一种体联网环境下的边缘智能协同隐私保护方法

    公开(公告)号:CN117332846A

    公开(公告)日:2024-01-02

    申请号:CN202211503708.X

    申请日:2022-11-28

    Abstract: 本发明涉及边缘计算下的隐私保护领域,特别是涉及一种体联网环境下的边缘智能协同隐私保护方法。目的在于解决应用在边缘计算场景下的联邦学习需要耗费大量的通信成本,同时面临各种攻击手段会影响隐私保护的效率以及安全性的问题。主要方案包括定义轻量级边缘智能协同联邦学习框架EdgeFL,对神经网络模型的层次分为不同块,然后分别在用户移动设备和机构私有服务器训练,然后云数据中心进行模型参数聚合;云数据中心得到本轮私有服务器上传的模型参数后,计算差值添加差分扰动后更新云数据中心的模型参数,并将更新后的模型参数用作下一轮训练,下发给私有机构进行下一轮训练。

    基于联邦学习实现医疗数据的隐私保护系统

    公开(公告)号:CN115563650A

    公开(公告)日:2023-01-03

    申请号:CN202211262070.5

    申请日:2022-10-14

    Abstract: 本发明公开了一种基于联邦学习实现医疗数据的隐私保护系,涉及医疗数据管理技术领域,包括医疗终端设备、医疗边缘服务器和医疗云中心服务器;医疗终端设备可通过变分建模对医疗数据进行预处理以实现隐私增强并得到模型训练数据;医疗边缘服务器用于将模型训练数据传入多模态模型,筛选得到生命体征区域特征,对全局医疗模型进行训练,得到局部模型,在局部模型梯度中加入本地微分扰动噪声;初始化和更新全局医疗模型。本发明为基于联邦学习的云边、智能、安全、可信的架构,能实现云边智能协同下的医疗模型训练;实现了医疗数据多模态融合的细粒度分类,提高了模型的准确率;将变分建模和差分隐私集成到系统架构中,确保医疗数据的高机密性。

    一种基于生成对抗网络的无线电数据增扩与分类方法

    公开(公告)号:CN114244456A

    公开(公告)日:2022-03-25

    申请号:CN202111589637.5

    申请日:2021-12-23

    Abstract: 本发明公开了一种基于生成对抗网络的无线电数据增扩与分类方法,利用GAN捕获样本数据分布,生成具有原始数据分布特征的高质量“伪造”数据,从而解决获取无线调制数据困难与成本较高的问题;优化了调制数据分类模型,提出了调制分类模型AMCST,提高了调制数据的分类准确率。通过在公共数据集上的实验,证明了所提出的数据增扩方法可以极大地提高调制分类模型AMCST分类准确率。在未来的工作中,本发明将研究其他深度学习模型,如变分自编码器及其变种,在调制数据增扩领域的应用。

    一种融合心率呼吸体动的自动睡眠分期方法

    公开(公告)号:CN108836269A

    公开(公告)日:2018-11-20

    申请号:CN201810441151.9

    申请日:2018-05-10

    Abstract: 本发明提出了一种融合心率呼吸体动的自动睡眠分期方法,主要包括提取睡眠特征的卷积神经网络、识别体动的体动检测算法以及体动校正三部分,其中前两部分的结果作为体动校正的输入,提高了睡眠分期模型的准确率和泛化能力。本发明利用能够使用非接触式设备进行采集的心率、呼吸以及体动替代难以采集的脑电信号,减少了睡眠监测成本,具有日常舒适监测,家庭、养老院多场景应用等优势。

    一种多体量子隐私比较协议的验证方法

    公开(公告)号:CN104753935A

    公开(公告)日:2015-07-01

    申请号:CN201510127577.3

    申请日:2015-03-23

    Abstract: 本发明公开了一种多体量子隐私比较协议的验证方法,它包括以下步骤:参与者转化私密信息为d进制数,位数为m;第三方制备m个最大纠缠态,根据纠缠态制备带有诱骗粒子的序列并发送;窃听者截取全部内容并测量,将测量结果形成的序列发送给参与者;参与者根据接收的第三方宣布插入的诱骗粒子的位置和类型对接收到的序列进行测量并将结果发回给第三方;第三方根据测量结果分析信道是否安全;如果不安全则终止协议。本发明提供了一种多体量子隐私比较协议的验证方法,能够准确检测信道并安全传输私密信息。

    将未知协议多通信方数据流分离为点对点数据流的方法

    公开(公告)号:CN104753934A

    公开(公告)日:2015-07-01

    申请号:CN201510126647.3

    申请日:2015-03-23

    CPC classification number: H04L67/104 H04L69/08

    Abstract: 本发明公开了一种将未知协议多通信方数据流分离为点对点数据流的方法,它包括以下步骤:S1:将混合未知多协议数据流分为单协议数据帧:采用聚类算法将混合未知多协议数据流分为单协议数据帧,并用评估算法确定所得到的类簇是比较可信的单协议数据帧;S2:将分割好的单协议数据帧按地址分为点对点数据帧:通过寻找具有“地址特征”的列队来组成地址对候选集,然后通过对地址对候选集进行拼接,得到最后的地址对。本发明将基于熵值的类簇评估方法用到了协议聚类的评估中,并且提出了一种简单有效的寻找未知协议地址信息的方法,效果很好。

Patent Agency Ranking