉及一种联邦学习的客户端选择方法、装置和计算机存储介质，所述方法包括：基于所有客户端的上一迭代轮次的损失值和本地数据集大小，确定当前迭代轮次中各客户端的单轮权重系数，根据各客户端的单轮权重系数和上一迭代轮次的历史权重系数，调整当前迭代轮次中各客户端的选择权重；根据当前迭代轮次所处的迭代轮次区间和预设的客户端选择数量阈值，确定当前迭代轮次的客户端选择数量；基于选择权重和客户端选择数量，选取当前迭代轮次的目标客户端。采用本方法解决了现有技术中限制客户端数量减少通信成本造成全局模型性能损失的问题，并将历史权重融入客户端的选取过程，平衡了联邦学习的训练效率和通信成本。

公开(公告)号：CN117332451A

公开(公告)日：2024-01-02

申请号：CN202311437621.1

申请日：2023-10-31

Applicant: 之江实验室

Inventor： 王刚 ,  周丽 ,  李清明 ,  严笑然 ,  陆矜菁 ,  刘洋 ,  侯炜华

IPC: G06F21/62 ,  G06F21/60 ,  G06F21/64 ,  G06N20/00

Abstract: 本申请涉及一种基于联邦学习的数据保护方法、装置和系统，其中，该基于联邦学习的数据保护方法包括：发送联邦学习请求至云端服务器，联邦学习请求包括用户标识；当云端服务器接收的联邦学习请求的用户数量超过预设的数量阈值后，接收云端服务器发送的所有用户标识，并根据用户标识获取目标输入数据；根据目标输入数据，生成加密后的用户数据的密文数据和签名数据，并发送密文数据和签名数据至云端服务器，以使云端服务器生成聚合结果；接收并解密云端服务器发送的聚合结果，根据解密后的聚合结果更新用户模型，以实现用户模型的数据的保护。通过本申请，实现了横向联邦学习中用户的数据安全，进而保护用户隐私。

公开(公告)号：CN117077679A

公开(公告)日：2023-11-17

申请号：CN202311332338.2

申请日：2023-10-16

Applicant: 之江实验室

Inventor： 张睿 ,  李清明 ,  姬朋立 ,  严笑然 ,  胡耀华

IPC: G06F40/295 ,  G06F40/216 ,  G06F16/35

Abstract: 本申请涉及一种命名实体识别方法和装置。所述方法包括：获取专业知识数据库；其中，专业知识数据库包括至少两个粒度实体；确定与粒度实体对应的价值评分，基于价值评分从粒度实体中确定目标实体，并根据目标实体以及对应于目标实体的预设指令模板，得到提示指令模板；基于提示指令模板和获取到的待识别数据，生成第一待识别文本信息，对第一待识别文本信息进行命名实体识别处理，得到命名实体识别结果。采用本方法能够实现高效且准确地针对专业领域的专业型命名实体识别。

公开(公告)号：CN117557870B

公开(公告)日：2024-04-23

申请号：CN202410022912.2

申请日：2024-01-08

Applicant: 之江实验室

Inventor： 李清明 ,  缪居正 ,  刘扶芮 ,  周丽 ,  马振国 ,  严笑然

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74

Abstract: 本申请涉及一种基于联邦学习客户端选择的分类模型训练方法、系统及介质，其中，基于联邦学习客户端选择的分类模型训练方法包括：初始化全局模型，并初始化虚拟队列、客户端相似度矩阵以及客户端选中频率矩阵；在每一次迭代训练过程中，基于所述虚拟队列、所述客户端相似度矩阵以及所述客户端选中频率矩阵，确定参与本轮训练的K个客户端；将所述全局模型发送至所述K个客户端进行并行训练，得到聚合后的全局模型；更新所述虚拟队列、所述客户端相似度矩阵以及所述客户端选中频率矩阵，并重复所述迭代训练过程直至达到设定的迭代次数，获得训练好的全局模型；使用训练好的全局模型对目标数据集进行分类，得到分类结果，提高了图像分类的精度。

公开(公告)号：CN117171628A

公开(公告)日：2023-12-05

申请号：CN202311438185.X

申请日：2023-11-01

Applicant: 之江实验室

Inventor： 李清明 ,  孟续涛 ,  周丽 ,  严笑然

IPC: G06F18/24 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/098 ,  G06N20/00 ,  G06F16/901

Abstract: 本申请涉及一种异构联邦环境中的图结构数据节点分类方法和装置。所述方法包括：随机从所有客户端中选择一组客户端子集参与迭代，客户端基于本地子图上图结构数据节点的采样概率采样得到节点子集，对客户端上的局部模型进行训练，得到局部模型参数；对每轮客户端子集的局部模型参数进行平均聚合，得到更新的全局模型参数直至更新的全局模型参数对应的全局模型在符合所有客户端本地子图的全局图分布测试集上的节点分类准确率达到预设阈值。采用本方法能够解决现有技术中图结构数据的场景下联邦学习效率低的问题，有效抑制图联邦学习中每个局部模型的偏移程度，降低局部模型训练的存储和计算成本，提高了图结构数据节点分类的准确率。