-
公开(公告)号：CN119358638A
公开(公告)日：2025-01-24
申请号：CN202411369670.0
申请日：2024-09-29
Applicant: 福建师范大学 , 福建省工业信息产业发展研究中心
IPC: G06N3/098 , G06N3/0495 , G06F18/214 , G06F18/241 , G06F18/213
Abstract: 本发明提供一种基于异构联邦的模型性能优化方法，包括步骤：服务器将全局模型、全局原型和全局知识发送给选定的客户端，每个客户端使用全局模型初始化本地模型；在每个客户端上，利用全局原型、全局知识与本地样本计算损失函数，并进行梯度下降，执行epoch轮次后得到的本地模型，并计算本地原型与本地知识；训练完成后，客户端将本地模型、本地原型与本地知识上传到服务器。服务器聚合这些本地模型、本地原型与本地知识，形成全局模型、全局原型和全局知识，判断是否达到收敛条件或预定的训练轮数，是则结束训练，否则返回执行下一轮训练。本发明可以有效解决原型学习技术中存在的类间特征堆叠、原型偏移、类内特征堆叠的问题。
-
公开(公告)号：CN117574430A
公开(公告)日：2024-02-20
申请号：CN202311533406.1
申请日：2023-11-16
Applicant: 福建师范大学 , 中国热带农业科学院热带生物技术研究所
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明公开一种基于CPS参数选择技术的联邦差分隐私方法，服务器首先选中一部分客户端并分发全局模型到选中的部分客户端，选中的部分客户端基于全局模型使用本地私有数据进行更新得到局部模型；客户端通过计算局部模型更新方向和服务器全局模型更新方向得到相关性并通过相关性判断更新方向是否一致；如果全部一致，则整个局部模型加噪声上传服务器；如果部分一致，则局部模型部分加噪声进行上传至服务器；如果不一致，则丢弃对应的局部模型；服务器收到各个客户端上传的局部模型，进行模型平均操作生成聚合模型，然后将聚合模型发送回每个客户端。本发明显著降低了资源受限CPS的通信开销和隐私预算。
-
公开(公告)号：CN112541037B
公开(公告)日：2022-09-06
申请号：CN202011336649.2
申请日：2020-11-25
Applicant: 福建师范大学
Abstract: 本发明提供了一种基于区块链和深度强化学习的空间众包方法及终端，获取请求端发送的注册请求，包括请求者标识及请求者等级；获取区块链信息，包括区块链等级；根据请求者等级确定对应的区块链等级，将请求者标识注册到与此区块链等级所对应的区块链上，以使得请求者标识所对应的请求端能够查询区块链上的区块；获取发布端发送的任务发布信息，包括位置信息；根据位置信息确定对应的区块链等级，将任务发布信息打包成区块发布到与所述任务等级相对应的区块链等级所对应的区块链上；本发明通过将任务发布信息、区块链和请求者分等级，等级相同的任务发布信息在同一区块链上并且只能够被相应等级的请求者查看，实现任务发布的高隐私性。
-
公开(公告)号：CN111951918B
公开(公告)日：2022-09-06
申请号：CN202010841749.4
申请日：2020-08-20
Applicant: 福建师范大学
Abstract: 本发明公开一种物联网医疗系统中增强数据隐私性的数据聚类方法，包括步骤：S1、用户初始化处理自己的健康数据，数据分析端接收所有用户提交的处理后的数据。S2、数据分析端通过计算来自不同用户的健康数据与初始化的聚类中心的欧式距离并进行比较，将每个用户分配到他们最近的聚类。S3、数据分析端通过第三方云平台计算并统计同一聚类中用户的的私有数据，以确定新的聚类中心。本发明在物联网医疗系统中，综合引入第三方云平台、同态加密，实现了保护用户数据隐私的聚类。
-
公开(公告)号：CN106101726B
公开(公告)日：2019-04-02
申请号：CN201610585131.X
申请日：2016-07-22
Applicant: 福建师范大学
Abstract: 本发明涉及视频修复技术领域，尤其涉及一种时空域相结合的自适应错误隐藏修复方法及系统。所述时空域相结合的自适应错误隐藏修复方法包括获取已解码的图像信息；确定所述图像信息中待修复的帧；若所述待修复的帧为I帧，采用空域修复方法对待修复的帧进行修复；若所述待修复的帧为P帧，采用时域修复方法对待修复的帧进行修复。在空域修复中，根据帧内编码模式以及分析接收块的位置信息来判断使用合适的算法来修复丢失的宏块信息。其中改进的方向插值算法先对丢失宏块进行区域划分，使用基于5×5大小的8方向Sobel算子对丢失宏块周边像素计算插值方向，选出符合纹理以及边界方向的地方进行插值计算，提高了修复的精确度。
-
Patent Agency Ranking
公开(公告)号：CN105187140B
公开(公告)日：2018-05-04
申请号：CN201510410965.2
