-
公开(公告)号：CN112905657B
公开(公告)日：2022-08-19
申请号：CN202110135326.5
申请日：2021-02-01
申请人： 泉州华中科技大学智能制造研究院
IPC分类号： G06F16/2458 , G06F16/27 , G06Q20/40
摘要： 本发明提供一种可保护用户隐私的区块链数据处理方法及其系统，包括如下步骤：区块链初始化；用户上传的数据记录在智能合约模块的存储模块内；数据处理模块隐去数据的标签类信息；数据处理模块对数字型的非标签类信息，从个位开始，逐位降低精度，对非数字型的非标签类信息，选择数据处理模块内预先设置的共性描述对数据进行重新描述；发布改造处理后的数据。本发明还提供一种区块链。本发明将数据处理模块集成在智能合约模块内，在智能合约内实现数据改造的过程，不涉及第三方模块，大大增加用户隐私的安全性和保密性。
-
公开(公告)号：CN114800545A
公开(公告)日：2022-07-29
申请号：CN202210230205.3
申请日：2022-03-09
申请人： 泉州华中科技大学智能制造研究院 , 华中科技大学
摘要： 本发明提供一种基于联邦学习的机器人控制方法，包括如下步骤：A、聚合节点向各本地节点发送训练请求；B、本地节点利用当前所积累的运行数据在本地模型进行训练，并将训练所得数据发送至聚合节点；C、若聚合计算次数n＝1，则计算全模型及对应于该全模型的全准确率，并进入步骤D；若n＞N+1，则进入步骤E；D、聚合节点将所有本地节点划分为重要节点和非重要节点，并进入步骤A；E、聚合节点根据重要节点的数据进行聚合计算，并进入步骤F；F、第二周期T2后，需要时向聚合节点发送更新请求，进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平，且能够在保证本地模型精度的前提下，减少聚合计算过程中计算资源的开销及通讯开销。
-
公开(公告)号：CN113194126B
公开(公告)日：2023-10-27
申请号：CN202110428509.6
申请日：2021-04-21
申请人： 泉州华中科技大学智能制造研究院
IPC分类号： H04L67/104 , H04L67/133 , H04L9/08 , G06N20/00
摘要： 本发明提供一种基于区块链的横向联邦学习模型构建方法，包括如下步骤：在每个本地服务器上均同时部署横向联邦学习节点和区块链节点；初始化；各横向联邦学习节点接收到中心聚合节点发起的训练请求后进行训练并得到梯度值；分别将各梯度值发送至区块链和中心聚合节点；生成学习模型；利用测试集对学习模型进行预测，在预测准确率低于阈值时，将中心聚合节点收到梯度值的与区块链存储的梯度值进行对比，并降低或者清零可疑节点的聚合权重，再重新进行训练与聚合分析，直至生成符合要求的学习模型。本发明能够及时发现并剔除恶意节点，避免生成错误或者失效模型,防止出现更严重的问题。
-
公开(公告)号：CN114024961B
公开(公告)日：2023-07-25
申请号：CN202111120853.5
申请日：2021-09-24
申请人： 泉州华中科技大学智能制造研究院
IPC分类号： H04L67/10 , H04L67/1097 , H04L9/40 , H04L41/00
摘要： 本发明提供一种区块链网络及其共识算法，算法包括：A、设置节点的初始信任度值；B、进行数据上传测试，若共识验证通过，分别将正常节点和异常节点的信任度增加和减少设定值；C、通过本地节点上传数据，若判定该节点为高信任度节点，进入步骤D；若判定该节点为低信任度节点，进入步骤E；D、对上传的数据进行交易认定，并进入步骤F；E、对上传的数据进行共识验证，通过后，分别将正常节点和异常节点的信任度增加和减少设定值m，并进入步骤D；F、对于高信任度节点上传并已进行交易认定的数据，进行共识验证，若验证不通过，则将该高信任度节点降低为低信任度节点，并将对应的交易标为异常。本发明能够实现同时提高效率与数据上传规模。
-
公开(公告)号：CN112699413B
公开(公告)日：2022-07-01
申请号：CN202110075331.1
申请日：2021-01-20
申请人： 泉州华中科技大学智能制造研究院
