“许向蕊”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11个，建议您升级VIP下载更多相关专利

[发明专利]鲁棒的个性化联邦学习方法、装置、系统及存储介质-CN202311213109.9在审
发明人：王伟;陈国荣;吕晓婷;许向蕊;祝咏升;胡福强;刘鹏睿;陈政;韩臻;段莉;李超;金一 -专利权人：北京交通大学
申请日： 2023-09-20 - 公布日： 2023-10-27 - 主分类号： H04L9/40 文献下载
摘要：本说明书实施例提供了一种鲁棒的个性化联邦学习方法、装置及系统，方法包括：服务器接收来自多个客户端的模型更新数据，模型更新数据为在客户端上训练的本地模型的参数在训练前后的参数差值；服务器根据模型更新数据，得到各模型更新数据之间的基于α的层位置正则化相似度；服务器针对每一个客户端，根据基于α的层位置正则化相似度，得到模型更新数据的权重；服务器根据模型更新数据的权重和模型更新数据，分别得到各客户端对应的聚合模型更新数据；服务器发送聚合模型更新数据到各客户端。本申请提供的技术方案用以解决在联邦学习中系统中存在恶意攻击者时，通过本地协作训练算法同时训练本地模型和聚合模型来抵御恶意客户端的投毒攻击问题。
个性化联邦学习方法装置系统存储介质

[发明专利]一种基于无先验知识的联邦推荐投毒攻击方法-CN202310381101.7在审
发明人：王伟;郝玉蓉;刘吉强;纪守领;段莉;许向蕊;刘鹏睿;吕晓婷 -专利权人：北京交通大学;浙江大学
申请日： 2023-04-11 - 公布日： 2023-09-22 - 主分类号： G06F21/55 文献下载
摘要：本发明提供了一种基于无先验知识的联邦推荐投毒攻击方法。该方法包括：根据攻击需求选取项目池中拟攻击的目标项目；计算与目标项目的嵌入向量最相似的多个项目，构建恶意用户虚假交互列表；基于恶意用户虚假交互列表近似喜欢目标项目的恶意用户的嵌入向量；客户端根据近似的嵌入向量以及服务器下发的模型参数求解损失函数，并将所得梯度上传至服务器；服务器聚合更新上传的模型参数并将其下发至客户端，重复上述操作直至训练结束。本发明利用用户配置文件及其交互项目间存在的某种隐式相关性，刻画攻击必需但难以获取的用户嵌入向量，能够在不依赖任何先验知识的前提下实现对联邦推荐系统的有效攻击，充分完成了对联邦推荐系统的安全性评估。
一种基于先验知识联邦推荐投毒攻击方法

[发明专利]一种基于特征嵌入分析的纵向联邦学习隐私泄露检测方法-CN202310304542.7有效
发明人：王伟;许向蕊;管晓宏;沈超;刘鹏睿;吕晓婷;郝玉蓉 -专利权人：北京交通大学;西安交通大学
申请日： 2023-03-27 - 公布日： 2023-09-08 - 主分类号： G06F21/62 文献下载
摘要：本发明提供了一种基于特征嵌入分析的纵向联邦学习隐私泄露检测方法。该方法包括：检测者在纵向联邦学习的训练过程中嵌入影子数据；获取影子数据和纵向联邦学习的目标参与者的私有训练数据在底部模型上的特征嵌入数据，对特征嵌入数据进行平滑处理；利用影子数据和影子数据平滑处理后的特征嵌入数据克隆底部模型的代理模型；利用代理模型通过特征嵌入匹配重构目标参与者的私有训练数据，对纵向联邦学习进行原始数据泄露检测。本发明方法在不破坏VFL效用的条件下，同时实现了对模型泄露、原始数据泄露以及数据特征泄露的脆弱性分析。
一种基于特征嵌入分析纵向联邦学习隐私泄露检测方法

