公开(公告)号：CN101266672A

公开(公告)日：2008-09-17

申请号：CN200710048623.6

申请日：2007-03-14

Applicant: 电子科技大学

Inventor： 耿技 ,  熊虎 ,  刘勇 ,  高嵘 ,  何兴高 ,  张凤荔 ,  秦志光

IPC: G06Q30/00

Abstract: 本发明涉及一种涉及信誉值机制的基于Gradual Release的公平交换方法，其特征在于，当系统中任意两交换方准备进行交换时，将首先根据系统中对方的信誉值决定是否交换。双方都同意交换后，就采用基于Gradual Release的交换方法对信息分片，然后逐步传输信息分片。传输结束后，参与交换的双方都将对对方在此次交换中的行为进行评分，并作为交换参与者的一部分信誉记录保存在本地。信息分片数由交换双方中信誉值较低的一方的信誉值决定。本方法通过将信誉值机制引入公平交换，一方面改进了Gradual Release的公平交换方法，极大地提高了高信誉值用户进行公平交换的效率；另一方面采用信誉值机制在不需要第三方参与的情况下激励交换双方尽可能的遵守协议，减少破坏协议公平性行为的发生。同时在交换双方具体进行交换时，将由信誉值较低的一方首先发出自己的信息分片，在一定程度上解决了原有Gradual Release的“最后一比特的不公平性”问题。本发明适用于难于找到TTP或者希望花费较少代价即可进行公平交换的场合。

公开(公告)号：CN101266670A

公开(公告)日：2008-09-17

申请号：CN200710048624.0

申请日：2007-03-14

Applicant: 电子科技大学

Inventor： 秦志光 ,  何兴高 ,  张凤荔 ,  赵洋 ,  蓝天 ,  唐艳 ,  熊虎

IPC: G06Q20/00 ,  G06Q30/00

Abstract: 本发明公开了一种通过计算机网络进行数字商品交易的实现方法，该方法至少包含五个参与实体：消费者、销售者，数字商品交易中心，消费者开户银行，销售者开户银行。交易前主要包括：交易中心接收销售者拥有的数字商品和商品的描述信息，审核商品与描述相符后，通过其门户网站在互联网上发布商品描述信息，消费者通过门户网站选择购买的商品。交易过程主要包括：销售者接受消费者的购买请求后，销售者将数字商品加密发送给消费者，消费者向自己的开户银行申请支付令牌，销售者的开户银行通过该支付令牌完成支付，销售者确认支付后向消费者发送数字商品解密密钥。该方法采用RSA非对称加密方式，并在出现争议时，由交易中心接受仲裁申请执行仲裁。

公开(公告)号：CN119005248A

公开(公告)日：2024-11-22

申请号：CN202410956603.2

申请日：2024-07-17

Applicant: 电子科技大学

Inventor： 王瑞锦 ,  周潼 ,  张凤荔 ,  李冬芬 ,  赖金山 ,  王金波 ,  王栋

IPC: G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/098 ,  G06F18/241 ,  G06F21/62 ,  G06N3/096 ,  G06N3/042 ,  G06N20/20

Abstract: 本发明公开了一种适于防御DLG攻击的多策略联邦学习方法，包括为每个客户端提供一个条件生成对抗网络cGAN，该cGAN局部执行训练生成器，使生成器捕获特征提取器的特征分布，以模拟特征提取器；在每一轮FL通信中，客户端本地训练完成后将自己的生成器和分类器进行自适应差分隐私处理，然后将自适应差分隐私处理后的生成器和分类器发送至服务器；服务器将接收到的所有客户端发送的生成器和分类器采用SemCKD算法进行聚合，构建全局生成器和全局分类器；客户端下载全局生成器和全局分类器来替换自身的生成器和分类器，并开始下一次训练迭代。本发明不仅显著增强了模型对DLG攻击的安全性，还保持了较高的模型准确率和训练效率，且没有引入额外的计算与通信成本。

