“杭州医康慧联科技股份有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果28个，建议您升级VIP下载更多相关专利

[发明专利]基于密钥交换的分布式统计分析方法和系统-CN202310491946.1在审
发明人：王德健;林博;王慧东;董科雄 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2023-05-04 - 公布日： 2023-09-19 - 主分类号： G06F21/62 文献下载
摘要：本申请涉及一种基于密钥交换的分布式统计分析方法和系统，所述分布式统计分析系统包括中心服务器和若干本地参与方，所述分布式统计分析方法包括：各本地参与方将本地数据集的本地最值，发送至所述中心服务器；所述中心服务器根据所述本地最值，获得全局最值，根据所述全局最值划分为间隔分布的若干个组别；各本地参与方将所述本地数据集，归类至所述组别内，获得本地频数直方图；所述中心服务器获得各本地参与方通过密钥交换加密后的本地频数直方图，聚合解密后获得全局频数直方图，进行统计分析。本申请获得全局频数分布直方图的方案能够兼顾保护各方隐私，并可用于分析数据分布，评估数据质量和分布差异。
基于密钥交换分布式统计分析方法系统

[发明专利]适用于隐私计算平台的离线预测方法-CN202110561364.7有效
发明人：林博;董科雄;王德健;王涛;张豫元 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2021-05-22 - 公布日： 2023-08-29 - 主分类号： G16H50/20 文献下载
摘要：本申请公开了一种适用于隐私计算平台的离线预测方法，包括如下步骤：在采用一个人工神经网络模型进行数据预测之前，提供一个操作界面以供用户选择数据预测模式，数据预测模式包括：在线预测模式和离线预测模式；在用户选择离线预测模式后，通过操作界面提供上传离线预测模式所需的离线数据的操作窗口；在用户通过操作窗口上传离线数据后，判断离线数据是否符合预设的数据核验标准；如果符合预设的数据核验标准，则将上传的离线数据输入至人工神经网络模型进行数据预测；使人工神经网络模型输出数据预测的结果数据并显示或/和存储结果数据。本申请的有益之处在于提供一种能有效解决网络或数据库异常导致数据预测失败以及数据不同步的适用于隐私计算平台的离线预测方法。
适用于隐私计算平台离线预测方法

[发明专利]兼用域内外数据集的知识蒸馏方法和计算机设备-CN202310336478.0在审
发明人：王德健;林博;王慧东;董科雄;赵冲 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2023-03-24 - 公布日： 2023-07-28 - 主分类号： G06N3/096 文献下载
摘要：本申请提供一种兼用域内外数据集的知识蒸馏方法和计算机设备，知识蒸馏方法包括：得到训练完成的教师模型，利用所述教师模型的中间层信息训练域分类器，所述中间层信息来源于所述教师模型的中间层在每个批量归一化层之前的特征图；训练完成的域分类器将开放数据集划分为由域内数据组成的域内数据集、以及由域外数据组成的域外数据集；所述教师模型根据所述域内数据获得第一类预测值；所述教师模型根据所述域外数据获得第二类预测值；利用所述域内数据集和第一类预测值、利用所述域外数据集和第二类预测值训练学生模型。本申请通过域分类器划分出域内数据集和域外数据集，弱化了知识蒸馏对原始数据集的依赖，减小了开放数据集中的噪声的负面影响。
兼用域内数据知识蒸馏方法计算机设备

[发明专利]基于自监督学习的联邦学习方法和系统-CN202310189525.3在审
发明人：王德健;林博;董科雄;王慧东;赵冲 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2023-02-21 - 公布日： 2023-06-23 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及一种基于自监督学习的联邦学习方法和系统，联邦学习方法实施在多个参与方和中心节点之间，包括：各参与方利用私有数据集训练本地模型，且在训练过程中对域内数据集进行预测，获得预测值；所述中心节点利用域内数据集、以及对应所述域内数据集的预测值，训练全局模型；利用所述全局模型训练域分类器，所述域分类器从开放数据集中提取所述域内数据集。本申请并非通过简单地线性组合得到全局模型，使得全局模型具有更好的全局性能。此外，训练全局模型使用域内数据集，而非传统意义上的开放数据集，因此弱化了参与方对开放数据集的依赖，减小了开放数据集中的噪声对全局模型的负面影响。
基于监督学习联邦学习方法系统

