-
公开(公告)号：CN117494208A
公开(公告)日：2024-02-02
申请号：CN202311546448.9
申请日：2023-11-20
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62 , G06F21/64 , G06N3/0475 , G06N3/098 , G06N3/094
Abstract: 一种基于生成对抗网络的多模态投毒攻击的防御方法、电子设备及存储介质，属于人工智能安全技术领域。为加强对联邦学习过程中投毒攻击的特征数据安全性，本发明攻击方对图像训练数据进行投毒攻击，得到图像毒化样本数据；攻击方对文本训练数据进行投毒攻击，得到文本毒化样本数据；构建投毒模型，攻击方将得到的图像毒化样本数据或得到的文本毒化样本数据混入训练数据集中，得到毒化训练数据集用于训练构建的投毒模型；基于得到的投毒模型构建多模态投毒攻击的防御方法，包括建立第三方参数服务器用于校验本地模型和全局模型之间的差距，用欧几里得距离度量本地模型和全局模型之间的差距，中央服务器对上传的模型参数进行数据处理。
-
公开(公告)号：CN117216779A
公开(公告)日：2023-12-12
申请号：CN202311237912.6
申请日：2023-09-22
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明提出基于余弦相似度和同态加密的联邦学习安全聚合方法，属于安全聚合技术领域。包括参数服务器Server1、辅助计算服务器Server2和多个参与联邦学习客户端；参数服务器Server1、辅助计算服务器Server2默认不互相勾结，客户端训练为：S1.客户端执行梯度密文上传，客户端利用各自的隐私数据对上轮获得的模型进行训练，得到相应的梯度更新，并将梯度明文通过同态加密技术使用同一公钥加密得到梯度密文，传输给参数服务器Server1；S2.Server1执行梯度聚合和贡献值计算；S3.梯度更新发布。解决搭便车攻击者和投毒攻击的检测难度大的问题，在隐私保护同时保证联邦学习的鲁棒性和公平性。
-
公开(公告)号：CN113902303A
公开(公告)日：2022-01-07
申请号：CN202111186099.5
申请日：2021-10-12
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06Q10/06 , G06Q30/00 , G06F16/9535
Abstract: 本申请公开了一种基于用户满意度的隐私模型自动推荐系统、算法、设备及存储介质，属于数据分析技术领域。解决了现有技术中存在的用户如何对隐私模型进行选择问题以及如何配置隐私模型参数的问题。本申请用户满意度的隐私模型自动推荐系统、算法、设备及存储介质创造性地提出历史配置方案资源池的概念，针对熟悉隐私保护知识和不熟悉隐私保护知识的用户，通过正向过程与逆向过程相结合对历史配置方案资源池进行迭代升级。历史配置方案资源池在每次数据匿名化处理过程中，以用户满意度为基准自动推荐配置，确保匿名后数据符合用户满意度要求。本申请为数据的匿名化处理提供更加简便高效的解决方案，提高了匿名后数据的质量，增强了数据保护的能力。
-
公开(公告)号：CN118820468A
公开(公告)日：2024-10-22
申请号：CN202410845738.1
申请日：2024-06-27
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F16/35 , G06F21/60 , G06F40/186
Abstract: 一种数据分类分级系统及其数据分类分级方法，属于数据分类技术领域。为改进现有分类分级手段不足的问题，本发明包括应用层、服务层、基础层、数据源层、组件层，所述应用层连接服务层，所述服务层连接基础层，所述基础层分别连接数据源层、组件层，所述服务层包括分类分级引擎、文件识别引擎、系统服务引擎，所述分类分级引擎包括正则匹配模块、大模型智能识别模块，所述文件识别引擎实现对PDF、PPT等文件内容的识别技术，所述系统服务引擎采用Typescript、React、GraphQL和NestJS构建，用于提供系统的核心功能和用户接口。本发明可实现对结构化数据和非结构化数据进行分类分级。
-
公开(公告)号：CN117852686A
公开(公告)日：2024-04-09
申请号：CN202311614510.3
申请日：2023-11-29
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 哈尔滨理工大学 , 哈尔滨工业大学
Abstract: 基于多元自编码器的电力负荷预测方法，属于电力电网领域，本发明为解决现有电力负荷预测网络结构存在的问题。本发明所述预测方法采用基于编码器‑解码器架构的时间预测神经网络模型对电力负荷进行预测，时间预测模型采用多元自编码器实现；时间预测神经网络模型的构建步骤：S1、建立历史序列‑预测序列的训练集；S2、将历史序列拆分成趋势部分和周期部分；S3、MLP的编码器模块生成趋势部分编码；Transformer的编码器模块生成周期部分编码；S4、将两部分编码连接输入MLP的解码器模块进行解码得到最终的预测结果；S5、反复进行S2‑S4操作输出所有预测结果，利用损失函数计算真实序列与预测序列之间的损失，并根据损失值进行梯度反向传播和梯度下降更新模型参数。
-
Patent Agency Ranking
公开(公告)号：CN113947212A
公开(公告)日：2022-01-18
