-
公开(公告)号：CN118250098A
公开(公告)日：2024-06-25
申请号：CN202410660764.7
申请日：2024-05-27
Applicant: 泉城省实验室
Abstract: 本发明涉及基于分组聚合的抵御恶意客户端投毒攻击的方法及系统；属于网络安全技术领域；通过中心服务器与若干客户端运行实现，包括：客户端中，每个用户训练本地模型；每个用户对本地模型梯度进行盲化后加密上传至中心服务器；中心服务器通过分组聚合的策略找出尝试进行投毒攻击的恶意客户端并剔除，在不泄露每个客户端的盲化梯度的前提下，聚合通过验证的客户端的盲化梯度，得到聚合梯度密文，并下发客户端；用户解密获得全局模型梯度，更新本地模型后开始新一轮的本地模型训练；采用训练后全局模块，通过分组聚合的策略找出尝试进行投毒攻击的恶意客户端并剔除。本发明根据不同场景调整检测的粗细粒度，在模型精度和安全性两方面实现动态调整。
-
公开(公告)号：CN116701440A
公开(公告)日：2023-09-05
申请号：CN202310712462.5
申请日：2023-06-15
Applicant: 泉城省实验室
IPC: G06F16/245 , G06F16/22
Abstract: 本发明提出了一种布谷鸟过滤器及数据插入、查询、删除方法，涉及计算机信息表示与检索技术领域，布谷鸟过滤器由指纹记录表和位置标记表构成；所述指纹记录表，由m个桶组成，用来保存插入的数据指纹，其中，每个桶有b个保存数据指纹的槽；所述位置标记表，由m个向量组成，为每个桶创建一个向量，用来记录数据指纹在指纹记录表中的插入位置信息；其中，每个数据指纹对应两个候选桶，从中选择一个桶的一个槽来保存数据指纹，当且仅当最终保存在第二个候选桶中时，在第二个候选桶对应的向量中，记录槽的位置下标值；本发明具有更高的数据指纹计算效率、更低的数据查询假阳率，解决布谷鸟过滤器存在查询假阳的技术问题。
-
公开(公告)号：CN119623583A
公开(公告)日：2025-03-14
申请号：CN202510163854.X
申请日：2025-02-14
Applicant: 泉城省实验室
Abstract: 本发明涉及联邦学习Krum算法硬件加速与优化系统及方法，属于联邦学习与硬件加速技术领域。包括数据控制模块、数据FIFO模块及算法计算模块；数据控制模块、数据FIFO模块及算法计算模块依次连接，数据控制模块连接算法计算模块；数据控制模块用于整个Krum算法的流水控制；数据FIFO模块用于缓存一方客户端模型梯度参数并进行循环读取；算法计算模块则用于计算krum算法，包括欧几里得距离计算和最小梯度计算。每个模块独立且功能明确的模块，分别负责特定的任务，提高了算法的可维护性、可扩展性和性能优化的灵活性。
-
公开(公告)号：CN116701440B
公开(公告)日：2024-04-16
申请号：CN202310712462.5
申请日：2023-06-15
Applicant: 泉城省实验室
IPC: G06F16/245 , G06F16/22
Abstract: 本发明提出了一种布谷鸟过滤器及数据插入、查询、删除方法，涉及计算机信息表示与检索技术领域，布谷鸟过滤器由指纹记录表和位置标记表构成；所述指纹记录表，由m个桶组成，用来保存插入的数据指纹，其中，每个桶有b个保存数据指纹的槽；所述位置标记表，由m个向量组成，为每个桶创建一个向量，用来记录数据指纹在指纹记录表中的插入位置信息；其中，每个数据指纹对应两个候选桶，从中选择一个桶的一个槽来保存数据指纹，当且仅当最终保存在第二个候选桶中时，在第二个候选桶对应的向量中，记录槽的位置下标值；本发明具有更高的数据指纹计算效率、更低的数据查询假阳率，解决布谷鸟过滤器存在查询假阳的技术问题。
-
公开(公告)号：CN117371025A
公开(公告)日：2024-01-09
申请号：CN202311204903.7
申请日：2023-09-18
Applicant: 泉城省实验室
IPC: G06F21/62 , H04L9/00 , G06N20/00 , H04L67/104
Abstract: 本发明公开一种去中心化机器学习模型训练方法及系统，包括：将参与方进行分组；重构参与方接收区块链下发的全局模型，并发送至组内的普通参与方；普通参与方以全局模型作为初始模型进行本地模型的训练，将本地模型拆分成份额的形式在组内进行分发，各普通参与方接收到组内其他普通参与方的模型份额后进行聚合，将聚合结果发送至重构参与方；重构参与方将组内的聚合结果进行重构，将得到的小组模型上传到区块链，区块链对小组模型再次进行聚合，将当前轮次的全局模型下发至重构参与方作为下一轮训练的初始模型。保证各参与方的敏感数据不出本地，实现更高层次的敏感数据隐私保护。
