公开(公告)号：CN119988898A

公开(公告)日：2025-05-13

申请号：CN202510484229.5

申请日：2025-04-17

Applicant: 湘江实验室

Inventor： 詹敏 ,  李碧霞 ,  宋金可 ,  彭一杰 ,  颜建军 ,  史庆宇

IPC: G06F18/20 ,  G06F9/50 ,  G06F17/16 ,  G06F17/18 ,  G06F18/21 ,  G06F18/22 ,  G06F18/2321 ,  G06F18/2431

Abstract: 本申请涉及联邦学习技术领域，提供了一种面向算力调度模型训练的数据投毒识别方法及设备，该方法包括：对模型更新进行聚类，得到多个模型更新聚类簇，并生成每个模型更新聚类簇的代表模型；对代表模型进行评分得到每个代表模型的平均评分，并根据所有平均评分将所有代表模型划分为多个良性代表模型和多个疑似毒性代表模型；从疑似毒性代表模型对应的模型更新聚类簇中确定出多个满足良性条件的良性模型更新，并基于所有良性模型更新生成二次良性代表模型；计算每个良性代表模型、每个二次良性代表模型的更新权重；根据所有更新权重和所有模型更新对全局模型进行更新，得到最终全局模型。本申请的方法能够提高算力调度模型训练的安全性和准确性。

公开(公告)号：CN119493669B

公开(公告)日：2025-04-08

申请号：CN202510072225.6

申请日：2025-01-17

Applicant: 湘江实验室

Inventor： 詹敏 ,  宋金可 ,  史庆宇 ,  黄璜 ,  廖欣

IPC: G06F9/50 ,  G06N3/092 ,  H04L67/10

Abstract: 本发明公开了一种基于深度强化学习的算力网络调度方法、装置及介质，该方法包括：获取算力网络环境信息；基于算力网络环境信息和初始调度模型信息，确定出目标调度模型信息；目标调度模型信息包括M个目标资源调度模型；目标资源调度模型包括第一目标资源调度模型，和/或，第二目标资源调度模型；基于目标调度模型信息和算力网络环境信息，确定出目标算力网络资源调度结果信息；目标算力网络资源调度结果信息包括算力调度类型和算力参数信息。本发明的算力网络调度方法能够基于深度强化学习方式来对算力网络资源进行调度，可提高调度效率和精度，进而提高用户使用体验感。

公开(公告)号：CN119493669A

公开(公告)日：2025-02-21

申请号：CN202510072225.6

申请日：2025-01-17

Applicant: 湘江实验室

Inventor： 詹敏 ,  宋金可 ,  史庆宇 ,  黄璜 ,  廖欣

IPC: G06F9/50 ,  G06N3/092 ,  H04L67/10

Abstract: 本发明公开了一种基于深度强化学习的算力网络调度方法、装置及介质，该方法包括：获取算力网络环境信息；基于算力网络环境信息和初始调度模型信息，确定出目标调度模型信息；目标调度模型信息包括M个目标资源调度模型；目标资源调度模型包括第一目标资源调度模型，和/或，第二目标资源调度模型；基于目标调度模型信息和算力网络环境信息，确定出目标算力网络资源调度结果信息；目标算力网络资源调度结果信息包括算力调度类型和算力参数信息。本发明的算力网络调度方法能够基于深度强化学习方式来对算力网络资源进行调度，可提高调度效率和精度，进而提高用户使用体验感。