一种基于自引导进化策略的通信优化联邦学习方法

    公开(公告)号:CN119940478A

    公开(公告)日:2025-05-06

    申请号:CN202510007584.3

    申请日:2025-01-03

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于自引导进化策略的通信优化联邦学习方法,属于隐私计算技术领域,包括:用户使用前几轮的全局模型梯度向量从实数空间中划分为主空间及其正交补空间,并分别在其中抽取伪随机评估向量;通过将高维的模型梯度向量转化为多个伪随机评估向量的适应度值并发送给服务器;服务器聚合本地适应度值并使用评估向量计算得到全局梯度向量,同时将全局适应度值发送给用户,用户和服务器基于所述全局适应度值和所述伪随机评估向量计算得到本轮的全局梯度向量,并更新全局模型。本发明不仅能够显著减少通信开销,还能通过自适应地利用历史估计梯度来提高搜索方向的有效性,从而加速收敛并提高模型性能。

    一种基于通用签名适配器的跨链资产交换跟踪方法

    公开(公告)号:CN117294439A

    公开(公告)日:2023-12-26

    申请号:CN202311029124.8

    申请日:2023-08-16

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于通用签名适配器的跨链资产交换跟踪方法,包括:监管方生成公共参数和陷门密钥、中介通过公钥构造谜题并生成相应的零知识证明、交易接受方构造随机谜题;当交易接受方收到谜题及其对应的零知识证明时,先验证谜题的有效性;再随机化接收到的谜题,可以保证交易的匿名性;交易发起方通过签名适配器提取有效签名,保证跨链操作原子性;监管方运行陷门算法,通过陷门密钥关联整个交易过程中的各个谜题,实现资产流动的可追踪性。本发明实现监管方在不侵犯用户身份隐私的同时进行追踪监控。

Patent Agency Ranking