-
公开(公告)号：CN118101181B
公开(公告)日：2024-08-30
申请号：CN202410194187.7
申请日：2024-02-21
Applicant: 之江实验室
Abstract: 本说明书公开了一种风险识别的方法、装置、存储介质及电子设备，该方法包括：确定预先存储的用户数据，采用各智能设备预先设置的安全多方计算预处理函数，生成初始掩码比特份额，并基于初始掩码比特份额，对用户数据进行处理，得到掩码数据，以及生成掩码数据对应的初始标签值。将掩码数据以及初始标签值发送给服务器，根据初始掩码比特份额，确定服务器返回的中间结果对应的第一掩码比特份额和第二掩码比特份额。再根据第一掩码比特份额和第二掩码比特份额，对中间结果进行验证。在中间结果验证通过时，通过与其他智能设备进行交互，以对掩码结果进行解密，确定风险识别结果，不仅保护了用户数据的隐私，还提高了风险识别结果的准确性。
-
公开(公告)号：CN117331626A
公开(公告)日：2024-01-02
申请号：CN202311181193.0
申请日：2023-09-11
Applicant: 之江实验室
Abstract: 本发明公开了一种Python模型的交付及部署方法、电子设备、介质，包括：基于装饰器注册算法函数，支持同步/异步任务调用，采用Gunicorn和Flask相结合的方式响应网络服务，插件机制进行扩展并支持Prometheus监控等功能。可使用框架create命令自动创建新的应用，进行本地调试后通过build命令打包包含框架环境的模型应用Docker镜像，并进行部署。本发明方法具有高性能、高效的算法管理、广泛的适用性和高灵活性等优点。
-
公开(公告)号：CN118101181A
公开(公告)日：2024-05-28
申请号：CN202410194187.7
申请日：2024-02-21
Applicant: 之江实验室
Abstract: 本说明书公开了一种风险识别的方法、装置、存储介质及电子设备，该方法包括：确定预先存储的用户数据，采用各智能设备预先设置的安全多方计算预处理函数，生成初始掩码比特份额，并基于初始掩码比特份额，对用户数据进行处理，得到掩码数据，以及生成掩码数据对应的初始标签值。将掩码数据以及初始标签值发送给服务器，根据初始掩码比特份额，确定服务器返回的中间结果对应的第一掩码比特份额和第二掩码比特份额。再根据第一掩码比特份额和第二掩码比特份额，对中间结果进行验证。在中间结果验证通过时，通过与其他智能设备进行交互，以对掩码结果进行解密，确定风险识别结果，不仅保护了用户数据的隐私，还提高了风险识别结果的准确性。
-
公开(公告)号：CN117349671A
公开(公告)日：2024-01-05
申请号：CN202311436656.3
申请日：2023-10-30
Applicant: 之江实验室
IPC: G06F18/214 , G06F21/60 , G06F21/62 , G06Q20/38
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，包括：确定用户的业务数据为训练样本以及确定训练样本对应的标注。将训练样本输入待训练的任务模型的特征提取层，确定第一特征。根据密文速查表，确定第一特征对应的加密特征，并发送给其他参与方。接收其他参与方发送的加密特征，将各加密特征输入待训练的任务模型的加密交互层，确定第二特征。将第二特征输入待训练的任务模型的输出层，确定输出结果。根据输出结果以及标注，对待训练的任务模型进行训练。基于各参与方的业务数据，联合训练多个任务模型，使得任务模型的预测结果的准确率高，通过密文速查表，确定第一特征的密文，保护用户隐私，加快任务模型训练速度。
-
公开(公告)号：CN117240978A
公开(公告)日：2023-12-15
申请号：CN202311143838.1
申请日：2023-09-06
Applicant: 之江实验室
Abstract: 本发明提供了一种磁共振影像重构的数据隐私保护方法，包括：获取磁共振成像图像的原始k‑空间数据；对磁共振成像图像的原始k‑空间数据进行随机掩码，得到掩码k‑空间数据；对掩码k‑空间数据进行下采样得到下采样k‑空间数据；对下采样k‑空间数据进行差分隐私安全发布得到一组初始重构数据；重复上述步骤直至满足终止条件，得到多组初始重构数据，数据提供端将多组初始重构数据传递至数据处理端进行处理，获得最终重构数据。本发明还提供了一种磁共振影像重构的数据隐私保护装置。本发明方法解决磁共振成像图像数据联合训练中隐私保护的问题，弥补了数据提供端数据算力不足的问题，提高了算法的鲁棒性和重构图像的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116894964A
公开(公告)日：2023-10-17
申请号：CN202310671061.X
申请日：2023-06-07
Applicant: 之江实验室
