-
公开(公告)号：CN116820603A
公开(公告)日：2023-09-29
申请号：CN202310653111.1
申请日：2023-06-05
Applicant: 南京云泽邮兴科技有限公司 , 南京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的智慧工厂冗余卸载方法，该方法包括步骤：工业互联网设备卸载任务到达边缘盒子之后，根据先来后到进行排队，对于一些轻量级的任务，边缘盒子可以将其处理完并返回结果，对于一些需要更多资源的任务，边缘盒子则将这些任务传送到云计算系统进行处理。对于卸载到云服务器的部分任务。为了使在任务延迟约束下使卸载系统的效用最大化，使用马尔可夫决策方法确定最优卸载方案。通过服务器状态以及各工业互联网设备的相关信息，确定时间阈值和可靠性，从而确定冗余卸载的上界和下界，采用搜索的方法来获得最优的冗余传输路径数，在保证卸载可靠性的同时提高了获得的效用。
-
公开(公告)号：CN117252269A
公开(公告)日：2023-12-19
申请号：CN202310615014.3
申请日：2023-05-29
Applicant: 南京云泽邮兴科技有限公司 , 南京邮电大学
Abstract: 本发明公开了一种基于毫米波链路的D2D工业物联网联邦学习系统和方法，包括：1)根据地理接近性对设备进行分簇，各边缘平台将其覆盖范围内的设备集合分为LOS设备集合和非LOS设备集合。2)利用率先完成传输的LOS设备作为中继器建立中继模式，有效地利用等待时间来协助具有非LOS通道的设备D2D模型参数到边缘平台。3)计算设备本地训练和传输能耗。4)构建非LOS设备集合和帮助将其本地模型发送到边缘平台集合的D2D中继设备集合之间的冲突图。本发明引入联邦学习边缘平台，在距离设备更近的地方进行模型传输和聚合，降低了能量消耗。
-
公开(公告)号：CN115659212B
公开(公告)日：2024-04-09
申请号：CN202211184164.5
申请日：2022-09-27
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/214 , G06N3/04 , G06N20/00
Abstract: 本发明提供了跨域异质场景下基于TDD通信模式的联邦学习效率评测方法，其通过计算数据传输时间来评估联邦学习的通信效率，首先配置了测试环境包括跨域数据集、学习任务、算法和客户端设备等，然后根据上述的配置环境计算出在每个通信轮次下客户端上传和下载数据所耗费的时间即每个轮次的通信开销，其次通过绘制精确度和迭代轮次曲线得到目标精度下的收敛轮次，最后根据通信开销和收敛轮次计算得出整个联邦学习过程中的数据传输时间，本发明给出了一种通信效率评估的详细步骤和具体参数设置方法，适用于多种不同联邦学习框架和算法，为联邦学习通信效率评估提供了一定的参考见解。
-
公开(公告)号：CN118536154A
公开(公告)日：2024-08-23
申请号：CN202410594123.6
申请日：2024-05-14
Applicant: 南京邮电大学
IPC: G06F21/62 , G06N3/0455 , G06N3/098 , G06N3/084
Abstract: 本发明涉及多模态联邦学习、差分隐私、大数据技术领域，公开了一种面向跨域异质多模态联邦学习的差分隐私防御机制性能评估方法，通过获取跨域异质场景下的数据集，搭建联邦学习任务和联邦学习模型，配置模态特征融合，得到跨域异质场景下的多模态联邦学习模型；确定梯度泄露风险，选择面向不同模态数据的模拟攻击模型；构建不同机制的差分隐私防御；从面向防御下模型质量的代价、面向重构成功率、面向重构质量三个方面，对差分隐私防御机制进行多维度性能评估；能够综合考虑不同差分隐私机制下的防御性能的优劣，有助于用户选择添加的差分隐私的机制，从而降低隐私泄露的风险，能普遍适用于联邦学习任务和图像文本数据集。
-
Patent Agency Ranking
公开(公告)号：CN116701618A
公开(公告)日：2023-09-05
申请号：CN202310447611.X
申请日：2023-04-24
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06F40/284 , G06N20/00 , G06F21/62 , H04L9/40