申请号：CN202111203824.5
申请日：2021-10-15
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06N20/00 , G06V10/764 , G06K9/62
Abstract: 本申请公开了一种发起方权益保护的联邦提升树模型构建方法、系统、设备及存储介质，属于联邦学习技术领域。解决了在联合训练模型时发起方权益保护的问题。本申请发起方与参与方计算分位区间发送给协调方；协调方计算平均的分位数草图发送给发起方和参与方；发起方和参与方计算局部直方图，并对局部直方图添加噪声，发送给协调方；协调方计算全局直方图，发送给发起方与参与方；发起方和参与方计算分裂点的增益，发送给协调方计算根节点；协调方分裂特征与分裂阈值发送给发起方和参与方；发起方和参与方更新局部直方图；发起方选择多个参与方计算下一层节点，重复以上过程进行训练，得到提升树。本申请保护了数据隐私，实现了联邦学习场景。
-
公开(公告)号：CN119201988A
公开(公告)日：2024-12-27
申请号：CN202411256454.5
申请日：2024-09-09
Applicant: 哈尔滨工业大学
IPC: G06F16/2453 , G06F16/242 , G06F16/2455 , G06F16/22 , G06F21/60
Abstract: 本发明提出一种多方数据联合安全查询方法，属于多方数据查询技术领域。包括：步骤一、查询客户端接收并解析用户输入的SQL查询语句，并对查询语句进行权限检查检验SQL语句是否被各数据持有方允许执行；步骤二、查询客户端根据查询语句为各参与方生成多方安全计算任务，并发送给各参与方；步骤三、各参与方在本地进行权限检查，执行子查询部分和多方安全计算任务；步骤四、获得各参与方执行结果，查询客户端调度各参与方执行多方安全计算任务。解决无法实现多种高效安全且支持任意多参与方的常见数据库函数操作的技术问题。本发明涵盖常见的数据库查询语句，并且支持两个及以上的任意参与方数量，在大多数查询语句中具有良好的查询效率。
-
公开(公告)号：CN113902303B
公开(公告)日：2024-04-16
申请号：CN202111186099.5
申请日：2021-10-12
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06Q10/0635 , G06Q30/016 , G06F16/9535
Abstract: 本申请公开了一种基于用户满意度的隐私模型自动推荐系统、算法、设备及存储介质，属于数据分析技术领域。解决了现有技术中存在的用户如何对隐私模型进行选择问题以及如何配置隐私模型参数的问题。本申请用户满意度的隐私模型自动推荐系统、算法、设备及存储介质创造性地提出历史配置方案资源池的概念，针对熟悉隐私保护知识和不熟悉隐私保护知识的用户，通过正向过程与逆向过程相结合对历史配置方案资源池进行迭代升级。历史配置方案资源池在每次数据匿名化处理过程中，以用户满意度为基准自动推荐配置，确保匿名后数据符合用户满意度要求。本申请为数据的匿名化处理提供更加简便高效的解决方案，提高了匿名后数据的质量，增强了数据保护的能力。
-
公开(公告)号：CN117494143A
公开(公告)日：2024-02-02
申请号：CN202311546452.5
申请日：2023-11-20
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 一种基于GAN的多模态重构攻击的防御方法，属于人工智能安全技术领域。为加强GAN多模态重构攻击的特征数据安全性，本发明攻击方获取其他参与方参与联邦学习训练过程中的梯度信息；攻击方根据其他参与方参与联邦学习训练过程中的梯度信息进行数据重构攻击；构建抵御数据重构攻击的防御方法，包括在联邦学习的每轮训练开始前，中央服务器随机选择不定数量的参与方参与本次训练，并将当前全局模型参数发送给被选中的每一个参与方；对于中央服务器发送至其他参与方参与联邦学习训练过程中的梯度信息数据，通过梯度压缩和稀疏化的方式进行防御；对于中央服务器发送至其他参与方参与联邦学习训练过程中的梯度信息数据传输过程中采用设计的加密传输协议。
-
公开(公告)号：CN116662910A
公开(公告)日：2023-08-29
申请号：CN202310773985.0
申请日：2023-06-28
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F18/243 , G06N3/098 , G06F18/214 , G16H50/20 , G16H10/60
Abstract: 一种基于联邦学习的多临床分期疾病辅助分类方法及系统，属于大数据、医疗技术领域。为提高分类模型的准确率及隐私数据安全性。本发明采集病例数据构建病例数据集，将病例数据集输入到客户端，进行分析处理，得到优化的病例数据集；客户端对优化的病例数据集进行XGGridBoost模型训练，得到完成训练的模型参数进行加密处理、压缩处理，得到处理的模型参数发送给中心服务端进行解压缩，然后对解压缩的模型参数进行安全聚合，并使用近似算法确定最佳分割点，中心服务端将最佳分割点发送给多个客户端，多个客户端接收后判断本地决策树是否达到最大深度，进行迭代训练或者输出训练模型。本发明解决数据孤岛的问题，提高隐私数据的安全性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.029 seconds)
