-
公开(公告)号：CN117633478B
公开(公告)日：2024-06-18
申请号：CN202410023388.0
申请日：2024-01-08
IPC: G06F18/20 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/00 , G06F16/9536 , G06F18/24
Abstract: 本发明公开了基于GNNs社交媒体挖掘的公平性后门评估方法及系统，包括：获取社交网络中的原始数据；根据长尾分布从所述原始数据中选择候选节点，构建候选空间；基于Wasserstein距离，遍历所述候选空间中的节点，生成公平触发器；基于所述公平触发器，构造后门数据；基于所述后门数据，选择不同的模型进行训练，并进行后门公平性评估。本发明采用一种新型的候选节点空间选择机制和动态自适应的后门触发器设计方法，以此动态生成后门数据，通过计算多种主流模型在不同任务场景下的公平性、准确性等指标，完成对社交媒体挖掘场景中图神经网络学习群体公平性后门的综合评估。
-
公开(公告)号：CN115631530B
公开(公告)日：2023-03-28
申请号：CN202211651570.8
申请日：2022-12-22
Applicant: 暨南大学
Abstract: 本发明公开一种基于人脸动作单元的公平人脸表情识别方法，包括：获取训练图片及人脸动作单元所在局部区域；构建平衡特征融合网络；对所述平衡特征融合网络添加权重分配，根据训练图片及人脸单元所在局部区域，通过联合损失函数对所述平衡特征融合网络进行优化，通过优化后的网络以实现公平人脸表情识别方法。
-
公开(公告)号：CN119961728A
公开(公告)日：2025-05-09
申请号：CN202510054379.2
申请日：2025-01-14
Abstract: 本发明公开了一种针对中文大语言模型毒性和偏见的评估方法，包括：获取中文毒性语言数据集；采用中文毒性API进行判断毒性和偏见；确定评估模型的指标，其中，所述指标包括：毒性，偏见和回避率；利用所述中文毒性语言数据集对中文大语言模型进行毒性,偏见和回避程度的评估，从而获取评估结果。该方法提出了一个与测评数据集和模型无关通用评估框架TisEval，可应用于广泛的数据集和模型，该框架来评估大语言模型的毒性和偏见，是首个从毒性和偏见的角度对中文大语言模型进行了全面、系统的研究评估。
-
公开(公告)号：CN119961529A
公开(公告)日：2025-05-09
申请号：CN202510054695.X
申请日：2025-01-14
IPC: G06F16/9536 , G06F16/9535 , G06N5/04 , G06F18/22
Abstract: 本发明公开了一种针对大语言模型推荐系统场景的双边公平方法，涉及机器学习技术领域，包括：收集用户行为数据与项目数据；对用户行为数据与项目数据进行数据处理，分别生成用户的初步嵌入、项目的初步嵌入以及相似用户嵌入；利用大语言模型生成用户的增强嵌入和项目的增强嵌入；将初步嵌入、与增强嵌入进行融合，获得融合用户嵌入、融合项目嵌入；对融合用户嵌入和融合项目嵌入进行点积运算，获得推荐得分，引入交互次数惩罚因子对推荐得分进行处理，获得加权后的推荐得分；通过双边公平性优化策略对加权后的推荐得分进行处理，生成最终的推荐列表。本方法能够精准识别并调节不公平现象。
-
公开(公告)号：CN117436130B
公开(公告)日：2024-04-02
申请号：CN202311744142.4
申请日：2023-12-19
Applicant: 暨南大学
IPC: G06F21/62 , G06F16/901
Abstract: 本发明涉及数据隐私保护技术领域，特别是涉及一种基于差分隐私的有向图数据安全发布方法，包括：获取图数据，构建有向图并提取各级别的初始节点度信息；构建组合差分隐私机制，向所述节点度信息中添加噪声，获取节点度信息，计算所述节点度信息的敏感度；基于所述敏感度，采用分组策略对所述节点度信息进行降低噪声处理；引入自适应算法优化所述节点度信息，获取最终节点度信息；将所述最终节点度信息输入生成图模型，生成隐私有向图。本发明能够有效保护有向图数据隐私，保留原始图的效用。
-
Patent Agency Ranking
公开(公告)号：CN119988165A
