一种基于本地差分隐私的动态图发布方法

    公开(公告)号:CN117744141A

    公开(公告)日:2024-03-22

    申请号:CN202311758104.4

    申请日:2023-12-20

    Applicant: 暨南大学

    Abstract: 本发明提出了一种基于本地差分隐私的动态图发布方法。该方法首先收集各节点加噪后的度数据,用以计算相邻时刻内动态图的变化量,从而判断是否需要更新图数据。若更新被确定,进一步收集各节点加噪后的邻接向量和转移概率,并结合历史信息建立隐马尔可夫模型,计算该时刻所有节点间的连接概率。最终,通过建立优化模型并求解,实现对动态图的重构和更新。本发明能够有效挖掘动态图的时序信息,在时间跨度长且更新频繁的动态图场景中,严格控制隐私预算的消耗,同时有效保证发布的动态图数据的效用。

    一种基于群组的合作性群智感知任务推荐方法及系统

    公开(公告)号:CN116821522A

    公开(公告)日:2023-09-29

    申请号:CN202311099016.8

    申请日:2023-08-30

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于群组的合作性群智感知任务推荐方法及系统,包括以下步骤:确定角色类型,其中,角色类型包括:合作性群智感知平台、参与者和参与者群组;通过合作性群智感知平台,根据参与者和任务的信息构建参与者群组;根据参与者群组,设计双重注意力机制,聚合组成员偏好,得到群组和任务的嵌入表示;根据群组和任务的嵌入表示,利用基于神经网络的协同过滤算法,设计协同神经网络结构,为参与者群组生成个性化的top‑K任务推荐列表。本发明解决合作性群智感知中个人推荐方法无法应用在群组中的问题,综合考虑参与者能力和偏好差异,使用双重注意力机制提高了任务和群组嵌入表示的准确度,进而增强了任务推荐算法的性能。

    一种基于层次分析法的算力网络实时性能评估方法

    公开(公告)号:CN118897952A

    公开(公告)日:2024-11-05

    申请号:CN202410971736.7

    申请日:2024-07-19

    Applicant: 暨南大学

    Abstract: 本发明涉及算力网络性能评估技术领域,具体为一种基于层次分析法的算力网络实时性能评估方法。该方法首先建立多层次综合评价指标体系,对服务器节点,从处理器、内存、网络、磁盘等多个一级指标出发,细分为二级和三级指标,如处理器利用率、内存利用率等,对其他层次节点做同样处理。然后,收集算力网络节点的运行数据,进行清洗、归一化处理和噪声消除,得到清洗后的算力特征向量。接着,采用Stacking异质集成学习技术训练模型并进行算力预测,通过加权平均方法逐层汇总评估结果,得到对于整个算力网络性能的总体评估。该方法提高了多层算力网络性能评估的实时性和准确性。

    一种持续监控下的差分隐私加权图发布方法

    公开(公告)号:CN118427787A

    公开(公告)日:2024-08-02

    申请号:CN202410582004.9

    申请日:2024-05-11

    Applicant: 暨南大学

    Abstract: 针对实际系统中的敏感图数据通常是动态演化的且具有权重的特点,本发明提出一种持续监控下的差分隐私加权图发布方法。首先根据节点数据的变化对节点进行采样,其次利用噪声最大机制对边上的权重值进行优化,再基于预测的加权拓扑信息进行社区检测,最后生成当前时间步具有差分隐私的合成加权图快照。本发明探索了一系列连续的加权图快照的发布,可以在对动态加权图进行分析的同时保护相关用户免受侵犯隐私的风险。

    一种基于区块链的算力网络用户和资源的校验认证方法

    公开(公告)号:CN117714047A

    公开(公告)日:2024-03-15

    申请号:CN202311725553.9

    申请日:2023-12-15

    Applicant: 暨南大学

    Abstract: 本发明提出一种基于区块链的算力网络用户和资源的校验认证方法。首先通过算力服务平台构建平台密钥和零知识证明等相关参数,然后算力网络用户根据零知识证明相关参数和密钥生成零知识证明证据,通过零知识证明证据完成算力网络用户身份认证,申请算力资源服务或者进行算力服务注册,最后算力服务平台对注册成功的算力资源节点进行编排管理。本发明能够减少身份认证过程用户隐私泄漏风险,保障身份认证和校验过程的安全性和可靠性,并提供闲置算力资源的可信接入和可信服务,提高算力资源利用率。