公开(公告)号：CN116094993B

公开(公告)日：2024-05-31

申请号：CN202211657554.X

申请日：2022-12-22

Applicant: 电子科技大学

Inventor： 王瑞锦 ,  李雄 ,  张凤荔 ,  周世杰 ,  王金波 ,  赖金山 ,  周潼 ,  程帆 ,  李嘉坤 ,  孙鹏钊

IPC: H04L45/48 ,  H04L67/10 ,  H04L9/40 ,  G06N3/098 ,  G06F21/60 ,  G06F21/62

Abstract: 本发明公开了一种适用于边缘计算场景下的联邦学习安全聚合方法，包括：(1)边缘节点将各个终端之间的通信拓扑图结构由全连通图修改为基于最小生成树的终端连通拓扑图；(2)各个终端利用本地数据训练联邦学习的模型，并根据修改的终端连通拓扑图与邻居终端以广播密钥的方式进行通信；(3)各个终端计算掩码并用于加密模型梯度；(4)边缘节点接收终端传输的加密的模型梯度并进行局部聚合；(5)云计算处理中心接收来局部聚合模型梯度，再进行一次聚合形成全局聚合模型，并将全局聚合模型下发到边缘节点，为终端提供服务。本发明在解决联邦学习中隐私泄露问题的同时，避免了需要大量额外的计算和通信开销，并提高了模型的收敛速度。

公开(公告)号：CN117294460A

公开(公告)日：2023-12-26

申请号：CN202211503349.8

申请日：2022-11-28

Applicant: 四川省公安科研中心 ,  电子科技大学

Inventor： 葛城 ,  彭京 ,  张海超 ,  田婷 ,  张凤荔 ,  牛新征 ,  赖金山

IPC: H04L9/40 ,  H04L9/00 ,  H04L41/16 ,  H04L41/082 ,  G06F21/60 ,  G06F21/71 ,  G06N3/08

Abstract: 本发明涉及边缘计算下的隐私保护领域，特别是涉及边缘计算下的一种边缘计算下的轻量级联邦学习隐私保护方法。目的在于解决联邦学习过程中隐私泄露的风险的方案，需消耗大量的时间和空间，不适用于边缘计算下实时性的应用场景的问题。主要方案包括采用不同的终端设备负责进行神经网络模型训练，而边缘服务器和云服务器进行神经网络模型参数聚合；在终端设备训练得到神经网络模型参数后，对其进行差分扰动，再上传给边缘服务器，边缘服务器迭代训练得到神经网络模型参数后，对神经网络模型参数进行同态加密后传输到云服务器进行聚合；在终端设备上、边缘服务器，设置一个阈值，当训练次数达到阈值时，神经网络模型参数上传到云服务器进行聚合更新。

公开(公告)号：CN116909742A

公开(公告)日：2023-10-20

申请号：CN202310895639.X

申请日：2023-07-20

Applicant: 电子科技大学

Inventor： 王瑞锦 ,  张凤荔 ,  周世杰 ,  陈政 ,  张扬 ,  赖金山 ,  张杰 ,  周潼

IPC: G06F9/50 ,  G06F9/48 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种多智能体协同计算资源调度方法，包括配置任务请求队列；获取边缘集群的历史运行状态序列，输入到多层叠加的LSTM神经网络中，输出具有时序特征的系统状态矩阵；将该系统状态矩阵输入到边缘集群配置的Actor‑Critic网络中进行多智能体强化学习，通过计算获得边缘集群的状态价值，并从对应的边缘集群中选择合适的节点来处理任务请求队列中的下一个任务，完成资源调度；然后根据任务回报计算损失函数和梯度来更新Actor‑Critic网络参数。本发明在面对大规模服务请求时能够成功学习请求之间的周期性状态，提高了系统吞吐率，采用时序网络与策略相结合的方式进行每一次任务调度，收敛速度更快，训练需要的数据量更少。

