-
公开(公告)号：CN115017540B
公开(公告)日：2024-07-02
申请号：CN202210566275.6
申请日：2022-05-24
Applicant: 贵州大学
IPC: G06F21/62 , G06F18/241 , G06F18/23 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种轻量级隐私保护目标检测方法和系统，将对图像目标检测过程交由两台竞争性服务器并行交互地进行处理，通过加法秘密共享技术将原始图像随机拆分为两个密态图像，分别分发给两台服务器。考虑到安全上采样与目标安全自适应特征融合操作是线性计算，由两台服务器利用安全分量单独计算。而关于图像特征安全提取操作、目标锚框安全聚类检测操作、以及目标安全分类与回归操作的运算，则构造安全的交互函数实现安全目标检测的功能，相比于直接对原始图像进行目标检测，本申请不仅能够实现目标检测的正确性，而且有效保护图像的类别和位置隐私，同时解决密态数据的特征提取以及分类与检测问题。
-
公开(公告)号：CN118101270A
公开(公告)日：2024-05-28
申请号：CN202410204291.X
申请日：2024-02-23
Applicant: 贵州大学
Abstract: 本申请公开一种安全分布式联邦学习方法、客户端及系统，基于数论变换提出了快速秘密共享协议，将传统SA协议的计算复杂度降低，实现了高效计算；基于模型的交叉更新提出了拜占庭鲁棒聚合准则，保障了去中心化联邦学习中恶意和非独立同分布梯度的鲁棒性；设计了适用于去中心化架构的梯度掩盖协议，实现轻量级的数据隐私保护，解决了现有安全聚合协议面临着高计算开销、难抵抗投毒攻击和无法适配去中心化联邦学习的挑战，现有技术方案需要服务器协调消除秘密掩码值，不适用于DFL，当前SA协议未考虑投毒攻击损害全局模型收敛慢，现有投毒攻击防御策略直接计算局部梯度会暴露数据隐私缺乏安全性，并且基于服务器协调的防御策略不适合DFL架构的技术问题。
-
公开(公告)号：CN117852039A
公开(公告)日：2024-04-09
申请号：CN202410037609.X
申请日：2024-01-10
Applicant: 贵州大学
Abstract: 本申请公开了一种联邦学习投毒模型检测方法、系统、设备及存储介质，针对用户间互不可信的问题，基于构造的信任权重生成最小代价树，以此为各个用户、验证者以及服务器交叉验证提供可信的传输通道，针对联邦学习中拜占庭用户实施投毒攻击以及搭便车攻击，降低全局模型性能的问题，提出多方交叉验证的联邦学习安全聚合算法，筛选恶意用户并剔除，提高联邦学习的性能，解决了传统联邦学习通过中央服务器聚合模型，存在单点故障，对针对服务器的攻击不具备弹性；现有的安全聚合算法对恶意模型的筛选力度不足，随着恶意用户的增加，模型的质量急剧下降的技术问题。
-
公开(公告)号：CN115017540A
公开(公告)日：2022-09-06
申请号：CN202210566275.6
申请日：2022-05-24
Applicant: 贵州大学
Abstract: 本申请公开了一种轻量级隐私保护目标检测方法和系统，将对图像目标检测过程交由两台竞争性服务器并行交互地进行处理，通过加法秘密共享技术将原始图像随机拆分为两个密态图像，分别分发给两台服务器。考虑到安全上采样与目标安全自适应特征融合操作是线性计算，由两台服务器利用安全分量单独计算。而关于图像特征安全提取操作、目标锚框安全聚类检测操作、以及目标安全分类与回归操作的运算，则构造安全的交互函数实现安全目标检测的功能，相比于直接对原始图像进行目标检测，本申请不仅能够实现目标检测的正确性，而且有效保护图像的类别和位置隐私，同时解决密态数据的特征提取以及分类与检测问题。
-
-
-
Search Results
4
records
(took 0.013 seconds)
