一种边缘设备上的高效视频流隐私保护方法

    公开(公告)号:CN117156068A

    公开(公告)日:2023-12-01

    申请号:CN202311192623.9

    申请日:2023-09-15

    Abstract: 本发明公开了一种边缘设备上的高效视频流隐私保护方法,在生成对抗网络的基础上,通过自适应图像分块处理和分辨率调整可以根据边缘设备的计算资源限制自动调整,每次处理时仅将高分辨率图片的一部分进行处理,从而降低算法的峰值内存消耗。并且输出的图片格式与大小相比输入没有显著变化,能够在不影响存储和带宽消耗的情况下直接传输到后端进行后续的各类处理,减少了不必要的开销,提升了算法的总体效率。相比于其他的边缘视觉隐私保护系统来说,奔放更加节省计算开销,对不同的边缘设备可以进行自适应调整,具有更广泛的适用性;同时,在隐私保护和语义信息保留的平衡上本发明也具有更好的效果。

    一种基于多重资源感知的分布式安全资源智能编排方法

    公开(公告)号:CN119835155A

    公开(公告)日:2025-04-15

    申请号:CN202510237880.2

    申请日:2025-02-28

    Abstract: 本发明提供一种基于多重资源感知的分布式安全资源智能编排方法,涉及网络安全领域,所述方法包括:信息收集模块从边缘云节点、数据中心收集安全服务请求,确定安全服务功能链(Security Service Function Chaining,SSFC),同时收集云安全资源池的安全资源信息;SSFC信息整合模块解析所需的安全虚拟网络功能(Security Virtual Network Function,SVNF)配置,由安全资源信息整合模块分析基础设施层的实时资源使用情况;然后将整合后的信息传递至TTS算法执行模块,TTS算法执行模块计算总体消耗,构建目标函数,采用分步禁忌搜索(Two‑step Tabu Search,TTS)方法,优化SSFC的节点和链路分配;最后将优化后的部署策略下发至基础设施层执行。本发明的上述方案提高了资源利用率,并降低了部署成本。

    一种面向联邦学习的成员推理攻击方法

    公开(公告)号:CN117313100A

    公开(公告)日:2023-12-29

    申请号:CN202311153868.0

    申请日:2023-09-08

    Abstract: 本发明公开了一种面向联邦学习的成员推理攻击方法,通过训练过程中的模型的多个训练轮次信息,观察模型参数变化规律,充分加强对训练过程中纵向信息的利用,并通过最后一层的偏差参数完成攻击。同时针对联邦学习系统中的两种模型设计局部攻击和全局攻击,以评估联邦学习的隐私泄露风险。对于局部攻击,基于神经网络充分学习成员数据与非成员数据差异,实现成员和非成员数据的区分。对于全局攻击,基于细粒度差异比较实现成员数据的来源推断。此外,本发明在不干扰模型训练的情况下进行攻击,不存在被系统检测的风险,通过特征放大操作增强了成员数据与非成员数据之间的偏差变化差异,在较少的参数下实现了更强攻击效果,方法具有高效性。

Patent Agency Ranking