[发明专利]基于联邦学习的信息传输系统-CN202310146133.9在审
发明人：王德健;林博;董科雄;赵冲 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2023-02-14 - 公布日： 2023-06-23 - 主分类号： G06F21/31 文献下载
摘要：本申请涉及一种基于联邦学习的信息传输系统，包括用于执行训练任务的中心服务器和多个参与方，所述训练任务的任务信息包括存储于所述中心服务器的第一类信息、以及仅存储于各所述参与方的第二类信息；当所述中心服务器接收用户查看所述第一类信息的请求时，根据用户的权限，提供相应的第一类信息；当所述中心服务器接收用户查看所述第二类信息的请求时，根据用户的权限，提供连通于相应参与方、用于访问所述第二类信息的链接通道。当用户访问第二类信息时，为用户提供访问第二类信息的链接通道，避免第二类信息在中心服务器数据上行和数据下行，避免影响查看任务日志影响数据吞吐量和联邦学习训练的速度。
基于联邦学习信息传输系统

[发明专利]面向异构模型的联邦知识蒸馏方法和系统-CN202310182976.4在审
发明人：王德健;林博;董科雄;王慧东;赵冲 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2023-02-21 - 公布日： 2023-06-06 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及一种面向异构模型的联邦知识蒸馏方法和系统，联邦知识蒸馏方法实施在多个参与方和中心节点之间，各参与方本地模型的结构类别至少包括两种，联邦知识蒸馏方法包括：各参与方利用私有数据集训练本地模型，且在训练过程中对域内数据集进行预测，获得预测值；中心节点利用域内数据集、以及对应域内数据集的预测值，训练全局模型；利用全局模型训练域分类器，域分类器从开放数据集中提取域内数据集；以及各本地模型在训练过程中均迭代更新，在每轮迭代更新的联邦聚合阶段中：对于与全局模型的结构类别不同的本地模型，利用域内数据集、以及对应域内数据集的预测值，更新迭代本地模型。本申请弱化了对开放数据集的依赖，适用模型异构场景。
面向模型联邦知识蒸馏方法系统

[发明专利]兼容不同计算框架的联邦学习方法和联邦学习系统-CN202310105164.X在审
发明人：王德健;林博;董科雄;李进 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2023-02-07 - 公布日： 2023-06-02 - 主分类号： G06F9/50 文献下载
摘要：本申请涉及一种兼容不同计算框架的联邦学习方法和系统，各参与方包括若干计算节点，各计算节点包括计算实体引擎、受计算实体引擎调用的计算资源、受计算实体引擎调用的计算驱动单元；计算资源用于根据计算实体引擎的调用请求提供计算实体服务，计算驱动单元用于匹配计算框架；对于其中一个参与方，若参与联邦学习的各计算节点使用的计算框架至少部分不同，联邦学习方法包括：计算节点获得中心节点的服务请求；计算实体引擎接收服务请求，在计算资源中调用相应的计算实体服务；计算实体服务通过计算实体引擎调用匹配不同计算框架的计算驱动单元；计算实体引擎创建计算执行主体，完成服务请求，实现未使用计算框架和使用不同计算框架的兼容。
兼容不同计算框架联邦学习方法学习系统