-
Patent Agency Ranking
公开(公告)号：CN117371025B
公开(公告)日：2024-04-16
申请号：CN202311204903.7
申请日：2023-09-18
Applicant: 泉城省实验室
IPC: G06F21/62 , H04L9/00 , G06N20/00 , H04L67/104
Abstract: 本发明公开一种去中心化机器学习模型训练方法及系统，包括：将参与方进行分组；重构参与方接收区块链下发的全局模型，并发送至组内的普通参与方；普通参与方以全局模型作为初始模型进行本地模型的训练，将本地模型拆分成份额的形式在组内进行分发，各普通参与方接收到组内其他普通参与方的模型份额后进行聚合，将聚合结果发送至重构参与方；重构参与方将组内的聚合结果进行重构，将得到的小组模型上传到区块链，区块链对小组模型再次进行聚合，将当前轮次的全局模型下发至重构参与方作为下一轮训练的初始模型。保证各参与方的敏感数据不出本地，实现更高层次的敏感数据隐私保护。
-
公开(公告)号：CN116132017B
公开(公告)日：2023-09-26
申请号：CN202211434319.6
申请日：2022-11-16
Applicant: 泉城省实验室
Abstract: 本发明公开了隐私保护机器学习推理加速的方法及系统，SGX接收机器学习过程中的待推理数据，判断待推理数据是线性还是非线性，如果是非线性，则在SGX中进行非线性运算；如果是线性，SGX将线性数据部分进行加密，并将加密处理后的线性数据部分发送给FPGA；FPGA对加密处理后的线性数据部分进行解密处理，并将解密后的线性数据部分进行线性运算；线性运算结束后，FPGA将线性运算结果进行加密，并将加密的密文返回给SGX；SGX对接收到的密文进行解密后，再对解密后的数据进行非线性运算，至此完成机器学习的一次推理过程，继续完成机器学习的后续线性数据部分的处理，直至机器学习的所有待推理数据均被处理完毕。
-
-
公开(公告)号：CN119692435A
公开(公告)日：2025-03-25
申请号：CN202411753245.1
申请日：2024-12-02
Applicant: 泉城省实验室
IPC: G06N3/098 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N5/04 , H04L67/10 , H04L67/12 , G06V10/82 , G06V10/764
Abstract: 本发明涉及基于超网络的平衡联邦学习个性化与泛化方法与系统，包括：在训练阶段，灵活切换个性化与泛化阶段，通过聚合嵌入向量生成泛化模型，提升模型整体的泛化性能；同时，使用客户端嵌入向量生成个性化模型，增强模型在特定数据分布下的表现。在推理阶段，引入基于香农熵的动态选择机制，确保在不同数据分布下的模型推理准确性和可靠性，提升了用户体验。针对边缘智能场景中跨客户端的数据异构性问题，提出了基于超网络生成个性化模型和泛化模型的分层联邦学习框架，该框架可以有效平衡智能终端的个性化需求与泛化需求。
-
公开(公告)号：CN119690930A
公开(公告)日：2025-03-25
申请号：CN202411753246.6
申请日：2024-12-02
Applicant: 泉城省实验室
IPC: G06F16/176 , G06F16/182 , G06F21/60 , G06F21/62 , G06F21/64 , H04L67/104 , H04L67/1097 , H04L67/12 , G16H10/60
Abstract: 本发明涉及一种支持数据验证的去中心化信息安全高效存储共享方法，包括：1)初始化阶段；2)密文生成并上传；3)对上传的密文大小进行评估；若密文大小超过256KB，IPFS将对密文进行分片处理，并在全球分布的节点服务器中存储这些分片，同时生成一个唯一的地址标识；4)拼接为新的明文；5)数据提供者选定加密策略，对新的明文实施属性加密；6)数据请求者在使用数据前向Hyperledger Fabric提交访问申请；7)验证数据请求的合法性；8)获取对称加密的密文；9)解密，以获取患者的隐私数据。本发明可以避免因某些节点发生故障导致整个系统瘫痪的状态。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.016 seconds)
