-
公开(公告)号：CN116366241A
公开(公告)日：2023-06-30
申请号：CN202310111345.3
申请日：2023-02-14
Applicant: 北京交通大学
Abstract: 本发明提供了一种去中心化的以太坊定时交易隐私保护执行方法。该方法包括：领导者计划定时交易，在本地创建代理合约和补充合约，使用定时交易资金部署代理合约；追随者发送其定时交易有效负载和交易资金到所述代理合约，通知代理合约有新的追随者加入，追随者等待定时交易；领导者招募的委员会成员在积极模式和消极模式下利用代理合约和补充合约执行追随者的定时交易。本发明方法保护定时交易的私有元素，保证了其在设定的未来时间段前不会被披露，该方法在指定的未来时间段前利用在区块链网络中招募的委员会维护定时交易的解密密钥的不同片段，并调用代理智能合约在指定的时间段内执行计划交易，以在所需的时间段触发区块链状态的更改。
-
公开(公告)号：CN116305238A
公开(公告)日：2023-06-23
申请号：CN202211662084.6
申请日：2022-12-23
Applicant: 北京交通大学
Abstract: 本发明提供一种联邦学习后门攻击检测方法及系统，属于网络数据安全技术领域，在联邦学习系统中，攻击者向系统中注入虚假用户，攻击者基于当前接收到的全局模型并利用所有恶意用户的正常样本优化后门触发器触发器。优化目标希望最小化嵌入后门触发器样本在全局模型上的预测损失；攻击者接收到触发器并将触发器嵌入到本地数据集中，攻击者利用篡改后的数据进行本地模型训练。本发明攻击者在进行模型对于训练样本学习同时，最小化恶意模型与正常模型之间的距离，控制由于嵌入触发器引起的模型偏差；攻击者通过这两种方法的联合作用，控制由于嵌入后门触发器引起的恶意模型与正常模型之间的偏差，增强后门攻击的隐蔽性绕过多种防御方法。
-
公开(公告)号：CN119011600A
公开(公告)日：2024-11-22
申请号：CN202410981463.4
申请日：2024-07-22
Applicant: 北京交通大学
IPC: H04L67/1074 , H04L41/00 , H04L9/00
Abstract: 本发明提供一种区块链中心化综合评估治理方法及系统，属于区块链安全治理技术领域，确定节点是否参与投票，并进行投票，统计参与投票的节点数量，确定有效奖励发放时长；验证有效举报和监管信息，确定符合奖励条件的节点，并计算每个节点应获得的具体奖励数额；执行奖励分配，将计算的奖励数额发放给相应的节点。本发明综合了区块链中心化程度的多种评估指标，全面分析了采用不同共识协议的区块链系统的中心化程度，并针对不同共识机制提出抽象化的治理模型，利用HK聚类算法优化奖励分配机制以鼓励广泛的参与者在区块链治理中采取积极正直的行为，构建了基于激励机制的面向Web3.0的区块链治理三方演化博弈模型来评估改进的安全性。
-
公开(公告)号：CN118862948A
公开(公告)日：2024-10-29
申请号：CN202410786500.6
申请日：2024-06-18
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于知识蒸馏和锐度感知最小化的个性化联邦学习方法。该方法包括：服务器生成全局共享无标签伪数据集，并下发给各个客户端；客户端利采用锐度感知最小化方法对本地模型进行优化，得到优化后的本地模型wc；客户端利用本地数据集和无标签伪数据集生成本地知识，服务器对各个客户端的本地知识中的logits依据权重系数进行加权运算得到全局#imgabs0#将由全局原型p和全局#imgabs1#构成的全局知识下发给各个客户端；客户端根据本地logits和全局知识中的全局#imgabs2#对本地模型wc进行更新。本发明利用无标签伪数据集作为公共数据集进行知识蒸馏，就能够实现良好的性能。服务器利用权重对本地知识进行聚合，以获得高质量的全局知识，用于提升本地模型性能。
-
公开(公告)号：CN118540096A
公开(公告)日：2024-08-23
申请号：CN202410421446.5
申请日：2024-04-09
Applicant: 北京交通大学
Inventor： 王伟 , 郝玉蓉 , 刘吉强 , 李超 , 段莉 , 许向蕊 , 陈国荣 , 刘鹏睿 , 吕晓婷 , 陈政 , 刘敬楷 , 振昊 , 韩昫 , 刘冲 , 胡福强 , 祝咏升 , 代娇
IPC: H04L9/40 , H04L41/16 , G06F16/9535 , G06N3/098 , G06N20/00
Abstract: 本发明公开了一种面向联邦推荐的有目标投毒攻击防御方法及系统，包括：服务器随机选取预设比例的客户端参加模型训练；服务器连续记录不同用户在每一轮的更新项目模式；服务器通过识别良性用户在训练期间更新项目的两种模式，动态剔除不满足前述模式条件的异常用户；服务器将剩余用户上传的梯度作为正常梯度参与后续聚合更新，并将聚合更新后的结果作为新一轮参数发送至客户端；重复该过程直至模型收敛。本发明能够在训练过程中动态检测来自客户端上传的模型参数更新和交互项目更新模式，通过识别良性用户在训练期间更新项目的两种模式，针对性的对参与联邦推荐训练的异常用户进行检测并剔除，可以有效减轻有目标投毒攻击对联邦推荐系统的损害。