[发明专利]基于分布式安全聚合的隐私计算方法和系统-CN202211393327.0在审
发明人：王德健;林博;郑炜;董科雄 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2022-11-08 - 公布日： 2023-03-14 - 主分类号： H04L9/08 文献下载
摘要：本申请公开了一种基于分布式安全聚合的隐私计算方法和系统，基于分布式安全聚合的隐私计算方法实施于中央服务器和多个数据方之间，其特征在于，包括：所有数据方依据本地医疗数据集建立本地模型，其中被标记为第一数据方和第二数据方的任意两个数据方进行秘钥协商，第一数据方生成第一公钥，第二数据方生成第二公钥，第一数据方和第二数据方协商获得共有秘钥；对于任意一个数据方，通过与其他所有数据方的共有秘钥对本地模型加密，加密后发送至中央服务器；中央服务器获得所有数据方加密后的本地模型，聚合消解所有数据方的共有秘钥后获得数据方本地模型的平均梯度。本申请避免了中央服务器对所有数据方本地模型数据的直接访问，保证了数据安全。
基于分布式安全聚合隐私计算方法系统

[发明专利]联邦学习方法和联邦服务网络-CN202211111397.2在审
发明人：王德健;林博;董科雄;陈宸 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2022-09-13 - 公布日： 2023-02-03 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及一种联邦学习方法和联邦服务网络，其中联邦学习方法实施于联邦服务网络，联邦服务网络包括多个参与方，其中至少一个参与方作为任务发起者，至少一个参与方作为数据提供者，数据提供者具有由至少两台服务器构建的本地服务器集群，各台服务器均具有计算节点和数据缓存节点，各计算节点用于提供算力，各数据缓存节点用于提供目标数据，联邦学习方法包括：数据提供者接收任务发起者对目标数据的共享请求；指定其中一个服务器的计算节点作为任务节点；具有目标数据的数据缓存节点将目标数据预加载于相应服务器的内存池；将目标数据由内存池传输至任务节点执行训练任务；将训练任务的训练结果发送给任务发起者。
联邦学习方法服务网络

[发明专利]基于联邦学习的急性心梗数据处理方法和数据处理系统-CN202211188918.4在审
发明人：林博;王德健;章贵英;董科雄;王慧东 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2022-09-27 - 公布日： 2022-12-27 - 主分类号： G16H50/20 文献下载
摘要：本申请公开了一种基于联邦学习的急性心梗数据处理方法和数据处理系统，急性心梗数据处理方法实施于中心服务器以及多个参与方之间，所述急性心梗数据处理方法包括：所有参与方依据本地数据集建立本地模型，所述本地数据集根据急性心梗相关的生化指标数据获得；对于任意一个参与方Hu，利用秘密随机数suv对自身的本地模型参数xu进行加密，获得加密后的本地模型参数其中suv为参与方Hu与其他各个参与方Hv的协商秘钥，u、v均为参与方编号，n为参与方的所有可选编号；各参与方将加密后的本地模型参数上传至中心服务器，供所述中心服务器聚合后获得全局模型。
基于联邦学习急性数据处理方法数据处理系统

[发明专利]基于区块链的医疗数据价值流通方法-CN202210869605.9在审
发明人：王德健;林博;董科雄 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2022-07-21 - 公布日： 2022-11-04 - 主分类号： G06F21/62 文献下载
摘要：本申请涉及一种基于区块链的医疗数据价值流通方法，包括：基于不同参与方提供的医疗数据组建由联邦服务器主导的区块链网络；任意一个参与方作为任务发起者，向联邦服务器发起目标数据的共享请求；联邦服务器响应后对目标数据进行价值评估、向具有目标数据的参与方发起训练任务，具有目标数据的参与方作为数据提供者，在本地进行训练任务，将训练结果回传至联邦服务器，联邦服务器对训练结果进行聚合；联邦服务器将聚合后的训练结果发送给任务发起者，任务发起者根据训练结果获得目标数据的模型参数；任务发起者向数据提供者交付与联邦服务器价值评估结果相应的凭证。本申请实现了医疗数据的价值流通，实现了各参与方之间医疗数据的隐私交易。
基于区块医疗数据价值流通方法

