-
公开(公告)号：CN116341688A
公开(公告)日：2023-06-27
申请号：CN202211699464.7
申请日：2022-12-28
Applicant: 北京大学 , 奇安信科技集团股份有限公司 , 北京大学重庆大数据研究院
IPC: G06N20/20 , G06F18/214
Abstract: 本公开涉及一种平衡各方调查数据差异的纵向联邦学习方法及系统，属于联邦学习技术领域。该方法包括：确定参与共同训练模型的模型结构，并初始化模型参数；基于本地数据对参与共同训练模型进行训练，得到本地训练模型及相应的模型参数集合；通过节点之间的数据交互，获取其他节点经过本地训练后改动的模型参数集合；基于模型参数集合中每一位置上的参数类型，从所有本地训练模型选出需要联邦学习模型，并将其他的本地训练模型作为对应节点的最终模型。本发明可以解决纵向联邦学习模型的可接受度不高问题。
-
公开(公告)号：CN116245195A
公开(公告)日：2023-06-09
申请号：CN202211711793.9
申请日：2022-12-29
Applicant: 北京大学 , 奇安信科技集团股份有限公司 , 北京大学重庆大数据研究院
IPC: G06N20/00 , G06F18/214
Abstract: 本公开涉及一种少量数据训练的联邦元学习方法、服务端及电子设备，属于联邦学习技术领域。该方法包括：将目标任务发送给参与联邦学习的节点，以使各节点根据目标任务生成至少一个相似的子任务j，且基于子任务j对本地数据集进行划分，得到数据集Di,j；将待训练模型gt发送给参与联邦学习的节点，以使各节点利用数据集Di,j对待训练模型gt训练之后，基于所有训练结果生成模型接收各节点发送的模型并基于模型生成待训练模型gt+1；基于待训练模型gt+1不满足目标任务的需求的情况下，进行下一轮的训练；在待训练模型gt+1满足目标任务的需求的情况下，输出待训练模型gt+1。本发明可以让节点在仅具备少量数据下也能参与联邦学习训练。
-
公开(公告)号：CN114710285B
公开(公告)日：2022-08-23
申请号：CN202210542472.4
申请日：2022-05-19
Applicant: 北京大学 , 奇安信科技集团股份有限公司
Abstract: 本发明公开一种面向异构并行架构的高性能SM4比特切片优化方法，属于安全密码应用技术领域，本方法通过将SM4分组密码算法在1比特数据宽度下实现，可以在非向量指令集和向量指令集上实现多线程SM4，在向量指令集上可以支持更高的加密速度。
-
公开(公告)号：CN117879824A
公开(公告)日：2024-04-12
申请号：CN202311400080.5
申请日：2023-10-26
Applicant: 北京大学 , 奇安信科技集团股份有限公司
Abstract: 本发明涉及一种SM2数字签名快速验签方法和系统。该方法通过减少SM2数字签名验证算法中椭圆曲线点乘运算的开销，具体是减少点乘[t]P的运算开销，实现SM2数字签名验证流程的加速。该方法包括改进的SM2数字签名算法和改进的SM2数字签名验证算法。本发明改进后SM2数字签名算法的验证流程中，非固定点部分的计算开销与标准验证算法相比能够减少50％。
-
公开(公告)号：CN114710285A
公开(公告)日：2022-07-05
申请号：CN202210542472.4
申请日：2022-05-19
Applicant: 北京大学 , 奇安信科技集团股份有限公司
Abstract: 本发明公开一种面向异构并行架构的高性能SM4比特切片优化方法，属于安全密码应用技术领域，本方法通过将SM4分组密码算法在1比特数据宽度下实现，可以在非向量指令集和向量指令集上实现多线程SM4，在向量指令集上可以支持更高的加密速度。
-
Patent Agency Ranking
公开(公告)号：CN119990361A
公开(公告)日：2025-05-13
申请号：CN202411968906.2
申请日：2024-12-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明公开一种缓解流调数据节点漂移问题的联邦学习方法及系统，属于联邦学习技术领域。所述方法包括：向所有的节点发送全局模型gt，以获取各节点基于本地数据生成的本地模型#imgabs0#其中，t为联邦学习的训练轮次，i为节点序号；对每一个本地模型#imgabs1#进行标准化操作，得到标准化模型#imgabs2#利用验证数据集对标准化模型#imgabs3#进行验证，并基于效果最优的m个标准化模型#imgabs4#生成全局模型gt+1；利用验证数据集对全局模型gt+1进行检验，并当所述全局模型gt+1的效果满足需求的情况下，结束联邦学习训练。本发明可以有效减少不同本地模型之间的差异，消除节点漂移，让联邦学习更专注于既定目标。
