公开(公告)号：CN119652592A

公开(公告)日：2025-03-18

申请号：CN202411768344.7

申请日：2024-12-04

Applicant: 无锡学院

Inventor： 刘苗 ,  谷越 ,  孙振兴 ,  滕秀明 ,  宋千喜

IPC: H04L9/40 ,  H04L67/12 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/0985

Abstract: 本发明涉及基于多向投影特征增强和负增益聚合的物联网安全方法，包括：S1、云服务器建立与边缘客户端的通信链路，并对边缘客户端部署负增益聚合超参数；S2、边缘客户端从云服务器接收当前全局模型，边缘客户端通过特征增强对当前全局模型进行本地模型训练，训练完成后上传局部模型；S3、边缘客户端计算参数适配度，并传输至云服务器；S4、云服务器根据参数适配度和负增益聚合超参数对局部模型进行聚合，获取新的全局模型；S5、边缘客户端接收新的全局模型，返回S2通过特征增强对新的全局模型进行下一轮本地训练。本发明通过特征增强和负增益聚合技术在保护隐私的同时提升系统的整体效能。

公开(公告)号：CN119254527A

公开(公告)日：2025-01-03

申请号：CN202411527620.0

申请日：2024-10-30

Applicant: 无锡学院

Inventor： 刘苗 ,  柳龙玺 ,  陈逸阳 ,  滕秀明 ,  周顺宇

IPC: H04L9/40 ,  H04L41/16 ,  H04L41/14 ,  G06N3/098 ,  G06N3/094 ,  G06F18/214

Abstract: 本发明公开了一种基于生成对抗网络的物联网安全方法，包括：构建联邦学习模型，所述联邦学习模型包括服务器和客户端，基于服务端和客户端对生成对抗网络进行训练，获取训练结果，其中，对所述基于服务端和客户端对生成对抗网络进行训练包括：S1、获取服务器端初始参数；S2、对所述初始参数进行选择，获取客户端特征数据；S3、利用客户端特征数据对客户端本地模型进行训练，获取训练结果；S4、对所述初始参数和所述训练结果进行联邦聚合，获取合成特征；S5、基于所述合成特征对服务器端分类器进行训练，获取当前全局模型参数；S6、对所述当前全局模型参数进行选择，重复步骤S2‑S5，直至全局模型参数满足预设条件，则终止迭代。