一种隐私保护的双向可验证联邦学习方法

    公开(公告)号:CN117648716A

    公开(公告)日:2024-03-05

    申请号:CN202311781179.4

    申请日:2023-12-22

    Abstract: 本发明涉及一种隐私保护的双向可验证联邦学习方法,基于聚合服务器、各个客户端,结合可信第三方KGC,引入稳定通信客户端分析,针对待训练目标全局模型执行联邦学习,获得训练后目标全局模型;采用双重模式来保障中间模型安全性,通过参数设计实现模型聚合结果密文状态,使得攻击者无法根据多轮聚合结果推测客户端本地模型梯度信息,在有效保障客户端隐私安全的同时,有效解决了客户端掉线问题;并且设计实现了双向可验证,密文加解密功能直接交于客户端和聚合服务器实现,避免了泄露加密安全参数的可能,此外客户端的模型训练设置使得无需考虑权重泄露问题,并且设计利用非交互零知识证明保证了上传密文的可验证性。

    一种基于数据增强的联邦学习隐私保护方法

    公开(公告)号:CN117436133A

    公开(公告)日:2024-01-23

    申请号:CN202311779008.8

    申请日:2023-12-22

    Inventor: 李明柱 张胜 陈飞

    Abstract: 本发明涉及一种基于数据增强的联邦学习隐私保护方法,基于各客户端的本地自然数据集,针对各目标客户端引入虚拟数据集,再由各目标客户端分别依据其本地自然数据集、以及对应局部虚拟数据集,应用设计数据增强技术、以及隐私保护技术,构建目标客户端的额外数据集,实现各目标客户端本地模型的训练获得,进而在联邦学习技术下,迭代获得训练后目标全局模型;设计中增加了目标客户端数据集的多样性,抑制了噪声数据的干扰,提高联邦学习模型的泛化能力和鲁棒性,并且通过共享不包含客户端私有信息的虚拟数据集,使不同目标客户端之间的数据更加同质,以及不用共享目标客户端本地的私有数据,保护了目标客户端原有真实数据的隐私。

    一种基于多智能体的MPC缓存更新方法及系统

    公开(公告)号:CN116521584A

    公开(公告)日:2023-08-01

    申请号:CN202310753510.5

    申请日:2023-06-26

    Abstract: 本发明涉及一种基于多智能体的MPC缓存更新方法及系统,采用全新逻辑设计,综合考虑各智能体缓存序列分别关于其待缓存数据的整体缺失,通过中心化训练方法,针对各智能体分别用于更新其缓存序列的缓存策略模型进行训练,获得各智能体分别所对应已训练完成的缓存策略模型,并应用去中心化执行方法,在数据不泄露的情况下,使用本地数据进行决策,对各智能体的缓存序列进行准确更新,减少应用中缓存序列置换次数,增加缓存命中率,进而降低了各智能体在数据加载阶段的平均用时,提高各智能体整体在实际应用中对数据调用的响应效率,与传统的基于经验的启发式缓存替换策略相比,本发明设计效率更高,更加适合复杂和多样化的访问序列场景。

    一种CAN设备安全测试系统及测试方法

    公开(公告)号:CN110912944B

    公开(公告)日:2021-11-23

    申请号:CN201911409851.0

    申请日:2019-12-31

    Inventor: 叶青 郭涛 李明柱

    Abstract: 本发明涉及一种CAN设备安全测试系统及测试方法,基于一个现有的工控协议模糊测试平台,开发支持CAN高层协议的测试套件,测试套件包含基于测试脚本语法规则的DeviceNet协议测试脚本和CANopen协议测试脚本、以及与CAN被测设备进行协议数据交互的测试引擎,测试引擎能够自动解析包含变异策略的协议数据脚本,生成帧格式的测试数据包,并经扩展USBCAN接口卡发送给CAN被测设备,同时接收到CAN被测设备的返回数据;整个设计技术方案能够对高层协议进行高效测试,针对CAN被测设备的协议的健壮性,实现稳定验证。

Patent Agency Ranking