-
公开(公告)号:CN117708605A
公开(公告)日:2024-03-15
申请号:CN202311585649.X
申请日:2023-11-24
Applicant: 中国科学院计算技术研究所
IPC: G06F18/22 , G06F18/213 , G06F18/214 , G06N3/092 , G06F40/289 , G06N3/0464 , G06F21/62
Abstract: 本发明提供了一种数据资源确权判定方法,包括:S1、获取待确权数据、已确权数据集和相似数据集并按照预设的方式提取特征向量,其中,已确权数据集包括多个已确权数据,相似数据集包括多对数据,每对数据包括已确权数据及其对应的相似数据;S2、获取相似度阈值,其中,所述相似度阈值是以数据的特征向量为状态、相似度阈值为动作、已确权数据及其对应相似数据的相似度是否大于或等于相似度阈值为价值反馈计算奖励,采用相似数据集训练强化学习模型至收敛所获得的;S3、计算待确权数据的特征向量与每一个已确权数据的特征向量之间的相似度,并基于所述相似度阈值进行确权。通过采用经强化学习方法确定的相似度阈值,解决了确权准确性问题。
-
公开(公告)号:CN115296845B
公开(公告)日:2024-08-06
申请号:CN202210774338.7
申请日:2022-07-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于属性加密的医疗数据分级访问控制方法和系统,包括数据预处理和分级访问控制。数据预处理用于将个人医疗健康数据按照敏感程度分级,并对使用方按专业等级进行划分,为后续实现细粒度访问控制做好准备。分级访问控制用于在传统属性基加密基础上进行优化改进,实现对不同级别数据实施不同访问控制策略的同时,既提高计算效率又提供可靠的隐私保护。
-
公开(公告)号:CN116502707A
公开(公告)日:2023-07-28
申请号:CN202310457157.6
申请日:2023-04-24
Applicant: 中国科学院计算技术研究所
IPC: G06N3/098 , G06N3/094 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06F21/62
Abstract: 本发明实施例提供了一种联邦学习方法,所述方法包括由中心节点将初始化的联合模型分发给多个客户端作为初始的客户端模型,并由中心节点和客户端配合完成多轮联邦训练,得到最终的联合模型,其中,每轮联邦训练包括:由中心节点获取每个客户端上传的当前轮训练后的客户端模型,其中,当前轮训练后的客户端模型是利用客户端的本地训练集以最新获得的客户端模型为基础训练得到的;由中心节点基于各客户端的贡献度对多个客户端当前轮训练后的客户端模型进行聚合,得到当前轮更新后的联合模型,并将该联合模型分发给多个客户端作为各客户端下一轮训练的基础,其中,各客户端的贡献度基于各客户端模型分别对预设的仿真样本的分类准确率确定。
-
公开(公告)号:CN115296845A
公开(公告)日:2022-11-04
申请号:CN202210774338.7
申请日:2022-07-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于属性加密的医疗数据分级访问控制方法和系统,包括数据预处理和分级访问控制。数据预处理用于将个人医疗健康数据按照敏感程度分级,并对使用方按专业等级进行划分,为后续实现细粒度访问控制做好准备。分级访问控制用于在传统属性基加密基础上进行优化改进,实现对不同级别数据实施不同访问控制策略的同时,既提高计算效率又提供可靠的隐私保护。
-
-
-