-
公开(公告)号：CN118469562A
公开(公告)日：2024-08-09
申请号：CN202310082938.1
申请日：2023-02-08
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明公开了一种基于两阶段锁的区块链分片方法及系统，所述方法包括：接收并模拟执行跨分片交易处理请求，以得到该跨分片交易对主链存储状态的读集Rroot和写集Wroot，以及对每个相关子链cci存储状态的读集Ri和写集Wi；锁定读集Rroot和所述写集Wroot；向相关子链cci发送包含读集Ri的准备消息，以使得相关子链cci基于读集Ri锁定本地相关存储状态成功之后，向主链发送准备完成消息；在一设定时间内收到所有相关子链cci的准备完成消息的情况下，向相关子链cci发送包含写集Wi的执行消息，以使得相关子链cci将写集Wi写入本地相关存储之后，解锁本地相关存储状态；解锁读集Rroot和写集Wroot。本发明解决分片方法在区块链系统，特别是联盟链系统中的实用性问题。
-
公开(公告)号：CN118467563A
公开(公告)日：2024-08-09
申请号：CN202310126434.5
申请日：2023-02-08
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F16/242 , G06F16/22 , G06F16/27 , G06F16/23
Abstract: 本发明公开了一种区块链的数据链下插入、查询方法及区块链系统，所述区块链系统中的服务器，用于：解析客户端的插入语句，以得到插入数据；存储所述插入数据，并获取所述插入数据的索引键K和数据记录指针P；将所述索引键K和所述数据记录指针P插入Merkle B+树中一叶子节点；更新所述叶子节点、对应的中间节点和根节点的哈希值；和/或，解析客户端的查询语句，以得到索引键范围(Kbegin,Kend)；根据所述索引键范围(Kbegin,Kend)在Merkle B+树中进行节点查询，以得到结果集合、Merkle证明和范围证明；基于所述结果集合、所述Merkle证明和所述范围证明生成查询结果，并将所述查询结果返回至该客户端。本发明可以解决区块链数据链下存储的完整性保证问题。
-
公开(公告)号：CN119990362A
公开(公告)日：2025-05-13
申请号：CN202411989397.1
申请日：2024-12-31
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06N20/00
Abstract: 本发明公开一种平衡本地与全局贡献的联邦学习激励方法及系统，属于联邦学习技术领域。所述方法包括：向所有的节点发送全局模型Gt‑1，以使各节点在本地训练数据上进行所述全局模型Gt‑1的训练，得到本地模型#imgabs0#其中，t为联邦学习的训练轮次，i为节点序号；聚合所述本地模型#imgabs1#生成全局模型Gt；利用验证数据集对全局模型Gt和本地模型#imgabs2#进行验证，得到全局模型Gt的准确率gt和本地模型#imgabs3#的准确率#imgabs4#基于所述准确率gt和所述准确率#imgabs5#计算每一节点在第t轮联邦学习中得到的综合激励值#imgabs6#并根据所述综合激励值#imgabs7#向该节点发放奖励。本发明能够提高优秀节点的收益、降低不良节点对优秀节点的挤压，对优化联邦学习环境有着良好助益。
-
公开(公告)号：CN120012920A
公开(公告)日：2025-05-16
申请号：CN202510043014.X
申请日：2025-01-10
Applicant: 北京大学
IPC: G06N5/04 , G06F16/34 , G06F16/334 , G06F40/194 , G06F40/186 , G06F18/22 , G06N5/01 , H04L9/40
Abstract: 本发明公开一种基于大模型的安全编排剧本生成方法及系统，属于网络安全技术领域。所述方法包括：基于安全剧本库，构建剧本候选集合，所述剧本候选集合中的每一剧本候选包括：安全摘要ap和该安全摘要的专家安全剧本mp；在所述剧本候选集合中，获取n个与待编排摘要相似度最高的剧本候选i，并基于待编排摘要、安全剧本约束和剧本候选i，生成安全编排剧本#imgabs0#在n个安全编排剧本#imgabs1#符合一致性要求的情况下，输出对应的安全编排剧本#imgabs2#本发明可以在面临未有对应专家模板的新的安全场景下，提供更具有适应性的安全剧本。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.052 seconds)
