-
公开(公告)号:CN118445817B
公开(公告)日:2025-02-07
申请号:CN202410903625.2
申请日:2024-07-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于信息安全的技术领域,更具体地,涉及一种基于历史全局模型的增强联邦学习模型防御的方法、装置及可读计算机存储介质。所述方法包括服务器端向客户端发送全局模型,攻击者客户端截获每一轮的全局模型,放入历史全局模型储存池中;服务器随机选择部分客户端使用本端的本地数据集进行训练得到客户端局部模型,攻击者客户端在历史全局模型储存池中选择一个历史全局模型作为攻击目标模型;客户端将训练的本地局部模型上传至服务器,服务器进行聚合,再发送给各客户端;引入动态加权聚合机制,得到最优全局模型的参数。本发明解决了当前的防御方法在非独立同分布环境下的有效性与攻击成功率都较低,现有防御机制的有效性较低的问题。
-
公开(公告)号:CN118643055A
公开(公告)日:2024-09-13
申请号:CN202411102971.7
申请日:2024-08-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/242 , G06F21/62
Abstract: 本发明属于数据安全技术领域,具体涉及一种多属性成本约束下的隐私保护动态空间关键字查询方法、装置、电子设备及存储介质。该方法包括:数据拥有者利用密钥加密空间对象以及构建安全树索引并上传至云服务器;用户向服务代理发送包含更新信息的请求,服务代理利用密钥加密更新信息生成更新陷门和更新空间对象的加密结果,用以更新安全树索引和加密空间对象;用户向服务代理发送包含搜索信息的请求,服务代理基于密钥和搜索信息生成搜索陷门,用以在安全树索引中搜索目标空间对象并计算其综合属性成本指数,以得到有序的#imgabs0#密文集合,对该#imgabs1#密文集合解密得到结果集,最后根据结果集找到相应密文信息并返回给用户进行解密。
-
公开(公告)号:CN118606634A
公开(公告)日:2024-09-06
申请号:CN202411080709.7
申请日:2024-08-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/10 , G06F18/214 , G06F18/24 , G06N20/00
Abstract: 本发明属于分布式机器学习的技术领域,具体涉及一种基于衰减噪声扰动的自适应保隐私分布式学习方法及装置。所述方法包括:根据节点裁剪后的样本梯度获取其本地梯度,节点的裁剪阈值随迭代轮次的增加而减小;对本地梯度注入高斯噪声,高斯噪声的强度随迭代轮次的增加成阶梯式衰减;聚合节点在每轮迭代中注入高斯噪声后的本地梯度,并利用聚合后的梯度更新本地模型参数,将更新后的本地模型参数广播给相邻节点进行参数更新;再聚合相邻节点更新后的模型参数,用于下一次迭代。本发明通过添加噪声以有效保护数据隐私,同时减小噪声误差保证数据的准确性。
-
公开(公告)号:CN117972795B
公开(公告)日:2024-06-11
申请号:CN202410382369.7
申请日:2024-04-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于数据安全的技术领域,更具体地,涉及一种基于异或过滤器的密态空间关键字安全检索方法及装置。该方法包括:数据拥有者端基于安全异或过滤器和地理哈希编码构建安全树索引,使用密钥对空间文本数据集进行加密,并将安全树索引及加密的空间文本数据集上传云服务器端;用户端给定查询,基于查询生成陷门并上传云服务器端;云服务器端根据陷门在安全树索引中搜索目标空间对象,并将由目标空间对象的密文构成的结果集返回给用户端;用户端根据结果集查询完整的密文信息,并使用密钥对密文信息进行解密,得到明文信息。本发明实现在一定空间范围内返回用户期望查询的空间文本数据信息并提供隐私保护,同时提高查询结果的准确性。
-
公开(公告)号:CN111125347B
公开(公告)日:2023-10-27
申请号:CN201911376996.5
申请日:2019-12-27
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/338 , G06F16/36
Abstract: 本发明的基于unity3d的知识图谱3D可视化方法,包括:a).摄像机、天空盒和场景初始化;b).三元组数据获取;c).预制体的创建及三维物理结构组织;d).三维力学模型构建;e).帧循环;f).沉浸式摄影机脚本;g).全局摄影机脚本;h).属性信息显示及UI绘制;i).检索功能及传送功能;j).沉浸视图、全局视图切换。本发明的基于unity3d的知识图谱3D可视化方法,具有良好的可移植性和可扩展性,可以发布到web、手机、PC等多种平台,而不会像WebGL等技术一样开发后即对平台具有高度依赖;另一方面表现在未来可以方便的扩展至虚拟现实、增强现实等新兴的显示技术上,实现更广阔、更沉浸、更具互动性的知识图谱3D可视化。
-
公开(公告)号:CN116681960A