-
Patent Agency Ranking
公开(公告)号：CN117972744A
公开(公告)日：2024-05-03
申请号：CN202410043266.8
申请日：2024-01-11
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于区块链的分布式联邦学习聚合方法。该方法包括：任务发布者通过区块链广播联邦学习任务，选择参与联邦学习的训练者；训练者将添加了加密噪声的本地模型参数传输以及加密的噪声给其他训练者，训练者对所有训练者的本地模型参数及噪声值进行聚合，将聚合结果打包成区块并广播在区块链网络上，如果大多数区块链交易验证者通过了对该区块的验证，则该区块被确认添加在区块链上；任务发布者从区块链中下载聚合结果，然后还原出不加噪声的全局模型，计算全局模型的精度值，并与其他本地训练者的模型精度值进行比较，降低恶意训练者的声誉值，提高善意训练者的声誉值。本发明基于区块链实现完全去中心化联邦学习，降低系统发生单点故障的风险。
-
公开(公告)号：CN116520882B
公开(公告)日：2024-02-06
申请号：CN202310485503.1
申请日：2023-04-28
Applicant: 北京交通大学
IPC: G05D1/46 , G05D1/49 , G05D101/10 , G05D109/20
Abstract: 本发明提供一种面向无人机系统的配置缺陷分析方法和系统，包括如下过程：基于无人机控制系统的源代码，生成抽象语法树；基于抽象语法树，识别用于管理配置项的配置类；从配置类中提取配置项所属的get方法；基于配置项所属的get方法，通过获取配置类的实例化位置，确定配置项所属的get方法的使用位置；基于配置项的get方法的使用位置，通过推断获得配置项的名称；基于配置项的名称，构建无人机系统的配置攻击面。本发明提供的方法具有如下优点：提高无人机系统配置项提取的速率和准确率；支持从配置项到系统功能的映射；支持构建无人系统配置攻击面；有效指导无人系统的配置，规避
-
公开(公告)号：CN116366241B
公开(公告)日：2024-02-02
申请号：CN202310111345.3
申请日：2023-02-14
Applicant: 北京交通大学
Abstract: 本发明提供了一种去中心化的以太坊定时交易隐私保护执行方法。该方法包括：领导者计划定时交易，在本地创建代理合约和补充合约，使用定时交易资金部署代理合约；追随者发送其定时交易有效负载和交易资金到所述代理合约，通知代理合约有新的追随者加入，追随者等待定时交易；领导者招募的委员会成员在积极模式和消极模式下利用代理合约和补充合约执行追随者的定时交易。本发明方法保护定时交易的私有元素，保证了其在设定的未来时间段前不会被披露，该方法在指定的未来时间段前利用在区块链网络中招募的委员会维护定时交易的解密密钥的不同片段，并调用代理智能合约在指定的时间段内执行计划交易，以在所需的时间段触发区块
-
公开(公告)号：CN117291600A
公开(公告)日：2023-12-26
申请号：CN202310874347.8
申请日：2023-07-17
IPC: G06Q20/40 , G06N3/0464
Abstract: 本发明提供了一种区块链异常交易行为检测方法、装置、设备及介质，包括：获取各个账户的交易信息，账户的类型包括异常账户与正常账户；根据交易信息构建账户局部交易图，账户局部交易图中的节点为账户，边为账户之间的交易；根据交易信息获取账户交易属性特征；基于账户局部交易图与账户交易属性特征对预先构建好的检测模型进行训练，从而获得训练好的检测模型；其中，预先构建好的检测模型为基于PNA卷积层的图神经网络的模型；利用训练好的检测模型对待检测账户进行检测，获得检测结果。本发明能够提升检测鲁棒性，有利于提供更加全面、完整且深层次的图结构特征，有利于挖掘更加细粒度的交易图特征，进而提升模型检测的准确度。
-
公开(公告)号：CN116962085B
公开(公告)日：2023-12-08
申请号：CN202311213109.9
申请日：2023-09-20
Applicant: 北京交通大学
Abstract: 本说明书实施例提供了一种鲁棒的个性化联邦学习方法、装置及系统，方法包括：服务器接收来自多个客户端的模型更新数据，模型更新数据为在客户端上训练的本地模型的参数在训练前后的参数差值；服务器根据模型更新数据，得到各模型更新数据之间的基于α的层位置正则化相似度；服务器针对每一个客户端，根据基于α的层位置正则化相似度，得到模型更新数据的权重；服务器根据模型更新数据的权重和模型更新数据，分别得到各客户端对应的聚合模型更新数据；服务器发送聚合模型更新数据到各客户端。本申请提供的技术方案用以解决在联邦学习中系统中存在恶意攻击者时，通过本地协作训练
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.06 seconds)
