一种基于合同理论激励机制的联邦学习数据共享方法

    公开(公告)号:CN118036707A

    公开(公告)日:2024-05-14

    申请号:CN202410179626.7

    申请日:2024-02-18

    Applicant: 辽宁大学

    Abstract: 一种基于合同理论激励机制的联邦学习数据共享方法。针对联邦学习中的Non‑IID问题,本发明在联邦学习数据预处理阶段加入了基于合同理论的激励机制,考虑了边缘节点在实际场景中存在理性自私等主观因素,从数据敏感度、数据稀缺度等多重因素衡量节点的隐私成本,通过任务发布平台以本地节点、中心服务器的效用最大化为目标制定最优合同,并将合同下发给节点,采用单数据类型的合同交互方式,排除数据分布对数据质量校验的影响,提高了校验的准确度,校验合格的分发合同类型对应的奖励,激励节点共享出数据样本以构造数据量更多、数据质量更好、数据分布更均匀的全局共享数据集,并下发共享数据集给各节点,以此来缓解Non‑IID问题,提高模型识别精度。

    一种基于合作博弈的异构网络中NDN-IP方向拥塞控制方法

    公开(公告)号:CN118590449A

    公开(公告)日:2024-09-03

    申请号:CN202410663025.3

    申请日:2024-05-27

    Applicant: 辽宁大学

    Abstract: 一种基于合作博弈的异构网络中NDN‑IP方向拥塞控制方法,属于计算机网络领域。该方法在云服务器的辅助下,边缘路由器之间采取协助转发的方式,使未拥塞路由器协助拥塞路由器向IP侧转发数据,并抑制用户发送数据的速率,从而避免和解决边缘路由器的拥塞问题。本发明在ndnSIM平台上进行了本发明与CCC和HbQM组合的拥塞控制的对比实验,相比于该拥塞控制机制,本发明能明显降低中间节点丢包率,提高中间节点缓冲区利用率,降低云服务的数据传输时延,提高云服务的满足率。相关实验结果证明了本发明在解决共存网络架构中由于两侧传输速率不匹配导致的边缘路由器拥塞问题。

    一种基于流量整形的异构网络中IP-NDN方向的拥塞控制方法

    公开(公告)号:CN118590446A

    公开(公告)日:2024-09-03

    申请号:CN202410663426.9

    申请日:2024-05-27

    Applicant: 辽宁大学

    Abstract: 一种基于流量整形的异构网络中IP‑NDN方向的拥塞控制方法,属于计算机网络领域。该方法由基于数据优先级的流量整形策略和基于改进Q‑learning拥塞控制算法两部分组成,流量整形策略提高了边缘路由器解决缓冲区数据堆积问题的能力,同时将流量整形扩展至NDN路由器处,提高NDN路由器的数据容纳能力。基于强化学习的拥塞控制算法使得边缘路由器更加精准感知NDN侧路由器的缓冲区数据容纳能力,在避免本节点及NDN路由器发生拥塞的前提下,合理地设置向其转发数据的速率。本发明在ndnSIM平台上进行了本发明与ANTP与NDN‑QSF组合的拥塞控制的对比实验,相比于该拥塞控制机制,本发明能明显降低中间节点丢包率,提高中间节点CS命中率,降低用户的兴趣包重传比例以及用户内容获取时延,同时提高了用户兴趣包满足率。

Patent Agency Ranking