[发明专利]医学伦理审查的方法、设备、存储介质、程序、系统-CN202210603976.2在审
发明人：李朝波;陈伟康;汪亚平;董科雄;王德健;林博 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2022-05-30 - 公布日： 2022-08-09 - 主分类号： G06F21/60 文献下载
摘要：本申请提供了一种医学伦理审查的协同方法方法、计算机设备、存储介质和程序产品，所述医学伦理审查的协同方法包括：接收由所述请求方上传的伦理审核文件；将所述伦理审核文件转换成加密文件块存储至文件存储设备，接收由所述审查方发送的文件访问请求，将所述加密文件块恢复成所述伦理审核文件，将所述伦理审核文件发送至所述审查方。本申请提供的医学伦理审查的协同方法方法、计算机设备、存储介质和程序产品，在实现医学数据共享的同时，保证了医学数据的安全性。
医学伦理审查方法设备存储介质程序系统

[发明专利]基于联邦学习的硬件加速数据传输方法-CN202210603987.0在审
发明人：郑占余;李进;林博;董科雄;王德健 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2022-05-30 - 公布日： 2022-08-09 - 主分类号： G06F21/60 文献下载
摘要：本申请公开了一种基于联邦学习的硬件加速数据传输方法，包括采用密文方式传输数据，且数据的明文和密文之间通过模幂运算转换，针对所述模幂运算、整体上采用第一状态机表达执行过程；针对所述模方运算和所述模乘运算，通过第二状态机表达执行过程；在所述模幂运算开始后，当进行至所述模方运算或所述模乘运算时，所述第一状态机向所述第二状态机发出相应的控制信号，所述第二状态机相应的切换至对应的状态，所述模方运算或所述模乘运算结束后，所述第二状态机切换至等待状态、直至下一次模方运算或模乘运算的开始，或直至模幂运算的结束。本申请加速了最为耗时的大整数模幂运算，整个流程更加高效可控。
基于联邦学习硬件加速数据传输方法

[发明专利]基于联邦学习的机器学习方法-CN202110803150.6在审
发明人：林博;张豫元;王涛;董科雄;王德健 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2021-07-15 - 公布日： 2021-11-26 - 主分类号： G06F21/60 文献下载
摘要：本申请公开了一种基于联邦学习的机器学习方法，包括如下步骤：参与联邦学习的各个训练节点输入训练数据；所述训练节点对所述训练数据进行特征处理已获得特征数据；所述训练节点采用所述特征数据进行一个机器学习模型的基于泊松回归算法的模型训练；在一次迭代过程中，参与训练的各个所述训练节点向转发节点发送梯度信息，再从转发节点得到其他节点的梯度信息，更新计算本地的梯度信息；所述训练节点通过更新后的梯度信息更新本地节点的模型权重；所述训练节点判断所述机器学习模型是否收敛，如果收敛则退出迭代。本申请的有益之处在于提供了一种通过转发节点的方式有效使各个训练节点交互中间数据的基于联邦学习的机器学习方法。
基于联邦学习机器学习方法

[发明专利]基于同构机器学习框架的数据处理方法-CN202110803159.7在审
发明人：林博;张豫元;王涛;董科雄;王德健 -专利权人： 杭州医康慧联科技股份有限公司
申请日： 2021-07-15 - 公布日： 2021-11-26 - 主分类号： G06F21/60 文献下载
摘要：本申请公开了一种基于同构机器学习框架的数据处理方法，包括如下步骤：参与联邦学习的各个训练节点输入训练数据；所述训练节点对所述训练数据进行特征处理已获得特征数据；所述训练节点采用所述特征数据进行一个机器学习模型的线性回归训练；在一次迭代过程中，参与训练的各个所述训练节点向转发节点发送梯度信息，再从转发节点得到其他节点的梯度信息，更新计算本地的梯度信息；所述训练节点通过更新后的梯度信息更新本地节点的模型权重；所述训练节点判断所述机器学习模型是否收敛，如果收敛则退出迭代。本申请的有益之处在于提供了一种通过转发节点的方式有效使各个训练节点交互中间数据的基于同构机器学习框架的数据处理方法。
基于同构机器学习框架数据处理方法

1
2
下一页»
尾页
共 28 条