[发明专利]一种联邦学习的本地模型参数聚合方法-CN202310615878.5在审
发明人：王伟;原笑含;祝咏升;胡福强;王斌;陈政;吕晓婷;许向蕊;刘吉强 -专利权人：北京交通大学;中国铁道科学研究院集团有限公司电子计算技术研究所
申请日： 2023-05-29 - 公布日： 2023-09-05 - 主分类号： G06F21/62 文献下载
摘要：本发明提供了一种联邦学习本地模型参数聚合方法。该方法包括：对可信机构进行初始化处理，获得系统公共参数和主私钥；客户端和中心服务器向可信机构请求注册，可信机构组建所有客户端的通信群；客户端使用本地数据对中心服务器下发的全局模型进行训练，获得本地模型参数；客户端使用签名密钥和中心服务器的公钥签名并加密本地模型参数，将本地模型参数的密文和签名以匿名方式上传给中心服务器；中心服务器解密各客户端上传的本地模型参数，验证本地模型参数的签名；聚合经过验证的本地模型参数，根据聚合结果更新全局模型，向通信群中的所有客户端广播更新后的全局模型。本发明方法强化了联邦学习的隐私保护能力，维护联邦学习系统的鲁棒性。
一种联邦学习本地模型参数聚合方法

[发明专利]针对深度学习模型的机器遗忘方法及装置-CN202310876419.2在审
发明人：王伟;许向蕊;原笑含;陈政;刘鹏睿;郝玉蓉;祝咏升;胡福强;吕晓婷;李超;段莉;刘吉强 -专利权人：北京交通大学
申请日： 2023-07-18 - 公布日： 2023-08-15 - 主分类号： G06F16/215 文献下载
摘要：本说明书实施例提供了一种针对深度学习模型的机器遗忘方法及装置，其中，方法包括：根据当前拥有数据对原始深度学习模型进行训练，得到训练后的初始模型；根据请求被删除数据计算所述请求被删除数据的遗忘损失；将所述遗忘损失最小化，执行机器遗忘更新所述初始模型，得到遗忘后模型。本公开能够支持已训练模型对任意数据执行高效的遗忘，同时保证模型的可用性，在不损害模型可用性的基础上实现对特定样本的精准删除。
针对深度学习模型机器遗忘方法装置

[发明专利]面向联邦学习投毒攻击的防御方法、装置、设备及介质-CN202310662319.X在审
发明人：王伟;许向蕊;陈政;刘鹏睿;郝玉蓉;祝咏升;胡福强;吕晓婷;李超;段莉;刘吉强 -专利权人：北京交通大学
申请日： 2023-06-06 - 公布日： 2023-08-01 - 主分类号： H04L9/40 文献下载
摘要：本发明提供了一种面向联邦学习投毒攻击的防御方法、装置、设备及介质，包括：从多个客户端中获取本地数据对应的第一特征嵌入信息，本地数据预存在客户端中，各个客户端中的本地数据为总训练样本的不相交的样本子集；对第一特征嵌入信息与预存的本地数据对应的数据标签进行互信息计算；根据计算得到的互信息对第一特征嵌入信息进行异常特征嵌入剔除，并将剔除后的第一特征嵌入信息作为正常特征嵌入信息；基于正常特征嵌入信息对预存的顶部模型进行训练，以优化顶部模型参数。本发明能够在不借助辅助数据以及不接触客户端底部模型的条件下实现对恶意样本的规避且不影响模型的可用性，适用于纵向联邦学习场景中。
面向联邦学习投毒攻击防御方法装置设备介质

[发明专利]面向联邦学习投毒攻击的防御方法及系统-CN202211391958.9有效
发明人：王伟;刘敬楷;吕晓婷;李超;段莉;金一;李强;刘吉强;刘鹏睿;许向蕊;曹鸿博;李珊 -专利权人：北京交通大学
申请日： 2022-11-08 - 公布日： 2023-07-21 - 主分类号： H04L9/40 文献下载
摘要：本发明提供一种面向联邦学习投毒攻击的防御方法及系统，属于网络安全技术领域，在每轮联邦训练开始阶段将全局模型传输给各个参与方；其中，在第一轮联邦训练时初始化全局模型；利用接收到的参数更新后的全局模型，聚合新的全局模型；其中，参与方基于本地数据和初始化全局模型进行规定轮次的本地训练，进行全局模型参数的更新。本发明计算每一层模型更新的偏差和整体模型更新的偏差，将超过阈值的模型更新偏差的数量作为异常得分，筛选异常得分最小的参与方的模型更新进行聚合，实现了比仅考虑全部参数的距离更细粒度的筛选，筛选结果的数量基于更新参数的异常程度，保证了模型的收敛速度和准确率，同时能有效地应对目标性和非目标性的投毒攻击。
面向联邦学习投毒攻击防御方法系统

