公开(公告)号：CN115526290A

公开(公告)日：2022-12-27

申请号：CN202211076590.7

申请日：2022-09-05

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  张剑楠 ,  杨洪伟

IPC: G06N3/04 ,  G06N3/08 ,  G06F17/16 ,  G06K9/62 ,  H04L9/40

Abstract: 本发明涉及一种基于安全多方计算的神经网络模型推理系统。该系统包括：安全多方计算模块，用于基于多个参与方，根据明文模型的模型信息构建密文计算图，并调用GPU计算模块和RDMA通信模块，根据获取密文执行密文计算图，获得密文结果，并将执行后的密文结果恢复至用户；其中，密文计算图为模型计算图转化获得，GPU计算模块，用于根据获取的用户发送的密文，利用32比特整型矩阵运算执行密文计算图；RDMA通信模块，用于利用GPU‑RDMA通信方案，进行GPU计算模块计算过程中的数据通信。本发明的有益效果：保证神经网络模型推理准确度的同时，提高推理效率。

公开(公告)号：CN113537518B

公开(公告)日：2022-09-30

申请号：CN202110816401.4

申请日：2021-07-19

Applicant: 哈尔滨工业大学 ,  鹏城实验室

Inventor： 张伟哲 ,  卢仁浩 ,  张剑楠 ,  方滨兴

IPC: G06N20/20 ,  G06Q30/08

Abstract: 本发明公开了一种基于联邦学习的模型训练方法及装置、设备、存储介质。本发明通过服务端发送广播训练请求至每一客户端设备，每一客户端设备根据接收到的广播训练请求和竞价策略确定各自客户端设备的出价，并分别发送各自客户端设备的出价至服务端；然后服务端根据接收到的每一客户端设备的出价，选取预设数量的目标客户端设备，并发送目标客户端设备的标识和第一全局模型至每一客户端设备；进而若客户端设备的标识和目标客户端设备的标识匹配，则该客户端设备作为目标客户端设备，并由目标客户端设备根据其本地样本数据集对第一全局模型进行训练；解决了现有技术中基于联邦学习的模型训练效率低的问题。

公开(公告)号：CN113537518A

公开(公告)日：2021-10-22

申请号：CN202110816401.4

申请日：2021-07-19

Applicant: 哈尔滨工业大学 ,  鹏城实验室

Inventor： 张伟哲 ,  卢仁浩 ,  张剑楠 ,  方滨兴

IPC: G06N20/20 ,  G06Q30/08

Abstract: 本发明公开了一种基于联邦学习的模型训练方法及装置、设备、存储介质。本发明通过服务端发送广播训练请求至每一客户端设备，每一客户端设备根据接收到的广播训练请求和竞价策略确定各自客户端设备的出价，并分别发送各自客户端设备的出价至服务端；然后服务端根据接收到的每一客户端设备的出价，选取预设数量的目标客户端设备，并发送目标客户端设备的标识和第一全局模型至每一客户端设备；进而若客户端设备的标识和目标客户端设备的标识匹配，则该客户端设备作为目标客户端设备，并由目标客户端设备根据其本地样本数据集对第一全局模型进行训练；解决了现有技术中基于联邦学习的模型训练效率低的问题。