公开(公告)号：CN119989369A

公开(公告)日：2025-05-13

申请号：CN202510440374.3

申请日：2025-04-09

Applicant: 北京邮电大学 ,  中国兵器工业信息中心

Inventor： 张华 ,  周岩 ,  欧阳阳 ,  孙凯 ,  王永吉 ,  沈宗亮 ,  田梓安 ,  王佥识 ,  兰晨曦 ,  高平昊

IPC: G06F21/57

Abstract: 本申请提供一种二进制模式开源组件的漏洞可达性分析方法及相关设备，所述方法包括：确定二进制形式的待检测软件中使用的目标开源组件，识别目标开源组件的版本信息。根据目标开源组件的标识以及版本信息，在漏洞查询数据库中确定目标漏洞，提取所述目标漏洞的漏洞函数；基于目标漏洞，提取待检测软件的入口程序与目标开源组件之间的调用关系，生成第一调用图。根据第一调用图，提取待检测软件中用于调取目标开源软件的导入函数。确定第一调用图中包含的目标开源组件的源代码仓库地址，从源代码仓库地址中获取目标开源组件的源代码，生成第二调用图。基于漏洞函数、导入函数以及第二调用图，确定漏洞函数在待检测软件中是否具有可达性。

公开(公告)号：CN119886284A

公开(公告)日：2025-04-25

申请号：CN202411841112.X

申请日：2024-12-13

Applicant: 北京邮电大学

Inventor： 张华 ,  徐艳新 ,  刘振岩 ,  沈宗亮 ,  田梓安 ,  高平昊 ,  程晓怡 ,  王永吉 ,  毛煜阳

IPC: G06N3/098 ,  G06N3/082 ,  G06N3/0499 ,  G06N3/0464 ,  G06F9/50

Abstract: 一种异构联邦学习下的模型自适应下发方法及系统，该方法通过构建多维度子模型规模的动态综合评估策略，从客户端的计算、存储、通信、数据资源和模型规模、计算量等多个维度综合评估子模型规模，得到更精准的模型裁剪率，指导服务器自适应地为客户端下发适配资源的子模型；针对服务器有公共数据集的场景，通过基于滚动训练等技术设计的动态子模型下发方法为资源异构的客户端下发子模型；针对服务器无公共数据集的场景，通过网络元素重要性设计的子模型下发策略为资源异构的客户端下发子模型；本发明中全局模型收敛速度快、准确率高，具有较好的流畅性和语法正确性。

公开(公告)号：CN119940475A

公开(公告)日：2025-05-06

申请号：CN202411851758.6

申请日：2024-12-16

Applicant: 北京邮电大学 ,  北京控制工程研究所

Inventor： 张华 ,  高平昊 ,  刘振岩 ,  乔磊 ,  刘晨璐 ,  王华伟 ,  沈宗亮 ,  王永吉 ,  徐艳新 ,  王稼慧 ,  田梓安 ,  兰晨曦

IPC: G06N3/098 ,  G06N3/096 ,  G06N5/04 ,  G06V10/82 ,  G06V10/764

Abstract: 一种利用高阶子模型辅助训练的联邦学习方法及装置，该方法通过集成多高阶子模型的决策信息，增强低阶子模型的推理准确率；低阶子模型可以借助高阶子模型的决策信息和基于特征距离的最高阶子模型的量化矩阵辅助训练，提高训练效果；通过降低目标类别置信度的目标损失(信息熵)优化低阶子模型，避免了传统自蒸馏中再次拟合高阶子模型的目标类别置信度引起的信息偏移问题；利用对比学习统一各级子模型的特征维度，构建基于特征距离的最高阶子模型的量化矩阵作为监督信息，通过最小化低阶子模型与最高阶子模型距离矩阵的分布差异，引导低阶子模型接近最高阶子模型的量化矩阵，指导低阶子模型挖掘不同图像中的语义关系，提高模型的泛化能力。

公开(公告)号：CN119940570A

公开(公告)日：2025-05-06

申请号：CN202411870164.X

申请日：2024-12-18

Applicant: 北京邮电大学

Inventor： 张华 ,  田梓安 ,  徐艳新 ,  刘振岩 ,  高平昊 ,  程晓怡 ,  王稼慧 ,  沈宗亮 ,  王佥识

IPC: G06N20/00 ,  H04L9/00 ,  G06F21/60

Abstract: 本申请一个或多个实施例提供一种卫星节点资源异构下的联邦学习模型安全压缩方法及相关设备。所述方法包括：基于稀疏矩阵压缩算法对联邦学习模型压缩，得到所述联邦学习模型的第一压缩参数，每个所述第一压缩参数对应一个索引值；分别对所述第一压缩参数和所述索引值压缩和加密；其中，所述第一压缩参数基于拟合算法压缩，并基于同态加密算法加密。通过本申请可以在保证模型的安全性的条件下，提高模型通信效率。

公开(公告)号：CN119886329A

公开(公告)日：2025-04-25

申请号：CN202411830845.3

申请日：2024-12-12

Applicant: 北京邮电大学

Inventor： 张华 ,  刘振岩 ,  沈宗亮 ,  王永吉 ,  徐艳新 ,  王稼慧 ,  田梓安 ,  程晓怡 ,  高平昊

IPC: G06N5/04 ,  G06N20/00 ,  H04L9/40 ,  H04L9/00

Abstract: 本申请提供一种联邦学习的推理增强方法、装置、电子设备及存储介质，该方法包括推理客户端获取目标任务数据的目标特征，将所述目标特征加密后，发送给各个非推理客户端；然后确定所述目标特征与所述推理客户端包括的各个数据类别的数据的第二距离，以及确定各个数据类别对应的第二数据量，基于所述第一目标距离、所述第二距离、所述第一数据量及所述第二数据量确定所述目标任务数据的推理增强结果，通过与各个非推理客户端包括的各个类别的数据进行距离匹配，发挥了全局数据资源的优势，同时降低了客户端密文匹配时的计算代价，实现对全局异构数据的有效利用，提高了联邦学习推理增强的效率和准确度。