专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果277个,建议您升级VIP下载更多相关专利
  • [发明专利]基于联邦学习的聚类模型训练系统及方法-CN202310278688.9有效
  • 郑小林;胡梦玲;陈超超;刘伟明 - 杭州金智塔科技有限公司
  • 2023-03-21 - 2023-10-20 - G06F16/35
  • 本说明书实施例提供基于联邦学习的聚类模型训练系统及方法,目标客户端利用本地样本文本对本地聚类模型进行训练,获得本地聚类中心数据并发送至服务端;服务端根据至少两个客户端对应的本地聚类中心数据,生成全局聚类中心数据并发送至至少两个客户端;目标客户端根据本地聚类中心数据和全局聚类中心数据计算对齐损失值,根据本地聚类模型通过训练得到的聚类损失值和对齐损失值,对本地聚类模型进行调参根据调参结果将满足训练条件的本地聚类模型的模型参数发送至服务端;服务端根据至少两个客户端对应的模型参数计算目标模型参数并发送至至少两个客户端;目标客户端用于基于目标模型参数对本地聚类模型进行更新获得目标聚类模型。
  • 基于联邦学习模型训练系统方法
  • [发明专利]基于可信执行环境的联邦学习方法以及系统-CN202310784200.X有效
  • 陈超超;叶家俊;郑小林 - 杭州金智塔科技有限公司
  • 2023-06-29 - 2023-10-20 - G06N20/00
  • 本说明书实施例提供基于可信执行环境的联邦学习方法以及系统,其中所述方法应用于客户端,所述客户端包括部署在可信执行环境内的本地隐私计算节点,以及部署在所述可信执行环境外的本地公开计算节点,包括通过所述本地公开计算节点利用本地样本数据对本地预训练模型进行训练,获得本地训练数据;通过所述本地隐私计算节点对所述本地训练数据进行加密,获得本地加密数据;将所述本地加密数据发送至服务端,并接收所述服务端针对所述本地加密数据返回的目标加密数据;通过所述本地隐私计算节点利用所述目标加密数据对所述本地预训练模型进行更新,获得目标模型。通过在可信执行环境处理客户端与服务端之间的通信数据,提高数据的隐私性和安全性。
  • 基于可信执行环境联邦学习方法以及系统
  • [发明专利]一种基于异构图的多目标跨域推荐方法、装置及系统-CN202310398706.7在审
  • 郑小林;成文杰 - 浙江大学
  • 2023-04-14 - 2023-10-10 - G06F16/9535
  • 本发明适用于跨域推荐技术领域,提供了一种基于异构图的多目标跨域推荐方法、装置及系统,基于异构图的多目标跨域推荐方法,包括:基于域内的用户信息和/或物品信息,构建域内异构图和域间异构图;对全部域内异构图和域间异构图分别进行多层图卷积,获得每个用户节点和/或物品节点的高阶表征信息;对用户节点和/或物品节点的高阶表征信息进行融合,得到每个域中用户节点和/或物品节点的融合表征信息;将全部用户节点和物品节点的融合表征信息分别传入各自的全连接神经网络,以学习用户和物品的非线性关系,得到用户对物品的评分预测值,并基于评分预测值进行跨域推荐。本申请能够显著缓解多域推荐中负迁移问题并提升推荐准确率。
  • 一种基于构图多目标推荐方法装置系统
  • [发明专利]基于生成模型的隐私保护跨域推荐方法-CN202310742959.1有效
  • 陈超超;廖馨婷;郑小林 - 杭州金智塔科技有限公司
  • 2023-06-21 - 2023-09-19 - G06F21/62
  • 本申请提供基于生成模型的隐私保护跨域推荐方法,其中所述基于生成模型的隐私保护跨域推荐方法包括:获取源域预测数据和目标域训练数据,其中,所述源域预测数据通过将噪声数据输入生成模型生成得到;提取所述源域预测数据的特征向量,获得源域用户信息向量;提取所述目标域训练数据的特征向量,获得目标域用户信息向量和目标域项目信息向量;基于所述源域用户信息向量和所述目标域用户信息向量之间的跨域信息向量、以及所述目标域项目信息向量,训练推荐模型;通过生成模型获得的源域预测数据,并不会直接触及到源域中用户的原始信息,实现了对源域用户数据的隐私保护,又将源域的用户知识转移到目标域中,以提高目标域中推荐模型的推荐性能。
  • 基于生成模型隐私保护推荐方法
  • [发明专利]基于多方安全计算的纵向联合查询方法及装置-CN202310743151.5有效
  • 陈超超;郑小林;刘鹏;巫锡斌 - 杭州金智塔科技有限公司
  • 2023-06-21 - 2023-09-19 - G06F21/62