Abstract: 本发明涉及联邦学习、工业互联网技术领域，公开了一种面向工业终端网络流量检测的图谱联邦学习隐私增强方法，包括：配置联邦学习环境，包括数据集、联邦学习任务和联邦学习模型；根据所述联邦学习模型的分类学习结果进行知识图谱构建；根据联邦学习环境评估联邦学习过程的隐私性风险；根据隐私性风险添加隐私增强方法以增强联邦学习客户端。本发明提供的方法，结合联邦学习和知识图谱将流量分类和网络流量异常检测相结合，既降低了流量数据隐私泄露的风险，也使得基于联邦学习的检测结果能够反映流量数据和恶意行为间更深层次的因果关联性，进一步提高判断终端是否存在恶意倾向的准确性，并减少人工干预带来的人因误差和人力开销。
-
公开(公告)号：CN115952507A
公开(公告)日：2023-04-11
申请号：CN202211549244.6
申请日：2022-12-05
Applicant: 南京邮电大学
Abstract: 本发明涉及联邦学习隐私评测技术领域，公开了一种跨域异质场景下的联邦学习隐私性评估方法，包括：确定联邦学习在跨域异质场景下的任务和数据集，并根据算法确定潜在攻击风险；根据任务对数据集进行关联度筛选；将客户端发送给联邦学习中央服务器的数据采用设定的隐私加强技术进行加密处理；根据具有代表性的攻击模型计算客户端的隐私性指标；根据设置的阈值判定客户端参与联邦学习时所上传数据的隐私泄露风险。本发明提供的跨域异质场景下的联邦学习隐私性评估方法，通过在客户端模拟攻击，计算攻击结果来判断隐私性的安全程度，对联邦学习模型和数据都没有要求，适用于大部分实际情况。
-
公开(公告)号：CN118316642A
公开(公告)日：2024-07-09
申请号：CN202410234822.X
申请日：2024-03-01
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
IPC: H04L9/40 , H04L47/2441 , G06F18/2433 , G06N3/09 , G06N3/084 , G06N3/098 , G06N3/0985 , G06N3/045
Abstract: 本发明公开了基于自适应分层差分隐私联邦学习的工业互联网流量分类方法，包括如下步骤：首先各个客户端采集终端控制智能设备的流量数据，构建训练样本数据集，然后构建本地、全局流量数据分类神经网络，客户端利用数据集训练本地流量数据分类神经网络，中央服务器对本地流量数据分类神经网络进行整合和反向传播更新全局流量数据分类神经网络，获得全局流量数据分类模型；在训练过程中进行分层隐私加噪、确定自适应学习率变动范围、以及根据联邦学习数据任务选择自适应学习率方案。最后利用全局流量分类模型，对智能设备的数据流量判别正常与否。本发明能够在工业互联网场景中得到广泛的应用，在保证隐私安全性的同时提高生产的智能化和高效性。
-
公开(公告)号：CN117633873A
公开(公告)日：2024-03-01
申请号：CN202311478621.6
申请日：2023-11-07
Applicant: 南京邮电大学
Abstract: 本发明提出了一种面向多种聚合框架的联邦元学习差分隐私噪声分配方法，包括：客户端和服务器相互传输已知联邦学习的参数细节和框架，客户端和服务器之间根据模型聚合方式确定隐私风险判定标准，服务器收集客户端的加噪指标，判定是否进行加噪来训练Actor‑Critic模型以预估每轮客户端的加噪情况，服务器根据预估情况对各轮隐私预算进行统计和分配，本发明通过对客户端在每轮上传模型参数上所添加的噪声进行合适的规划来达到在有限的噪声预算下最优的隐私泄漏防御效果，确知联邦学习使用的模型聚合方式和参数，然后根据聚合方式进行联邦学习隐私评价指标的动态适配，客户端根据选型指标判断各自的加噪需求。
-
公开(公告)号：CN115659212A
公开(公告)日：2023-01-31
申请号：CN202211184164.5
申请日：2022-09-27
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/214 , G06N3/04 , G06N20/00
Abstract: 本发明提供了跨域异质场景下基于TDD通信模式的联邦学习效率评测方法，其通过计算数据传输时间来评估联邦学习的通信效率，首先配置了测试环境包括跨域数据集、学习任务、算法和客户端设备等，然后根据上述的配置环境计算出在每个通信轮次下客户端上传和下载数据所耗费的时间即每个轮次的通信开销，其次通过绘制精确度和迭代轮次曲线得到目标精度下的收敛轮次，最后根据通信开销和收敛轮次计算得出整个联邦学习过程中的数据传输时间，本发明给出了一种通信效率评估的详细步骤和具体参数设置方法，适用于多种不同联邦学习框架和算法，为联邦学习通信效率评估提供了一定的参考见解。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.039 seconds)
