-
公开(公告)号：CN116055081A
公开(公告)日：2023-05-02
申请号：CN202210916122.X
申请日：2022-08-01
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种大规模物联网联邦学习隐私保护方法及系统。本发明使用基于区块链的支付激励方法来迫使矿工和机构诚实行事，从而加快联邦学习收敛；此外，考虑到现实网络环境中矿工存在断网现象，导致共识协议中断，影响收敛速度，本发明设计了基于PVSS的鲁棒权益证明共识来解决这一问题。实验表明，本发明的激励机制能够提高预测的准确性，降低参与者不诚实的可能性；且本发明提出的架构可以很好的具有鲁棒性地保护设备隐私。
-
公开(公告)号：CN109871870B
公开(公告)日：2021-05-25
申请号：CN201910035916.3
申请日：2019-01-15
Applicant: 中国科学院信息工程研究所
IPC: G06K9/62
Abstract: 本发明提供一种大数据流中的基于最近邻的时间敏感性异常检测方法，属于大数据流、异常检测技术领域，核心是一个以LSH抽样视图为基础的统计估计器，滑动窗口使用确定波模型，将估计确定波窗口内多个随机时间区间的计数和方差以监测数据在不同时间区间的分布，能够快速寻找大数据流中的各数据的邻居，降低计算开销，无需单独为每个数据保存其邻居信息，节省空间占用，提高更新效率，基于时间敏感性能够快速判断数据分布是否异常以及异常发生的时间范围。
-
公开(公告)号：CN102710616B
公开(公告)日：2015-04-22
申请号：CN201210155437.3
申请日：2012-05-18
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种数据流预测方法及装置。数据流预测方法包括：根据样本数据更新集成模型索引，集成模型索引用于存储关键词与支持向量集合之间的映射关系，支持向量集合中的支持向量为所述集成模型中支持向量机SVM分类器的支持向量；对输入文本进行分词，得到该输入文本的关键词，输入文本为待测数据流；根据更新后的集成模型索引检索包含关键词的支持向量集合，以及该支持向量集合中的支持向量所在SVM分类器的信息；用检索到的支持向量集合中的所有支持向量对输入文本进行预测。本发明的数据流预测方法及装置，基于集成模型索引进行亚线性的在线预测，由于通过倒排表将支持向量按照关键字进行聚集，因而预测速度得到了明显的提升。
-
公开(公告)号：CN102710616A
公开(公告)日：2012-10-03
申请号：CN201210155437.3
申请日：2012-05-18
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种数据流预测方法及装置。数据流预测方法包括：根据样本数据更新集成模型索引，集成模型索引用于存储关键词与支持向量集合之间的映射关系，支持向量集合中的支持向量为所述集成模型中支持向量机SVM分类器的支持向量；对输入文本进行分词，得到该输入文本的关键词，输入文本为待测数据流；根据更新后的集成模型索引检索包含关键词的支持向量集合，以及该支持向量集合中的支持向量所在SVM分类器的信息；用检索到的支持向量集合中的所有支持向量对输入文本进行预测。本发明的数据流预测方法及装置，基于集成模型索引进行亚线性的在线预测，由于通过倒排表将支持向量按照关键字进行聚集，因而预测速度得到了明显的提升。
-
Patent Agency Ranking
公开(公告)号：CN110378144B
公开(公告)日：2021-09-07
申请号：CN201910481273.5
申请日：2019-06-04
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种数据即服务模式下支持范围查询的隐私保护方法和系统。在数据即服务的管理模式中，数据服务商的安全策略可能并不完备，数据所有者对其并不完全信任。在这样的环境下，设计一个能够完备的、能够保证数据隐私安全同时数据查询相对高效的机制是很有必要的。已有的数据即服务的管理模式中存在时间效率低和隐私信息攻击的风险。本发明提出一个完备、隐私安全并且支持范围查询和数据验证的方案，其核心是通过对数据分区，在同一分区内的数据采取哈希函数部分和的方式获得索引；为了能够在范围查询时避免假命中数据和数据验证，引入了查询精度和验证矩阵。通过实验验证，本发明具有很好的时间效率，同时能够很好地减少数据信息泄露。
