公开(公告)号：CN117633478A

公开(公告)日：2024-03-01

申请号：CN202410023388.0

申请日：2024-01-08

Applicant: 暨南大学 ,  广州信息技术研究所

Inventor： 古天龙 ,  许明昊 ,  郝峰锐 ,  刘远峰

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：CN119988165A

公开(公告)日：2025-05-13

申请号：CN202510054322.2

申请日：2025-01-14

Applicant: 暨南大学 ,  广州信息技术研究所

Inventor： 古天龙 ,  江炅辉 ,  郝峰锐 ,  刘远峰

IPC: G06F11/34 ,  G06N20/00

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：CN117633478B

公开(公告)日：2024-06-18

申请号：CN202410023388.0

申请日：2024-01-08

Applicant: 暨南大学 ,  广州信息技术研究所

Inventor： 古天龙 ,  许明昊 ,  郝峰锐 ,  刘远峰

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。