公开(公告)号：CN116258354B

公开(公告)日：2023-09-19

申请号：CN202310538906.8

申请日：2023-05-15

Applicant: 中国民用航空总局第二研究所 ,  民航成都信息技术有限公司 ,  电子科技大学

Inventor： 刘卫东 ,  程华 ,  倪佳 ,  刘韬 ,  王瑞锦 ,  廖方民 ,  张芮程 ,  张凤荔 ,  肖勇强 ,  钟泽剑 ,  裴锡凯

IPC: G06Q10/0631 ,  G06Q50/30

Abstract: 本申请涉及航班地勤保障技术领域，尤其涉及航班地勤节点的执行方法、装置、设备及介质，该方法包括：根据各执行用户执行各航班地勤节点的执行时长，确定每个航班的每个航班地勤节点的执行用户得到第二执行用户序列；随机生成第二执行顺序序列；将第二执行用户序列分别与每个第二执行顺序序列进行组合，得到第二执行序列；根据基于执行用户的当前执行信息数据确定的第一执行序列和第二执行序列以及对应的子代执行序列进行迭代，得到目标执行序列。通过本申请的方式能够确定所有航班地勤节点对应的目标执行序列，以执行所有航班地勤节点，提高了执行航班地勤节点的执行效率。

公开(公告)号：CN116187482A

公开(公告)日：2023-05-30

申请号：CN202310061325.X

申请日：2023-01-20

Applicant: 电子科技大学

Inventor： 王瑞锦 ,  陈晶 ,  张凤荔 ,  周世杰 ,  赖金山 ,  王金波 ,  周潼

IPC: G06N20/20 ,  G06F18/2415 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明公开了一种边缘场景下轻量级的可信联邦学习方法，包括：(1)终端设备使用私有数据集在本地对模型进行训练，输出训练结果；(2)对训练结果进行加密，并上传至边缘服务器；(3)边缘服务器计算获得一维中的平均值outmean；(4)根据计算的outmean，边缘服务器将结果广播给各个终端设备以助终端设备完成后续训练；同时，边缘服务器还利用outmean和蒸馏温度T计算KL散度，以用于指导全局模型参数训练；(5)边缘服务器将更新的全局模型参数上传到云服务器进行聚合更新；(6)云服务器验证训练模型的性能是否满足标准要求，是，则训练结束；否则，将全局模型参数发送到每个边缘服务器以开始下一轮训练。本发明能有效提升模型的训练效率和准确性。

公开(公告)号：CN115712972A

公开(公告)日：2023-02-24

申请号：CN202211453973.1

申请日：2022-11-21

Applicant: 四川省公安科研中心 ,  电子科技大学

Inventor： 彭京 ,  葛城 ,  张海超 ,  田婷 ,  牛新征 ,  张凤荔 ,  虞延坤

IPC: G06F30/18 ,  G06F30/27 ,  G06F119/02

Abstract: 本发明属于网络安全领域，提供了一种基于深度学习的边缘计算环境下的DDos检测方法。主旨在于解决因为边缘节点算力受限、存储空间小、网络波动大的环境问题，无法部署应用的问题。主要方案包括搭建了预处理层，对输入的网络流量数据依次进行过滤脏数据、归一化处理、攻击类型标签统计分析，利用Smote算法上采样稀疏类、对稠密类进行下采样以此平衡标签类别；模型构建；将预处理后的网络流量数据划分得到训练集和测试集，通过训练集和测试集输入到模型中进行训练，得到训练好的模型；将训练好的模型部署到边缘节点中，搜集节点中的网络流量数据，使用预处理层来处理流量数据后送入部署的模型进行实时DDos预测。

公开(公告)号：CN112990431A

公开(公告)日：2021-06-18

申请号：CN202110214084.9

申请日：2021-02-25

Applicant: 电子科技大学

Inventor： 张凤荔 ,  张志扬 ,  王瑞锦 ,  周世杰

IPC: G06N3/04 ,  G06F16/9535

Abstract: 本发明公开了一种基于异质图神经网络的邻域探索方法，包括以下步骤：步骤1：定义一个用于指导探索方向的参数α；步骤2：在给定的异质图ɡ与元路径Φ中，对于节点的每个直接邻居，有α的概率不进行任何操作，并跳转至下一直接邻居节点；有1‑α的概率进行有偏游走采样，并用游走采样得到的元路径邻居替换原来的直接邻居；步骤3：以α的概率，将直接邻居加入邻居集合；以1‑α的概率，将元路径邻居加入邻居集合。本发明通过平滑的将深度优先探索与广度优先探索两种探索策略进行拼接，以适应不同的异质网络结构，并实现对特定语义邻居的捕捉，从而提高推荐系统的可解释性及准确率。