-
公开(公告)号：CN120031108A
公开(公告)日：2025-05-23
申请号：CN202510499985.5
申请日：2025-04-21
Applicant: 湖南科技大学
IPC: G06N3/098 , G06N3/0464 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了面向图像分类的鲁棒联邦学习架构，属于机器视觉技术领域，包括以下步骤：S1、筛选各训练客户端，对全局模型参数初始化；S2、得到各训练客户端的模拟增强数据；S3、得到各训练客户端的矫正后的特征向量；S4、得到局部模型训练的基本损失，由此进行各训练客户端的局部模型再训练；S5、得到各训练客户端的含噪局部模型，由此得到各训练客户端的局部更新模型，并上传至服务端；S6、服务端接收各训练客户端的局部更新模型，得到全局更新模型，重复S2至S6操作，直至全局更新模型收敛。解决了现有技术中在数据分布不均情况下，因数据异常出现导致的模型准确度下降的问题。
-
公开(公告)号：CN119728080B
公开(公告)日：2025-05-16
申请号：CN202510226297.1
申请日：2025-02-27
Applicant: 湖南科技大学
IPC: H04L9/00 , H04L9/40 , H04L67/1097 , H04L67/54 , H04L67/1396
Abstract: 本发明涉及密码数据安全处理技术领域，具体公开用于用户注册的去中心化管理方法、系统以及存储介质，该方法包括：注册平台安全监测、用户注册安全管理、用户密钥分析以及区块链的安全分析，通过实时监测获取注册平台运行过程中的安全性能数据，能够及时发现并处理注册平台潜在的安全隐患，通过监测用户在注册过程中的行为数据，能够及时发现并处理异常注册行为，通过获取用户在注册过程中的密钥数据，确保用户设置的密钥足够复杂，难以被破解，将用户在注册过程中数据进行加密存储，确保用户数据在传输和存储过程中的安全性，实现用户数据的分布式存储，同时，去中心化管理方法降低了对中心化机构的依赖，提高了用户注册过程的安全性。
-
公开(公告)号：CN119918689A
公开(公告)日：2025-05-02
申请号：CN202510400578.4
申请日：2025-04-01
Applicant: 湖南科技大学
IPC: G06N10/60 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种专为智慧城市设计的全新量子智能计算方法，包括：构建量子卷积层，通过量子态编码和量子门操作提取图像特征；设计量子卷积核，利用量子叠加实现并行计算；通过量子纠缠增强特征学习能力；优化量子电路以降低计算复杂度；本发明提供的方法充分利用量子门和量子电路在图像特征提取方面的卓越表现，凭借量子叠加和量子纠缠的特性，使得量子卷积神经网络在处理复杂数据和大规模并行计算时显著提高了计算能力，适用于智慧城市的多种应用场景，为智慧城市的高效数据处理和实时决策提供了强大的技术支持，具有广泛的应用前景。
-
公开(公告)号：CN119918620A
公开(公告)日：2025-05-02
申请号：CN202510400785.X
申请日：2025-04-01
Applicant: 湖南科技大学
IPC: G06N3/098 , G06N3/0464 , G06N3/084 , G06F9/50
Abstract: 本发明公开了一种基于层间差异的自适应聚合联邦学习方法及设备。该方法涉及车联网机器学习领域，包括以下步骤：采集并处理车辆终端数据，通过迭代优化最小化损失函数得到本地模型参数，将全局和本地模型层之间的差异纳入聚合权重的计算过程中，进行联邦学习训练循环。本发明将模型拆解为层，并将全局和本地模型层之间的差异纳入聚合权重的计算过程中，以衡量高数据异质性场景下的不同客户端的贡献。同时引入了基于层间差异的正则项，根据层间差异动态调整各客户端每一轮的聚合权重，从而提高全局模型的跨域泛化能力。
-
公开(公告)号：CN119847899A
公开(公告)日：2025-04-18
申请号：CN202510330557.X
申请日：2025-03-20
Applicant: 湖南科技大学
Abstract: 本发明涉及电子数字数据处理技术领域，具体为基于人工智能的分布式调度性能检测评估方法及系统，该方法包括：S1.采集各分布节点运行环境数据，经处理得到各分布节点环境干扰特征值；S2.采集各分布节点的系统运行数据，综合分析得到各分布节点系统运行性能评估指数，根据各分布节点系统运行性能评估指数进行任务分配；S3.采集系统的实时运行数据，综合分析得到系统稳定性评估指标，根据系统稳定性评估指标进行系统性能评估，本发明通过提供基于人工智能的分布式调度性能检测评估方法及系统，对系统的稳定性进行了全面评估。可以及时发现系统性能下降或潜在故障以及节点性能瓶颈，帮助提高系统的整体稳定性和处理能力。
-
Patent Agency Ranking
公开(公告)号：CN119728753A
公开(公告)日：2025-03-28
