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56个,建议您升级VIP下载更多相关专利
  • [发明专利]基于安全多方计算的安全推理方法-CN202310372667.3在审
  • 苗银宾;林杰;杨丽;李兴华 - 西安电子科技大学
  • 2023-04-10 - 2023-10-13 - G06N5/04
  • 本发明公开了一种基于安全多方计算的安全推理方法,步骤包括:步骤1,离线阶段,确定参与模型推理的参与方;服务提供商将推理的模型秘密分享给各参与方;步骤2,在线阶段线性层,各个计算方本地计算,并将计算结果发送并重构;通过一个预先决定好的集合给其他参与方,最后各参与方能够计算;步骤3,对线性层进行检查,各参与方执行检查协议;步骤4,在线阶段非线性层,使用多混淆方和多评估方的混淆电路计算非线性层函数;步骤5,重复步骤3和步骤4,完成所有的线性层和非线性层的计算,参与方根据协议将计算结果发送给指定的客户端重构计算结果。本发明的方法,在不损害准确率的前提下保证各参与方参与者的数据隐私。
  • 基于安全多方计算推理方法
  • [发明专利]一种横向联邦学习系统防御方法-CN202310223506.8在审
  • 苗银宾;雷宇和 - 西安电子科技大学
  • 2023-03-09 - 2023-08-01 - G06N20/20
  • 本发明公开了一种横向联邦学习系统防御方法,包括以下步骤:步骤1,输入:梯度集{gi(t)}n i=1,梯度模的下界L,上界R,统计抽样比例β,抽样维度数a,输出:聚合梯度gˉ(t),初始化:计算每个梯度gi(t)的模{∥gi(t)∥}n i=1;步骤2,基于梯度模的过滤:计算梯度模的中值M=median{∥gi(t)∥2}n i=1,将满足L≤∥g(t)i∥2M≤R的梯度加入到集合S1中。本发明提供一种横向联邦学习系统防御方法,通过计算梯度之间的符号统计信息、余弦分数以及异常分数作为Mean‑Shift聚类特征,然后利用Mean‑Shift聚类算法不需要指定聚类个数的特点进行聚类,从中选择具有最多元素的簇作为最终可信集合,有效防御非定向模型投毒攻击,提高联邦学习系统的防御有效性。
  • 一种横向联邦学习系统防御方法
  • [发明专利]基于多密钥同态加密的密文检索方法-CN202310309431.5在审
  • 苗银宾;王一冰;杨丽;许超;张伟;李兴华 - 西安电子科技大学
  • 2023-03-28 - 2023-07-04 - H04L9/08
  • 本发明公开了基于多密钥同态加密的密文检索方法,能够对不同密钥加密下的密文执行检索。数据拥有者以及数据使用者分别使用同态加密技术对数据和查询值进行加密,并上传密文至服务器。服务器将根据参与方(包括数据拥有者以及数据使用者)的总数k对密文进行扩展,得到包含k+1个元素的多密钥形式密文,扩展后的密文即使在不同密钥加密下,也能够执行同态运算,并支持分布式解密,解密过程由所有参与方共同执行。据此本发明得以实现密文检索功能。同时,本发明还应用压缩编码技术对检索功能进行了优化,使用布隆过滤器集合一次性返回所有检索结果,无需重复执行检索算法,减少了计算和存储开销,大大提高了检索性能。
  • 基于密钥同态加密检索方法
  • [发明专利]分布式环境下隐私保护联邦学习方法、系统、设备及介质-CN202211685799.3在审
  • 苗银宾;张一凡;杨丽;李兴华 - 西安电子科技大学
  • 2022-12-27 - 2023-07-04 - G06F21/62
  • 本申请实施例涉及分布式机器学习技术领域,特别涉及一种分布式环境下隐私保护联邦学习方法、系统、设备及介质,该方法包括:首先,分别生成同态加密的公钥以及同态加密的私钥;然后,对模型参数初始化处理,得到全局模型;使用同态加密的公钥对全局模型进行加密处理,得到加密后的全局模型,并将加密后的全局模型发送至客户端;接下来,基于加密后的全局模型,客户端进行本地训练;接下来,服务器对本地模型进行加权、聚合处理,得到新的全局模型;最后,重复进行本地训练以及对本地模型进行加权、聚合处理,直至得到最终的全局模型。本申请能够在隐私保护联邦学习技术下,实现对客户端模型更新的保护和对通信带宽的优化。
  • 分布式环境隐私保护联邦学习方法系统设备介质
  • [发明专利]隐私保护异步联邦学习方法、系统、设备及存储介质-CN202211683968.X在审
  • 苗银宾;颜新如;杨丽;李兴华 - 西安电子科技大学
  • 2022-12-27 - 2023-06-23 - G06F21/62
  • 本申请实施例涉及信息安全技术领域,特别涉及一种隐私保护异步联邦学习方法、系统、设备及存储介质,该方法包括:主节点触发模型训练,得到全局模型及时间戳;客户端接收全局模型及时间戳,更新本地模型的当前时间戳,进行本地训练;客户端对本地模型添加噪声,将带噪声的本地模型上传至区块链:主节点触发聚合任务;待所有客户端完成本地训练后,主节点发起聚合请求开始预准备阶段,将预准备消息发送至所有客户端;客户端依次进入准备阶段、提交阶段,执行聚合请求并发送回复消息;主节点更新全局模型。本申请实施例提供的方法,能够避免中心化的聚合器进行恶意篡改或尝试推断客户端的隐私信息,维护轻量级区块链架构的数据隐私安全性。
  • 隐私保护异步联邦学习方法系统设备存储介质
  • [发明专利]多数恶意下鲁棒隐私性联邦学习方法、系统、设备及介质-CN202211684903.7在审
  • 苗银宾;匡达;杨丽;李兴华 - 西安电子科技大学
  • 2022-12-27 - 2023-04-11 - G06F21/62
  • 本申请实施例涉及信息安全技术领域,特别涉及一种多数恶意下鲁棒隐私性联邦学习方法、系统、设备及介质,该方法包括:使用本地数据训练本地模型,计算模型梯度和根梯度;对模型梯度、根梯度进行量化和编码;使用抽样的秘密共享方法生成模型梯度和根梯度的秘密份额:基于模型梯度和根梯度的秘密份额,计算汉明距离份额;基于汉明距离份额,计算客户端权重份额;使用相关不经意乘积高效的生成乘法三元组,并对模型份额进行加权,得到本地加权份额;基于本地加权份额,更新全局模型。本申请能够在多数恶意环境下实现抗模型投毒攻击和保护客户端数据隐私,且使用抽样的秘密共享技术可以高效的计算汉明距离和模型加权平均,降低了总体的计算开销。
  • 多数意下隐私联邦学习方法系统设备介质

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