  • 本说明书提供基于多方安全计算的纵向联合查询方法及装置,基于多方安全计算的纵向联合查询方法,应用于任务发起节点,任务发起节点为多方安全计算网络中的目标计算节点,包括:响应于请求确定本地数据的第一秘密分享态表和第一有效向量;根据请求中的过滤条件构建第一秘密分享态表的第二有效向量,并和第二有效向量融合为第三有效向量;根据请求中的分组条件和第三有效向量对第一秘密分享态表进行排序,并利用分组聚合策略对排序结果进行聚合,根据聚合结果确定第二秘密分享态表和第四有效向量;将第四有效向量和第三有效向量融合为第五有效向量,并根据请求中的排序条件和第五有效向量对第二秘密分享态表进行排序,获得目标秘密分享态表。
  • 基于多方安全计算纵向联合查询方法装置
  • [发明专利]基于用户表现公平性训练推荐模型的方法及装置-CN202310751881.X有效
  • 郑小林;陈超超;韩钟萱 - 杭州金智塔科技有限公司
  • 2023-06-25 - 2023-09-19 - G06Q30/0601
  • 本说明书提供基于用户表现公平性训练推荐模型的方法及装置,其中基于用户表现公平性训练推荐模型的方法包括:确定目标用户,以及与目标用户相似的关联用户;基于目标用户的目标行为数据和关联用户的关联行为数据生成差异信息,并基于差异信息构建第一损失函数;利用目标用户对应的推荐模型对目标行为数据和关联行为数据进行处理,根据处理结果和第一损失函数计算第一损失值,以及根据处理结果和推荐模型对应的第二损失函数计算第二损失值;根据第一损失值和第二损失值对推荐模型进行调参,直至获得满足训练停止条件的目标推荐模型。对推荐模型进行训练时,考虑目标用户和关联用户之间的差异性,提高为用户进行推荐的公平性。
  • 基于用户表现公平性训练推荐模型方法装置
  • [发明专利]隐私数据处理系统以及方法-CN202310767247.5有效
  • 刘纪海;巫锡斌;陈超超;郑小林 - 杭州金智塔科技有限公司
  • 2023-06-27 - 2023-09-19 - H04L9/40
  • 本说明书实施例提供隐私数据处理系统以及方法,其中所述隐私数据处理系统包括:数据查询方确定预设公开参数,并基于预设公开参数对查询元素集合进行编码,获得查询编码向量,根据预设公开参数计算第一伪随机相关向量,根据第一伪随机相关向量和查询编码向量计算中间向量,将中间向量发送至数据存储方;数据存储方根据预设公开参数计算第二伪随机相关向量,并根据中间向量和第二伪随机相关向量获得加密存储元素,基于加密存储元素对存储元素集合和存储数据集合进行编码,获得存储编码向量,并将存储编码向量发送至数据查询方;数据查询方基于第一伪随机相关向量获得加密查询元素,基于加密查询元素对存储编码向量进行解码,获得查询结果。
  • 隐私数据处理系统以及方法
  • [发明专利]多方隐私求交系统及方法-CN202310784203.3有效
  • 刘纪海;陈超超;郑小林 - 杭州金智塔科技有限公司
  • 2023-06-29 - 2023-09-19 - H04L9/08
  • 本说明书提供多方隐私求交系统及方法,其中多方隐私求交系统包括m个参与方,该m个参与方包括一个中心方和m‑1个其他方;其他方基于预先定义的一轮密钥交换协议计算第一交换消息集合,并发送给中心方,然后基于第一密钥交换消息和其他方的盲化因子,计算第二密钥交换消息,并发送给中心方,其中,第一密钥交换消息为中心方基于一轮密钥交换协议计算并广播给各个其他方,盲化因子为其他方通过随机采样确定的随机参数;中心方根据第一交换消息集合计算第一协商密钥,并根据第二密钥交换消息获得加密盲化因子,根据加密盲化因子和第一协商密钥确定其他方的零共享集合,基于m‑1个其他方的零共享集合,确定m个参与方的交集元素。
  • 多方隐私系统方法
  • [发明专利]基于秘密分享的特征提取方法以及装置-CN202310791344.8有效
  • 周凯明;巫锡斌;陈超超;郑小林 - 杭州金智塔科技有限公司
  • 2023-06-30 - 2023-09-19 - G06F21/60
  • 本说明书实施例提供基于秘密分享的特征提取方法以及装置,其中所述基于秘密分享的特征提取方法应用于第一数据端,包括:获取多个样本数据和各样本数据的多个样本特征;根据多个样本数据和样本特征构建树模型,其中,树模型包括多个分裂节点,分裂节点基于目标样本特征和目标切分值进行分裂,目标样本特征和目标切分值基于各样本特征的切分指标确定,切分指标基于多个样本数据的安全样本标签和第二数据端上的安全样本特征得到;根据各分裂节点对应的目标样本特征的切分指标,确定目标样本特征的重要性系数;将各目标样本特征的重要性系数发送至第二数据端,以使第二数据端根据重要性系数进行特征提取。提高了各样本数据的特征提取效率。