-
公开(公告)号：CN110378144A
公开(公告)日：2019-10-25
申请号：CN201910481273.5
申请日：2019-06-04
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种数据即服务模式下支持范围查询的隐私保护方法和系统。在数据即服务的管理模式中，数据服务商的安全策略可能并不完备，数据所有者对其并不完全信任。在这样的环境下，设计一个能够完备的、能够保证数据隐私安全同时数据查询相对高效的机制是很有必要的。已有的数据即服务的管理模式中存在时间效率低和隐私信息攻击的风险。本发明提出一个完备、隐私安全并且支持范围查询和数据验证的方案，其核心是通过对数据分区，在同一分区内的数据采取哈希函数部分和的方式获得索引；为了能够在范围查询时避免假命中数据和数据验证，引入了查询精度和验证矩阵。通过实验验证，本发明具有很好的时间效率，同时能够很好地减少数据信息泄露。
-
公开(公告)号：CN114489964B
公开(公告)日：2025-03-04
申请号：CN202111517469.9
申请日：2021-12-08
Applicant: 中国科学院信息工程研究所
IPC: G06F9/48 , G06N3/098 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于联邦学习的车载网络信用优先任务卸载方法，其步骤包括：1)EC、CV分别将自己的位置信息和可用资源信息发送给CC；其中，EC为边缘云服务器，CV为车辆网中的车辆，CC为云中心；2)当CV需要进行任务卸载时，发送卸载任务信息给DC；其中，DC为车辆网中的决策中心；3)对于当前一批待处理的卸载任务，DC从CC获取发送卸载任务的各CV的信誉值；然后根据信用值设置各卸载任务的处理优先级，优先为处理优先级高的卸载任务制定任务卸载决策并发送给对应的EC和CV；其中，CC根据CV的行为信息计算对应CV的所述信誉值。本发明将信誉值用在任务卸载决策中，从而实现决策性能的提高。
-
公开(公告)号：CN114489964A
公开(公告)日：2022-05-13
申请号：CN202111517469.9
申请日：2021-12-08
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于联邦学习的车载网络信用优先任务卸载方法，其步骤包括：1)EC、CV分别将自己的位置信息和可用资源信息发送给CC；其中，EC为边缘云服务器，CV为车辆网中的车辆，CC为云中心；2)当CV需要进行任务卸载时，发送卸载任务信息给DC；其中，DC为车辆网中的决策中心；3)对于当前一批待处理的卸载任务，DC从CC获取发送卸载任务的各CV的信誉值；然后根据信用值设置各卸载任务的处理优先级，优先为处理优先级高的卸载任务制定任务卸载决策并发送给对应的EC和CV；其中，CC根据CV的行为信息计算对应CV的所述信誉值。本发明将信誉值用在任务卸载决策中，从而实现决策性能的提高。
-
公开(公告)号：CN109871870A
公开(公告)日：2019-06-11
申请号：CN201910035916.3
申请日：2019-01-15
Applicant: 中国科学院信息工程研究所
IPC: G06K9/62
Abstract: 本发明提供一种大数据流中的基于最近邻的时间敏感性异常检测方法，属于大数据流、异常检测技术领域，核心是一个以LSH抽样视图为基础的统计估计器，滑动窗口使用确定波模型，将估计确定波窗口内多个随机时间区间的计数和方差以监测数据在不同时间区间的分布，能够快速寻找大数据流中的各数据的邻居，降低计算开销，无需单独为每个数据保存其邻居信息，节省空间占用，提高更新效率，基于时间敏感性能够快速判断数据分布是否异常以及异常发生的时间范围。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.046 seconds)