    一种基于用户驱动的灵活隐私预算分配方法

    公开(公告)号:CN117648714A

    公开(公告)日:2024-03-05

    申请号:CN202311720391.X

    申请日:2023-12-14

    Applicant: 暨南大学

    Abstract: 本发明提出了一种基于用户驱动的灵活隐私预算分配方法。首先基于不同时间戳下的任务数据流信息熵确定保护需求,然后根据保护需求确立优先级以及自适应的滑动窗口,再结合动态隐私预算分配算法对每一个时间戳进行预算的分配与回收操作,最后应用数据流本地差分隐私聚合机制对数据进行聚合。本发明针对不同用户的个性化保护需求以及数据持续发布下不同时间戳保护需求动态变化的特点,其能应用于各种群时序数据的收集与发布场景,具有良好的适用性和灵活性。

    一种对本地差分隐私三角形计数的数据中毒攻击方法

    公开(公告)号:CN117633839A

    公开(公告)日:2024-03-01

    申请号:CN202311671825.1

    申请日:2023-12-07

    Applicant: 暨南大学

    Abstract: 针对本地差分隐私很容易受到数据中毒攻击的特点,本发明基于已提出的三角形序列估计的三种非交互式差分隐私保护协议,提出一种对本地差分隐私三角形计数的数据中毒攻击方法。首先根据攻击者的能力和背景知识,给出攻击者的目标,然后通过操纵一组恶意节点,最大化每个隐私保护协议中目标恶意节点的三角形数量。本发明探索了图数据的基于本地差分隐私的数据中毒攻击,可以在未来指导技术人员更好地开发新的针对图数据安全的防御,在保护数据隐私的同时能够保障数据安全。

    一种算力网络中负载感知的多微服务副本弹性伸缩方法

    公开(公告)号:CN119512759A

    公开(公告)日:2025-02-25

    申请号:CN202411685487.1

    申请日:2024-11-23

    Applicant: 暨南大学

    Abstract: 本发明公开了一种算力网络中负载感知的多微服务副本弹性伸缩方法,旨在应对动态的在线工作负载环境,保证端到端响应时延满足服务水平协议(SLA)的同时提高微服务资源利用率。该发明首先通过Prometheus、cAdvisor和Istio等插件采集Kubernetes集群中各微服务的历史性能数据,并将这些数据存储于时间序列数据库中,构建训练数据集。随后,根据微服务之间的调用关系和数据集中的微服务特征构建图数据结构,利用图注意力网络训练多微服务CPU利用率和P90响应延迟预测器,从而形成智能体可交互的模拟环境。基于此模拟环境,设计并训练深度上下文多臂赌博机模型,结合上置信界(UCB)策略,在大状态空间和复杂非线性关系中选择最优的副本调整策略,实现多微服务系统的自动水平伸缩。最终,将训练好的模型部署于实际环境中,通过Prometheus定期监测和更新微服务的上下文信息,进行实时副本调整,降低SLA违规风险并提升资源利用率。

    一种公平高效的在线网络切片多资源分配方法

    公开(公告)号:CN119109885A

    公开(公告)日:2024-12-10

    申请号:CN202411357647.X

    申请日:2024-10-25

    Applicant: 暨南大学

    Abstract: 针对现有的网络切片方法资源利用率低、租户满意度低、租户隐私泄露等问题。本发明提出一种公平高效的在线切片多资源分配方法。首先当租户的切片请求到达时,根据其请求的切片类型确定其基本需求向量和请求该类型切片得到的收益向量,在线环境下各类型切片请求的数量是一个未知量;然后计算当前各资源的容量;最后根据未来租户需求类型的概率计算未知量来近似最大化纳什社会福利的分配。本发明能适用于大规模在线请求的情况,实现了公平性和效率之间的权衡。

Patent Agency Ranking