公开(公告)日：2025-05-13
申请号：CN202510054322.2
申请日：2025-01-14
Abstract: 本发明公开了基于联邦学习系统的公平性和鲁棒性评估方法及装置，包括：中央服务器向客户端集合发布全局模型，正常客户端对全局模型进行训练，生成本地模型参数；测试客户端对全局模型进行扰动，构建扰动模型，通过双层投影机制对扰动模型进行优化，得到扰动模型参数；中央服务器对本地模型参数和扰动模型参数进行聚合，对本地模型参数进行聚合，得到第一全局模型和第二全局模型，进行若干通信轮次的模型发布、模型参数聚合过程，对单通信轮次或若干通信轮次后的第一全局模型和第二全局模型进行评价，得到公平性和鲁棒性评估结果。通过上述技术方案，本发明对联邦学习系统提供更有效的公平和鲁棒性能评估，保障全局模型在不同任务环境中的准确率。
-
公开(公告)号：CN115640305B
公开(公告)日：2023-09-29
申请号：CN202211651581.6
申请日：2022-12-22
Applicant: 暨南大学
Abstract: 本发明公开一种基于区块链的公平可信联邦学习方法，包括：模型需求者在区块链上发布训练任务及交易合约传递任务，客户端对全局模型进行训练，生成局部模型参数，将局部模型参数加密传输给区块链上的对应节点；对应节点传播并验证加密后的局部模型参数，对应节点将验证通过后的局部模型参数进行聚合，根据聚合结果更新全局模型并基于更新结果生成新区块，并将新区块进行广播；所有节点对新区块进行验证并达成共识；激励合约基于共识结果，计算客户端的贡献并生成最新全局模型；重复S2‑S6直到满足训练结束条件，得到优化模型。交易合约将优化全局模型传给模型需求者。
-
公开(公告)号：CN115640305A
公开(公告)日：2023-01-24
申请号：CN202211651581.6
申请日：2022-12-22
Applicant: 暨南大学
Abstract: 本发明公开一种基于区块链的公平可信联邦学习方法，包括：模型需求者在区块链上发布训练任务及交易合约传递任务，客户端对全局模型进行训练，生成局部模型参数，将局部模型参数加密传输给区块链上的对应矿工；对应矿工传播并验证加密后的局部模型参数，对应矿工将验证通过后的局部模型参数进行聚合，根据聚合结果更新全局模型并基于更新结果生成新区块，并将新区块进行广播；所有矿工对新区块进行验证并达成共识；激励合约基于共识结果，计算客户端的贡献并生成最新全局模型；重复S2‑S6直到满足训练结束条件，得到优化模型。交易合约将优化全局模型传给模型需求者。
-
公开(公告)号：CN115631530A
公开(公告)日：2023-01-20
申请号：CN202211651570.8
申请日：2022-12-22
Applicant: 暨南大学
Abstract: 本发明公开一种基于人脸动作单元的公平人脸表情识别方法，包括：获取训练图片及人脸动作单元所在局部区域；构建平衡特征融合网络；对所述平衡特征融合网络添加权重分配，根据训练图片及人脸单元所在局部区域，通过联合损失函数对所述平衡特征融合网络进行优化，通过优化后的网络以实现公平人脸表情识别方法。
-
公开(公告)号：CN119988725A
公开(公告)日：2025-05-13
申请号：CN202510054729.5
申请日：2025-01-14
IPC: G06F16/9535 , G06F21/62 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及数据隐私保护与公平性增强技术领域，特别是涉及一种基于隐私保护与公平增强的信息推荐方法，包括：获取目标用户的行为数据；将所述行为数据输入预设的大规模推荐模型中，输出对于所述目标用户的推荐结果，其中，所述大规模推荐模型基于用户编码器和项目编码器构建，所述大规模推荐模型基于训练集训练获得，所述训练集包括若干用户和项目，在所述大规模推荐模型的训练过程中采用改进的差分隐私随机梯度下降方法进行模型参数的更新，并在训练过程中引入基于梯度的公平采样机制。本发明可以在保护数据隐私的基础上，解决大规模推荐模型的项目公平性问题，并且加速模型的训练过程，实现了模型效用以及公平之间的有效权衡。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
