基于纵向联邦学习的社交网络跨平台恶意用户检测方法

    公开(公告)号:CN113051557A

    公开(公告)日:2021-06-29

    申请号:CN202110275639.0

    申请日:2021-03-15

    Abstract: 基于纵向联邦学习的社交网络跨平台恶意用户检测方法,包括:步骤1、构建基于纵向联邦学习的社交网络跨平台恶意用户检测层次化架构;步骤2、将参与方分为主动方和被动方,对主动方和被动方样本数据在数据预处理层进行预处理操作,得到结构化数据;步骤3、经数据预处理层处理后的结构化数据,映射主动方和被动方共有的样本数据;步骤4、在机器学习的定义下协同训练一个全局模型,利用了同态加密对主动方和被动方数据进行加解密,完成联邦学习层训练;步骤5、主动方和被动方更新自身的本地模型训练参数,并将预测结果输出;步骤6、在数据应用层将联邦学习层得到的预测结果回传到各参与方,实现高质量的恶意用户检测效果。

    一种面向非规则程序的自适应线程划分方法

    公开(公告)号:CN111459633A

    公开(公告)日:2020-07-28

    申请号:CN202010238885.4

    申请日:2020-03-30

    Abstract: 一种面向非规则程序的自适应线程划分方法,涉及计算机技术领域,通过在多核平台上搭建程序复杂度计算模型,立足经典线程划分方法构建候选线程划分方案集,依据专家知识建立线程划分方案的选择机制,并兼顾上下文和程序复杂度选择最适合程序的线程划分方案。本发明有益效果:能够实现不同类型的非规则程序的最佳划分,最大程度挖掘出非规则程序的潜在并行性,提高程序的加速比性能,不仅能够解决串行程序和多核处理器之间存在的软硬件不协调问题也可以充分利用多核处理器资源和遗留的串行程序,推动多线程处理器和软件并行化,促进高性能计算、云计算等相关产业的健康、良性和快速发展,具有较好的应用前景和实用价值。

    一种基于时间感知的增量机器爬虫方法

    公开(公告)号:CN108763537A

    公开(公告)日:2018-11-06

    申请号:CN201810551090.1

    申请日:2018-05-31

    Abstract: 一种基于时间感知的增量机器爬虫方法,根据每个页面的基于初始爬行时间表T={t1,t2,...,tn}的相似性得分序列PTS和最大相似性阈值δ,将大于最大相似性阈值δ的相似性得分和对应的初始时间戳去掉,得到优化的相似性得分时间序列new_PTS和优化的爬行计划时间表new_T;如果优化的爬行计划时间表new_T的时间戳数|new_T|大于最佳爬行频次,就根据优化的相似性得分序列new_PTS得出降维后的时间感知相似性协方差矩阵,用MIQP算法得出页面的最佳爬行时间表,对发生变化的网页进行增量更新。本发明可以为目标页面制定最优的页面刷新策略,从而降低页面的刷新代价,减少数据冗余的产生,提高爬虫的效率并保证抓取资源的新鲜性。

    数字许可权利证书在终端设备间的转移方法

    公开(公告)号:CN103473485B

    公开(公告)日:2016-08-10

    申请号:CN201310431675.7

    申请日:2013-09-22

    Abstract: 数字许可权利证书在终端设备间的转移方法,首先原终端设备A验证其具有的数字许可权利证书是否合法,然后对该证书解析并利用设备B的硬件信息,生成一个与设备B硬件信息绑定的权利证书license2,并删除设备A具备的权利证书,license2中包含的权限即为从设备A转移出的权限。本发明将数字权利证书通过UID值与设备的硬件信息绑定,确保了权利证书只能合法使用与某台固定的设备,有效防止权利证书被非法适用于其他设备,保护了内容提供商与合法用户的权益,而且在转移中没有第三方参与,使得权利转移过程变得更方便、实用,同时也降低了用户分享信息泄露的可能,保护了用户隐私。

    一种基于信息熵的非线性自适应隐私预算划分方法

    公开(公告)号:CN118395501A

    公开(公告)日:2024-07-26

    申请号:CN202410640373.9

    申请日:2024-05-22

    Abstract: 本发明公开了一种基于信息熵的非线性自适应隐私预算划分方法,首先根据逐层相关性计算输入特征的相关性,量化不同输入特征对模型输出结果的影响;然后采用信息熵对输入特征相关性进行隐私度量,根据度量结果进行隐私预算分配;最后使用最小化损失函数训练学习模型,为特征梯度自适应地添加噪声。本发明利用信息熵作为输入特征贡献度权重的衡量方法,以达到隐私预算的非线性自适应分配,提高了隐私预算的利用率和模型训练的准确率,为梯度自适应地添加噪声,解决现有模型训练的隐私保护方案在梯度更新过程中注入等量噪声导致模型准确性下降的问题。

Patent Agency Ranking