申请号：CN202510218358.X
申请日：2025-02-26
Applicant: 湖南科技大学
IPC: H04L67/2866 , H04L67/288 , H04L67/2885 , H04L67/1097 , H04W28/084 , H04W28/08 , G06N3/098 , G06F18/23213
Abstract: 本发明属于云‑边‑端协同训练技术领域，公开了一种面向异构资源和数据的高效分层联邦学习方法，包括：将每个边缘服务器ES端的移动设备MD根据计算能力和数据分布进行分组，使得每个组具有最大的数据分布相似性。同时将计算能力强的设备均匀的分布在不同组中，减少组间计算能力的差异性。同时，本发明设备端采用组内环形顺序训练方法，将训练好的模型传输给下一个连接的设备，减少了与移动设备MD与边缘服务器ES间的通信链路，提高了模型训练的效率。本发明利用设备之间的通信代替设备与服务器之间的通信，减少了与服务器通信的链路条数，增大了通信带宽，可以实现在减少通信开销的同时增强知识的融合。
-
公开(公告)号：CN119356883B
公开(公告)日：2025-03-18
申请号：CN202411914728.5
申请日：2024-12-24
Applicant: 湖南科技大学
Abstract: 本发明涉及电数字数据处理技术领域，具体公开一种基于GPU的并行张量填充方法，该方法包括：初始矩阵生成、张量划分准确度判定、子张量并行处理以及并行张量填充，根据矩阵方式生成初始矩阵，基于需填充数据集的数据量，通过预设张量划分方式得到子张量，并校验划分准确度以优化划分方式；利用预定义坐标定位方式获取子张量二进制坐标，结合并行张量查找方式得到并行子张量序列，传输至GPU内存空间进行并行处理，评估GPU并行处理性能，通过并行处理得到各子张量序列权重，更新初始矩阵为更新矩阵，最终按预定义方式填充缺失数据，完成数据的并行张量填充，提高数据的准确性和完整性。
-
公开(公告)号：CN119272846B
公开(公告)日：2025-03-18
申请号：CN202411789943.7
申请日：2024-12-06
Applicant: 湖南科技大学
IPC: G06N3/098 , G06N3/0442 , G06F18/2433 , G06F18/243
Abstract: 本发明公开了一种基于孤立森林异常检测的安全分层联邦学习方法,涉及电数字数据处理技术领域。该方法，包括以下步骤：在边缘服务器端建立GRU自注意力模型，通过GRU自注意力模型对全局参数提取时序特征状态，使用孤立森林算法对聚合后的GRU自注意力模型更新参数的时序特征状态建树，对比异常检测强度评估系数与GRU自注意力模型参数聚合后的异常检测强度阈值，根据对比结果采取自适应调整异常检测强度或发出警报的措施。本发明通过为每个服务器生成个性化的异常检测强度阈值决策，充分考虑不同服务器所遭受的攻击程度差异，合理分配检测强度，达到了提高服务器安全性的效果，解决了现有技术中存在服务器安全性不足的问题。
-
公开(公告)号：CN119210465B
公开(公告)日：2025-02-14
申请号：CN202411579167.8
申请日：2024-11-07
Applicant: 湖南科技大学
Abstract: 本发明涉及电数字数据处理技术领域，具体公开一种自适应压缩编码的分层联邦学习方法，该方法包括：分层联邦学习架构构建、边缘服务器匹配、模型生成性能判断、压缩率匹配以及分层联邦学习架构判断，首先构建出分层联邦学习架构，使得每一层都能充分利用其计算资源，通过匹配得到终端设备对应的边缘服务器，各终端设备用于生成环境数据训练模型，根据边缘服务器的网络传输性能得到对应的压缩率，边缘服务器接收各终端设备的环境数据训练模型并按照对应的压缩率依次进行自适应压缩编码以及边缘聚合，云服务器接收边缘聚合结果并进行全局聚合，最终判断分层联邦学习架构所属云服务器是否将全局聚合对应结果上传至环境资源调度云平台。
-
公开(公告)号：CN119232497A
公开(公告)日：2024-12-31
申请号：CN202411747127.X
申请日：2024-12-02
Applicant: 湖南科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于网络设备微观数据的互联网空间安全测试方法及系统，解决了现有方法在缺乏对单一网络设备微观数据关注和关联设备安全防护方面的不足，该方法包括获取网络设备的微观数据包括物理属性、连接特性、通信行为和历史使用模式，并将其建模为张量，通过采样界确定采集频率；根据采集频率采集行为特征数据，并通过异常检测方法提取和标记异常通信特征；基于异常通信特征计算风险评分，生成风险等级标签，对高风险设备进行实时预警和深度分析；同时对关联设备进行威胁感知指数的计算，进行优先级排序并分配防护资源，确保潜在威胁得到全面防护。本发明能够实现精准的风险评估与动态防护，提高互联网空间安全性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.028 seconds)