[发明专利]基于自编码器的单分类联邦学习方法及系统-CN202211684648.6在审
发明人：王伟;刘文博;刘鹏睿;吕晓婷;刘敬楷;周雯;吴艳华;祝咏升;许向蕊;陈国荣;段莉;李超;刘吉强;金一 -专利权人：北京交通大学;中国铁道科学研究院集团有限公司电子计算技术研究所
申请日： 2022-12-27 - 公布日： 2023-05-05 - 主分类号： G06N3/098 文献下载
摘要：本发明提供一种基于自编码器的单分类联邦学习方法及系统，属于联邦学习技术领域，在数据预处理阶段，利用预训练模型进行原始数据的特征提取和分析；在训练阶段，客户端按照数据标签分别使用自编码器完成单分类模型的训练，服务器根据标签对单分类模型进行分类聚合，并将聚合后的模型按标签重新下发给客户端；在预测阶段，基于集成学习整合多个单分类专家模型和预训练模型的输出，以确定预测结果。本发明提取出不同标签数据的关键特征，对客户端本地的数据类别没有要求，并且可以抑制客户端模型间的离散程度，提高全局模型的性能，能够在保护客户端隐私的情况下有效应对各种Non‑IID情况。此外训练过程中的异步聚合更新还可以提高训练过程中的通信效率。
基于编码器分类联邦学习方法系统

[发明专利]基于实例重构的联邦学习模型智能攻击检测方法及装置-CN202210404405.6有效
发明人：王滨;王伟;陈思;王星;张峰;陈加栋;李超豪;许向蕊;钱亚冠;谢瀛辉 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2022-04-18 - 公布日： 2022-08-16 - 主分类号： G06N20/20 文献下载
摘要：本申请提供一种基于实例重构的联邦学习模型智能攻击检测方法及装置，该方法包括：获取目标客户端上传的梯度；依据所述目标客户端上传的梯度，提取所述梯度所对应的训练数据的类别标签；依据所述类别标签，利用条件式解码器，生成所述目标客户端的训练数据的目标实例表示；利用本轮全局模型，对所述目标实例表示进行优化更新，得到重构训练数据；依据所述重构训练数据与所述目标客户端的训练数据的相似度，确定模型的防攻击性能评估结果。该方法可以实现更有效地模型防攻击性能评估。
基于实例联邦学习模型智能攻击检测方法装置

[发明专利]条件生成式对抗网络的训练方法、装置、设备及存储介质-CN202010359482.5在审
发明人：李雅琴;许向蕊;袁操 -专利权人：武汉轻工大学
申请日： 2020-04-29 - 公布日： 2020-08-25 - 主分类号： G06K9/62 文献下载
摘要：本发明属于生成式对抗网络技术领域，公开了一种条件生成式对抗网络的训练方法、装置、设备及存储介质。该方法通过获取真实样本图片，对真实样本图片进行图像预处理，以获得目标样本图片；对目标样本图片进行分类以获得分类结果，并根据分类结果设置条件向量；获取条件生成式对抗网络；基于瓦瑟斯坦生成式对抗网络Wasserstein GAN及条件向量对条件生成式对抗网络中的生成器和判别器进行设置，以获得目标判别器和目标生成器；基于真实样本图片及条件向量对目标生成器和目标判别器进行训练。在条件生成式对抗网络中引入Wasserstein GAN运行机制，同时完成了稳定训练和进程指标的问题，从而解决了现有技术在条件生成式对抗网络训练时的稳定性不高和效率低的技术问题。
条件生成对抗网络训练方法装置设备存储介质

[发明专利]样本数据集生成方法、装置、设备及存储介质-CN202010089529.0在审
发明人：袁操;孙昌琦;许向蕊;李雅琴 -专利权人：武汉轻工大学
申请日： 2020-02-12 - 公布日： 2020-06-12 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及计算机视觉技术领域，公开了一种样本数据集生成方法、装置、设备及存储介质，所述方法包括：获取原始图像和原始图像的原始分辨率，对原始图像进行下采样，获得下采样图像，通过预设生成器模型对下采样图像和与下采样图像同等大小的随机噪声进行融合处理，生成训练图像，根据原始分辨率对训练图像进行上采样，获得满足原始分辨率的待比较图像，并与原始图像进行比较，确定目标图像来组建样本数据集。从而通过对原始图像进行下采样后与随机噪声融合，再对生成的图像进行上采样获得待比较图像，并从中确定目标图像来组建样本数据集，解决了如何根据单一图像得出包含多种图像的样本数据集，以满足图像样本需求的技术问题。
样本数据生成方法装置设备存储介质

1
共 11 条