基于知识体的分布式知识图谱构建系统及方法

    公开(公告)号:CN111813953B

    公开(公告)日:2023-07-07

    申请号:CN202010577664.X

    申请日:2020-06-23

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于知识体的分布式知识图谱构建系统及方法,系统采用软构件思想,将知识图谱分解为一个个运行的知识体,以此构建基于知识体的分布式知识图谱。其中,知识体工厂用于生成和组装知识体,知识体库存储知识体并建立目录索引,知识体检索器用于从知识体目录检索知识体和从构件库中检索基础构件,知识体部署器用于把知识体部署到知识体容器中运行,目录服务用于将该运行的知识体注册到知识体目录中。构建得到的分布式网络安全知识图谱支持就近的网络安全知识匹配和网络安全事件发现,多个知识体之间可以交互,也支持多知识体面向任务的协同计算和协同推理,以发现复杂攻击和更大规模的网络安全事件。

    产品数据库标识反向解析的检索方法及系统

    公开(公告)号:CN111400339B

    公开(公告)日:2023-04-07

    申请号:CN202010154921.9

    申请日:2020-03-04

    Applicant: 广州大学

    Abstract: 本发明公开了一种产品数据库标识反向解析的检索方法及系统,该方法先获取用户输入的查询文本;对所述查询文本进行分词和归一化处理,获得检索词集合;从标识列表中提取与所述检索词集合对应的产品标识码;根据所述产品标识码获取产品信息,并将所述产品信息显示在显示屏上;本发明技术方案在无需依赖用户输入标识信息的前提下实现产品信息的获取,从而提高产品信息的获取效率。

    一种为电动汽车提供充电服务的调度系统

    公开(公告)号:CN110110993B

    公开(公告)日:2023-04-07

    申请号:CN201910363508.0

    申请日:2019-04-30

    Applicant: 广州大学

    Abstract: 本发明实施例提供的一种为电动汽车提供充电服务的调度系统,包括云端决策平台、移动充电端、固定充电端以及用户端;云端决策平台用于根据充电请求信息、移动充电车和固定充电桩的实时数据,进行智能匹配制定充电方案,并将发送至用户端;移动充电端和固定充电端用于接收移动和固定充电车的实时数据,并上传至云端决策平台,以供调度匹配;用户端用于获取待充电汽车的充电请求信息,将待充电汽车的充电请求信息发送至云端决策平台,并根据云端决策平台发送的充电方案确认最终充电选择,采用本发明提供的方案,能够综合统筹现有固定充电资源和移动充电资源,使其形成互补和协同,避免了资源投放不合理的重复交叉带来的浪费和覆盖能力短缺。

    一种基于本地差分隐私的大数据频数估计方法

    公开(公告)号:CN115455483A

    公开(公告)日:2022-12-09

    申请号:CN202211156864.3

    申请日:2022-09-21

    Applicant: 广州大学

    Abstract: 本发明涉及数据分析技术领域,公开了一种基于本地差分隐私的大数据频数估计方法,包括如下步骤:服务器对所有客户端进行等概率采样,并发送哈希函数集合和草图长度的取值;客户端对初始数据进行转换,并根据哈希结果替换对应数据坐标;客户端利用本地差分隐私随机响应机制扰动上一步数据,得到最新数据;客户端发送最新数据,服务器根据采样的最新数据集合训练频数预测模型并发送给剩余所有客户端;剩余所有客户端根据预测模型判断持有数据是否为高频数据;若是高频数据,以{‑1}m的方式进行编码;若不是高频数据,先对初始数据进行转换,再根据哈希结果替换对应数据坐标,最后利用本地差分隐私随机响应机制扰动所有数据。

    一种基于对抗训练的联邦学习隐私保护方法及系统

    公开(公告)号:CN113609521B

    公开(公告)日:2022-11-01

    申请号:CN202110851168.3

    申请日:2021-07-27

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于对抗训练的联邦学习隐私保护方法及系统,该方法包括:接收服务器发送的全局模型;根据本地计算能力和本地隐私需求,将所述全局模型划分为特征提取器和目标分类器,并从多个预设隐私分类器中,选择任一对应的所述预设隐私分类器作为本地隐私分类器,以及根据本地数据集和所述特征提取器,对所述目标分类器和所述本地隐私分类器进行对抗训练,得到本地训练信息;将所述本地训练信息上传至所述服务器,以使所述服务器根据所述本地训练信息,聚合更新所述全局模型。本发明不仅有效避免联邦学习内容级隐私的泄漏,而且减少了客户端与服务器的通信次数,有效提高联邦学习训练的准确率和效率,进一步提升联邦学习的服务质量。

    一种面向本地化差分隐私的图统计分析方法

    公开(公告)号:CN115114381A

    公开(公告)日:2022-09-27

    申请号:CN202210712792.X

    申请日:2022-06-22

    Applicant: 广州大学

    Abstract: 本发明属于差分隐私和子图统计技术领域,公开了一种面向本地化差分隐私的图统计分析方法,包括如下步骤:S1、针对现有图统计分析算法存在隐私泄露的问题,设置的框架让每个用户对他的邻接列表数据进行扰动;S2、再将噪声数据发送到服务器,服务器接收到扰动的数据后再计算出子图计数的无偏估计;S3、通过三角形和k‑stars的实用计数算法,在不接触用户的原始数据的条件下计算出图中的聚类系数;S4、服务器根据聚类系数,可以向聚类系数高的子图中的用户推送相关的服务。该面向本地化差分隐私的图统计分析方法,可以降低子图统计的估计误差,确保算法的实用性,并且其客户端无需了解额外信息,提高子图统计分析的隐私性。

Patent Agency Ranking