IPC: G06V10/762 , G06V10/80
Abstract: 本申请涉及一种后期融合物体图像聚类方法、装置和计算机设备。所述方法包括：响应于图像聚类请求，获取待聚类的物体图像数据；确定物体图像数据在不同视图下的基础划分矩阵、初始旋转扰动矩阵和初始权值系数，以及所有视图对应的初始一致聚类划分矩阵；根据基础划分矩阵、初始旋转扰动矩阵、初始权值系数和初始一致聚类划分矩阵，构建物体图像聚类目标函数；对物体图像聚类目标函数中待优化参数进行交替优化处理，当物体图像聚类目标函数的函数值为预设函数值时，得到融合每个视图的基础划分矩阵的目标一致聚类划分矩阵；对目标一致聚类划分矩阵进行聚类处理，得到物体图像数据的聚类结果。采用本方法能够提高图像的聚类准确性。
-
公开(公告)号：CN117879967A
公开(公告)日：2024-04-12
申请号：CN202410148305.0
申请日：2024-02-01
Applicant: 之江实验室
Abstract: 本说明书公开了一种网站指纹防御的方法、装置、存储介质及电子设备。其中，首先获取网络流量数据集，并确定各待发送数据包，然后根据获取到的网络流量数据集中包含的流量数据包，确定该网络流量数据集中包含的流量数据包的数据内容，进而根据该网络流量数据集中包含的流量数据包的数据内容以及发送各待发送数据包的网站所对应的网站信息，确定噪音数据包，并根据获取到的噪音数据包，确定针对各待发送数据包的数据包发送序列，最后，根据确定出的数据包发送序列，将各待发送数据包进行发送，以进行网站指纹防御。
-
公开(公告)号：CN117332331A
公开(公告)日：2024-01-02
申请号：CN202311153600.7
申请日：2023-09-07
Applicant: 之江实验室
IPC: G06F18/2415 , G06F18/2431 , G06F18/27 , G06F18/214 , G06N20/00 , G06F21/62 , G06Q30/0251
Abstract: 本发明公开了一种基于纵向联邦逻辑回归的业务执行方法与装置，基于一个第一参与方和n个第二参与方实现，所述方法包括：第一参与方根据当前的第一业务数据特征、部署于第一参与方上且预先训练好的第一模型的参数获取第一中间参数；第二参与方根据当前的第二业务数据特征、部署于第二参与方上且预先训练好的第二模型的参数获取第二中间参数，根据第二中间参数获取第一混淆中间参数，并将第一混淆中间参数发送至第一参与方；第一参与方对第一中间参数和所有第一混淆中间参数求和，得到中间参数总和；通过softmax函数处理中间参数总和获取目标类别的概率分布，取概率最高的K个目标类别作为业务执行目标。
-
公开(公告)号：CN116628538A
公开(公告)日：2023-08-22
申请号：CN202310924938.1
申请日：2023-07-26
Applicant: 之江实验室
IPC: G06F18/2323 , G06F18/2415 , G06F18/214 , G06N3/042 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0895 , G16H10/60
Abstract: 本申请涉及一种基于图对齐神经网络的患者聚类方法、装置和计算机设备。涉及神经网络技术领域。方法包括：获取患者对应的医疗图数据；根据医疗图数据，生成特征矩阵以及图邻接矩阵；将特征矩阵以及图邻接矩阵输入图对齐神经网络，生成对应患者的聚类分配矩阵；图对齐神经网络包括：特征对齐规则、类中心对齐规则以及最小熵对齐规则中的至少一种。通过图对齐神经对患者进行聚类分析，能够减少医师的工作量，同时能够提高聚类的效率，进一步的增加聚类的准确性。同时通过特征对齐规则、类中心对齐规则以及最小熵对齐规则，在图对齐神经网络训练的同时，调整神经网络参数，进一步的提升患者分类的精确度。
-
公开(公告)号：CN117315388A
公开(公告)日：2023-12-29
申请号：CN202311201873.4
申请日：2023-09-18
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/54 , G06N3/0464 , G06N3/08 , G06F21/60
Abstract: 本发明公开了一种基于稀疏联邦训练的目标检测方法及装置、电子设备，使用本地数据在边缘设备上训练本地模型，只将轻量级的本地参数上传到服务器进行聚合，使用了基于稀疏联邦学习的框架来降低通信成本和保护数据隐私，并在服务器中传输和共享轻量级模型，有效解决了车联网场景中车载算力不足、通信开销大等问题，提升车辆行驶过程中目标检测的时效性和准确率；改进了传统的联邦平均算法，提出基于稀疏率反比的加权联邦聚合算法，以适配不同边缘设备上的动态稀疏率，进一步降低车联网中车载算力要求的门槛，提升车联网的普适性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