公开(公告)日:2023-09-01
申请号:CN202310551874.5
申请日:2023-05-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于K8s的中尺度涡旋智能识别方法及系统,涉及涡旋识别领域。包括将待识别图像输入到基于深度学习的中尺度涡旋识别模型中,对待识别图像进行特征提取,基于CBAM混合注意力机制进行加权;将输出特征图输入至ASPP中,设置膨胀卷积的膨胀率,同时将ASPP中池化分支替换为深度可分离卷积,得到编码器输出的特征图;将编码器输出的特征图输入解码器中,基于SKNet注意力机制计算不同尺寸感受野的权重,实现中尺度涡旋的智能识别。本发明能够准确的识别出海表面高度图像中的气旋式涡旋和反气旋式涡旋,而且还通过引入注意力机制技术使模型更加精确的分割出涡旋的边界信息,有效的解决了之前方法中的中尺度涡旋识别效果泛化性差的问题。
-
公开(公告)号:CN111000553A
公开(公告)日:2020-04-14
申请号:CN201911395467.X
申请日:2019-12-30
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402
Abstract: 本发明的基于投票集成学习的心电数据智能分类方法,其特征在于,通过以下步骤来实现:a).数据预处理;b).建立logistic回归模型;c).建立决策树模型;d).建立一个支持向量机;e).建立朴素贝叶斯模型;f).建立神经元模型;g).建立k邻近模型;h).模型集成,最终获得一个正确率不低于80%的模型,效果优于步骤b)至步骤g)中建立的单个模型。本发明的心电数据智能分类方法,首先从ccdd中获取足够数量的数据,将其分为训练集和测试集,然后建立各类模型,最后,获得一个正确率不低于80%的模型,可实现对“正常、房颤、房性早搏、偶发房性早搏、频发房性早搏、房性心动过速、房颤伴快速心室率”进行智能识别分类,实现心血管疾病的早发现、早治疗。
-
公开(公告)号:CN103473292B
公开(公告)日:2016-09-14
申请号:CN201310394611.4
申请日:2013-09-03
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的面向海量点与面关系并行计算负载均衡的点数据划分方法,包括:a).在保证物理空间临近的点的编码连续的情况下,对所有点根据位置进行编码;b).设需要将所有的点分为块,对于第个分块来说,将编码为的点划入该分块中;c).对点进行分块后,将不同的块分布至不同的计算节点上,由计算节点计算每个点是否位于多边形区域内。本发明的点数据划分方法,首先将海量点进行编码,并满足空间临近的点的编码连续原则,然后按照编码将海量点均匀地分入到不同的块中,最后通过不同的计算节点来计算不同块中的点,使得每个计算节点的计算量基本一致,实现了负载均衡的目的,充分利用计算资源,最大限度地缩短了计算时间。
-
公开(公告)号:CN118643055B
公开(公告)日:2024-10-15
申请号:CN202411102971.7
申请日:2024-08-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/242 , G06F21/62
Abstract: 本发明属于数据安全技术领域,具体涉及一种多属性成本约束下的隐私保护动态空间关键字查询方法、装置、电子设备及存储介质。该方法包括:数据拥有者利用密钥加密空间对象以及构建安全树索引并上传至云服务器;用户向服务代理发送包含更新信息的请求,服务代理利用密钥加密更新信息生成更新陷门和更新空间对象的加密结果,用以更新安全树索引和加密空间对象;用户向服务代理发送包含搜索信息的请求,服务代理基于密钥和搜索信息生成搜索陷门,用以在安全树索引中搜索目标空间对象并计算其综合属性成本指数,以得到有序的#imgabs0#密文集合,对该#imgabs1#密文集合解密得到结果集,最后根据结果集找到相应密文信息并返回给用户进行解密。
-
公开(公告)号:CN118468041A
公开(公告)日:2024-08-09
申请号:CN202410924362.3
申请日:2024-07-11
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/214 , G06F18/2135 , G06N3/094 , G06N3/098
Abstract: 本发明属于联邦学习数据安全的技术领域,更具体地,涉及基于生成对抗网络的联邦学习拜占庭节点检测方法、装置及计算机可读存储介质。包括客户端与服务器完成数据集的分配以及对客户端和服务器的模型进行初始化;客户端根据全局模型参数更新本地模型参数并进行训练,训练完成后,将更新后的本地模型参数发送至服务器;服务器进行拜占庭节点检测并排除掉拜占庭节点对应的本地模型参数后,对剩余的客户端本地模型参数进行聚合,得到新的全局模型参数,并下发至客户端;重复上述步骤至训练轮次阈值,得到优化的全局联邦学习模型参数。本发明解决了拜占庭攻击者可以通过对本地参数进行修改并发送给聚合服务器,以使得全局模型性能失稳的问题。
-
-
-
-
-
-
-
-
-