申请日：2015-07-14
Applicant: 福建师范大学
IPC: H04B17/382
Abstract: 本发明涉及一种认知无线网络中的分布式可信频谱协作感知方法，包括用于设置未知次用户初始信誉度值的自适应初始信誉度赋值方法；用于评估次用户直接信誉度的动态直接信誉度计算模型；用于激励次用户提供真实推荐意见的VCG机制；用于综合直接信誉度和推荐信誉度的综合信誉度计算模型；用于更新次用户信誉度的信誉度更新机制；用于完成最终决策的数据融合与决策机制。本发明综合考虑影响次用户直接信誉度评估的各种因素以及推荐信息的安全可靠性，能够有效提高对协作次用户信誉度评估和频谱感知的准确性；同时基于VCG的推荐信誉度计算模型，能够有效激励次用户提供真实的推荐信息，抑制内部合谋欺骗，提高协作次用户选择的可靠性以及网络的安全性。
-
公开(公告)号：CN106507345A
公开(公告)日：2017-03-15
申请号：CN201610987636.9
申请日：2016-11-10
Applicant: 福建师范大学
CPC classification number: Y02D70/00 , H04W12/02 , H04L41/145
Abstract: 本发明公开一种基于博弈论的物理层安全的无线中继通信方法，其包括以下步骤：步骤1、定义通信模型，步骤2、定义物理层的安全容量，步骤3、定义主用户收益函数Up，步骤4、定义次用户收益函数Ur，步骤5、建立博弈模型。本发明不仅可以通过选择最优的中继来提高安全容量，并且通过功率控制，选择最佳的功率进行信息传输，达到提高系统的能量效率的效果。本发明具有降低窃听概率和提高系统能量效率的效果，解决了广播环境中的抗窃听问题，非常适合具有能量受限和分布式等特点的应用场景。
-
公开(公告)号：CN105187140A
公开(公告)日：2015-12-23
申请号：CN201510410965.2
申请日：2015-07-14
Applicant: 福建师范大学
IPC: H04B17/382
Abstract: 本发明涉及一种认知无线网络中的分布式可信频谱协作感知方法，包括用于设置未知次用户初始信誉度值的自适应初始信誉度赋值方法；用于评估次用户直接信誉度的动态直接信誉度计算模型；用于激励次用户提供真实推荐意见的VCG机制；用于综合直接信誉度和推荐信誉度的综合信誉度计算模型；用于更新次用户信誉度的信誉度更新机制；用于完成最终决策的数据融合与决策机制。本发明综合考虑影响次用户直接信誉度评估的各种因素以及推荐信息的安全可靠性，能够有效提高对协作次用户信誉度评估和频谱感知的准确性；同时基于VCG的推荐信誉度计算模型，能够有效激励次用户提供真实的推荐信息，抑制内部合谋欺骗，提高协作次用户选择的可靠性以及网络的安全性。
-
公开(公告)号：CN105141528A
公开(公告)日：2015-12-09
申请号：CN201510458775.8
申请日：2015-07-30
Applicant: 福建师范大学
IPC: H04L12/751
CPC classification number: H04L45/02
Abstract: 本发明涉及一种基于Core-Selecting和信誉机制的物联网可信路由选择方法，包括以下步骤：源节点首先查询历史的交互记录，给最为可信的节点发送中继节点选择请求消息，如果无法找出最为可信的节点或选出的节点没有做出反馈，则源节点广播发送中继节点选择请求消息给所有的邻居节点；邻居节点收到请求消息后，采用基于Core-Selecting的信誉模型评估请求节点的可信度，并提供反馈信息表明是否愿意提供中继服务；源节点收到反馈信息后，同样对愿意提供中继服务的节点采用基于Core-Selecting的信誉模型进行可信度评估，并最终选择出最可信的中继节点。本发明能够有效的提高路由路径选择的安全性和可靠性，并且能够有效抵御内部的共谋攻击。
-
公开(公告)号：CN119416212A
公开(公告)日：2025-02-11
申请号：CN202411358556.8
申请日：2024-09-27
Applicant: 福建师范大学 , 福建省工业信息产业发展研究中心
Abstract: 本发明涉及一种基于因果扩散模型的后门防御方法，属于基于数据集的后门攻击防御领域。包括：定义一个结构因果模型，通过因果扩散模型消除触发器，并且在反向去噪过程中解混数据本身噪声或分布所带来的图像和标签之间虚假的关联；利用因果扩散模型生成的图像的标签预测概率分布，计算KL散度之后，通过与阈值对比识别中毒样本；对于识别的中毒样本，通过构建候选集以及考虑像素和特征距离，从候选集中选择纯化图像，净化数据集。本发明将因果推理引入扩散模型净化数据集中，应用基于因果干预的后门准则来消除扩散模型反向去噪过程中的混杂偏差，确保模型能够消除虚假关联的影响以实现对中毒数据集的有效净化。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.032 seconds)