  • 基于秘密分享特征提取方法以及装置
  • [发明专利]保护用户隐私的推荐模型更新方法、系统及装置-CN202310794619.3有效
  • 陈超超;张亦钊;郑小林;李宇渊 - 杭州金智塔科技有限公司
  • 2023-06-30 - 2023-09-19 - G06F21/62
  • 本说明书提供保护用户隐私的推荐模型更新方法、系统及装置,包括:确定推荐模型中原始参数对应的原始矩阵,并构建与原始参数对应的目标参数,原始矩阵包含推荐维度和用户信息之间的映射关系;基于原始矩阵创建关联原始参数和目标参数的预测控制任务,以及基于推荐模型对应的样本数据创建关联目标参数的参数隐藏任务,预测控制任务和参数隐藏任务之间具有任务执行依赖关系;通过执行预测控制任务,计算至少一个矩阵差异值,并基于至少一个矩阵差异值更新参数隐藏任务,以及通过执行更新后的参数隐藏任务,确定目标参数对应的目标矩阵;利用目标矩阵替换推荐模型中的原始矩阵,根据替换结果获得包含目标参数对应的目标矩阵的目标推荐模型。
  • 保护用户隐私推荐模型更新方法系统装置
  • [发明专利]基于联邦学习的多方联合因果树模型构建系统以及方法-CN202311032785.6在审
  • 王克华;陈超超;郑小林;李岩 - 杭州金智塔科技有限公司
  • 2023-08-16 - 2023-09-15 - G06N5/043
  • 说明书实施例提供基于联邦学习的多方联合因果树模型构建系统及方法,其中基于联邦学习的多方联合因果树模型构建系统包括:主动方,用于响应于多方联合模型构建任务生成模型联合构建请求,并发送至被动方;被动方,用于接收模型联合构建请求,并根据模型联合构建请求读取被动方样本数据的第一类别信息,并发送至主动方;主动方,用于基于本地样本数据对应的第二类别信息或第一类别信息确定至少一个分割方式;针对每个分割方式分别构建评估任务并执行,并确定每个分割方式对应的分割评分,基于分割评分在至少一个分割方式中选择目标分割方式,根据目标分割方式构建多方联合因果树模型,从而实现预测不同对象对干预措施的响应信息的技术效果。
  • 基于联邦学习多方联合果树模型构建系统以及方法
  • [发明专利]一种基于协同效应的隐私保护推荐技术-CN202310589622.1在审
  • 郑小林;王钟毓;王健鹏;童亦磊;吴越 - 浙江大学
  • 2023-05-23 - 2023-09-15 - G06F21/62
  • 本申请公开了一种基于协同效应的隐私保护推荐技术,该技术包括:推荐列表形成模块和隐私保护模块,其中,所述推荐列表形成模块,用于形成具有可解释性的推荐列表;所述隐私保护模块,用于实现基于模型遗忘的隐私保护,推荐列表形成模块的具体流程为:S11:构建用户物品二分图;S12:计算协同效应;S13:邻居特征聚合;S14:物品推荐;隐私保护模块的具体流程为:S21:计算模型梯度;S22:模型遗忘。基于拓扑评估协同效应的强度,方法具有良好的推荐性能;能够根据用户要求,遗忘历史训练数据,满足用户隐私保护需求;具有良好的推荐效果,且其推荐结果具有可解释性,并能满足用户隐私保护需求,能够应用于对模型稳定和安全要求高的场景。
  • 一种基于协同效应隐私保护推荐技术
  • [实用新型]一种施工用移动式洒水降尘装置-CN202320941996.0有效
  • 郑小林 - 中国建筑第二工程局有限公司
  • 2023-04-24 - 2023-09-12 - B01D47/06
  • 本实用新型公开了一种施工用移动式洒水降尘装置,包括电动小车和水箱,所述电动小车顶部一侧设有水箱,另一侧设有转座,所述转座顶部设有主水管,所述主水管中部外侧转动连接有密封环,所述主水管顶端设有降尘主管,所述主水管顶部一侧设有防风壳,所述防风壳中部设有风机,本实用新型在洒水降尘过程中,通过减速电机带动转座转动,从而带动主水管转动,实现降尘主管和降尘支管的旋转降尘效果,在遇到逆风时,通过启动风机,通过风机的吹风,配合防风壳的椭圆壳体结构,使得防风壳内处于正压状态,对喷出的降尘水进行辅助吹散,抵消逆风效果,保证逆风时的降尘范围有效。
  • 一种施工移动式洒水降尘装置

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top