公开(公告)号：CN118246519A

公开(公告)日：2024-06-25

申请号：CN202410175531.8

申请日：2024-02-08

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  马兴敏 ,  董帆 ,  蒋鑫龙 ,  赵绪浩

IPC: G06N3/098 ,  G06F18/214

Abstract: 本发明提供了一种用于联邦学习的系统，包括：中心端管理模块，用于部署在中心端计算设备上，被配置为：执行联邦任务相关的一个或者多个指令，根据预设的联邦学习框架进行联邦任务的调度和对应模型的参数聚合，根据单个联邦任务的粒度和授权，分别赋予每个联邦任务访问对应联邦方计算设备上至少部分隐私数据资源的权限，并在任务结束后即时撤销权限；零信任代理模块，用于部署在参与联邦任务的联邦方计算设备上，以根据中心端模块赋予联邦任务的权限，受控地访问本地存储的对应隐私数据资源，根据预设的联邦学习框架完成对应模型的训练和推理过程；本发明通过联邦任务级别的资源访问即时授权和用后撤权，保障联邦学习过程中，隐私数据资源的安全。

公开(公告)号：CN117993458A

公开(公告)日：2024-05-07

申请号：CN202410009172.9

申请日：2024-01-02

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  董帆 ,  蒋鑫龙 ,  赵绪浩 ,  马兴敏

IPC: G06N3/08

Abstract: 本发明实施例提供了一种数据标注系统及方法，用于实现不同数据的标注任务，其特征在于，所述系统包括模型即服务端、数据标注端以及模型训练端来完成数据标注任务。本发明的方法可以能够在面临新的数据标注任务时，只需在数据标注系统中选择新的版本或新的推理服务即可，无需对数据标注系统进行代码上的修改，并且可以做到对深度学习模型进行灵活的调用与更新，同时该数据标注系统能够在数据不泄露的条件下对待标注数据进行快速标注。进一步地，可以在本发明的数据标注系统中基于数据标注端标注的数据对模型即服务端中已经存储过的深度学习模型或新的深度学习模型进行训练，以更新或增加模型即服务端中的深度学习模型，从而提高数据标注的准确率。

公开(公告)号：CN113112029B

公开(公告)日：2022-09-16

申请号：CN202110435786.X

申请日：2021-04-22

Applicant: 中国科学院计算技术研究所

Inventor： 蒋鑫龙 ,  王健 ,  陈益强 ,  马兴敏 ,  张腾

IPC: G06F16/182

Abstract: 本发明提供一种应用于异构计算设备的联邦学习系统和方法，所述系统包括联邦学习管控平台以及多个联邦学习参与方计算设备，其中，在所述联邦学习管控平台和联邦学习参与方计算设备上部署联邦学习应用模块。本发明使各联邦学习参与方可以在使用异构计算设备的情况下，通过注册审批的形式加入联邦，在管控平台的调度下，使用适配于异构计算设备的通用联邦学习应用模块执行联邦学习建模任务及预测任务，使得有意愿加入联邦的参与方在能满足基本需求的情况下灵活、按需选择计算设备，并且降低部署和运维难度。

公开(公告)号：CN113112029A

公开(公告)日：2021-07-13

申请号：CN202110435786.X

申请日：2021-04-22

Applicant: 中国科学院计算技术研究所

Inventor： 蒋鑫龙 ,  王健 ,  陈益强 ,  马兴敏 ,  张腾

IPC: G06N20/00

Abstract: 本发明提供一种应用于异构计算设备的联邦学习系统和方法，所述系统包括联邦学习管控平台以及多个联邦学习参与方计算设备，其中，在所述联邦学习管控平台和联邦学习参与方计算设备上部署联邦学习应用模块。本发明使各联邦学习参与方可以在使用异构计算设备的情况下，通过注册审批的形式加入联邦，在管控平台的调度下，使用适配于异构计算设备的通用联邦学习应用模块执行联邦学习建模任务及预测任务，使得有意愿加入联邦的参与方在能满足基本需求的情况下灵活、按需选择计算设备，并且降低部署和运维难度。