摘要： 本发明提供一种可保护数据安全的区块链系统的数据处理方法，包括如下步骤：区块链系统初始化；用户上传的敏感数据记录在智能合约模块的存储模块内；数据收集者发起数据发布请求；差分隐私模块计算存储模块内当前数据的敏感度，并根据敏感度对敏感数据加上满足拉普拉斯分布的随机噪声，得到输出数据；输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，优化输出数据；智能合约模块的差分隐私模块利用查询函数对优化后的输出数据进行查询，并查询结果反馈至数据收集者。本发明还提供一种区块链系统。本发明将差分隐私模块集成在智能合约模块内，更好的保护用户数据隐私，且能够对极端情况下的输出进行优化，减少大规模统计分析的误差。
-
公开(公告)号：CN113194126A
公开(公告)日：2021-07-30
申请号：CN202110428509.6
申请日：2021-04-21
申请人： 泉州华中科技大学智能制造研究院
摘要： 本发明提供一种基于区块链的横向联邦学习模型构建方法，包括如下步骤：在每个本地服务器上均同时部署横向联邦学习节点和区块链节点；初始化；各横向联邦学习节点接收到中心聚合节点发起的训练请求后进行训练并得到梯度值；分别将各梯度值发送至区块链和中心聚合节点；生成学习模型；利用测试集对学习模型进行预测，在预测准确率低于阈值时，将中心聚合节点收到梯度值的与区块链存储的梯度值进行对比，并降低或者清零可疑节点的聚合权重，再重新进行训练与聚合分析，直至生成符合要求的学习模型。本发明能够及时发现并剔除恶意节点，避免生成错误或者失效模型,防止出现更严重的问题。
-
公开(公告)号：CN114024961A
公开(公告)日：2022-02-08
申请号：CN202111120853.5
申请日：2021-09-24
申请人： 泉州华中科技大学智能制造研究院
IPC分类号： H04L67/10 , H04L67/1097 , H04L9/40 , H04L41/00
摘要： 本发明提供一种区块链网络及其共识算法，算法包括：A、设置节点的初始信任度值；B、进行数据上传测试，若共识验证通过，分别将正常节点和异常节点的信任度增加和减少设定值；C、通过本地节点上传数据，若判定该节点为高信任度节点，进入步骤D；若判定该节点为低信任度节点，进入步骤E；D、对上传的数据进行交易认定，并进入步骤F；E、对上传的数据进行共识验证，通过后，分别将正常节点和异常节点的信任度增加和减少设定值m，并进入步骤D；F、对于高信任度节点上传并已进行交易认定的数据，进行共识验证，若验证不通过，则将该高信任度节点降低为低信任度节点，并将对应的交易标为异常。本发明能够实现同时提高效率与数据上传规模。
-
公开(公告)号：CN112699413A
公开(公告)日：2021-04-23
申请号：CN202110075331.1
申请日：2021-01-20
申请人： 泉州华中科技大学智能制造研究院
摘要： 本发明提供一种可保护数据安全的区块链系统的数据处理方法，包括如下步骤：区块链系统初始化；用户上传的敏感数据记录在智能合约模块的存储模块内；数据收集者发起数据发布请求；差分隐私模块计算存储模块内当前数据的敏感度，并根据敏感度对敏感数据加上满足拉普拉斯分布的随机噪声，得到输出数据；输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，优化输出数据；智能合约模块的差分隐私模块利用查询函数对优化后的输出数据进行查询，并查询结果反馈至数据收集者。本发明还提供一种区块链系统。本发明将差分隐私模块集成在智能合约模块内，更好的保护用户数据隐私，且能够对极端情况下的输出进行优化，减少大规模统计分析的误差。
-
公开(公告)号：CN114800545B
公开(公告)日：2023-10-27
申请号：CN202210230205.3
申请日：2022-03-09
申请人： 泉州华中科技大学智能制造研究院 , 华中科技大学
摘要： 本发明提供一种基于联邦学习的机器人控制方法，包括如下步骤：A、聚合节点向各本地节点发送训练请求；B、本地节点利用当前所积累的运行数据在本地模型进行训练，并将训练所得数据发送至聚合节点；C、若聚合计算次数n＝1，则计算全模型及对应于该全模型的全准确率，并进入步骤D；若n＞N+1，则进入步骤E；D、聚合节点将所有本地节点划分为重要节点和非重要节点，并进入步骤A；E、聚合节点根据重要节点的数据进行聚合计算，并进入步骤F；F、第二周期T2后，需要时向聚合节点发送更新请求，进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平，且能够在保证本地模型精度的前提下，减少聚合计算过程中计算资源的开销及通讯开销。
-
公开(公告)号：CN112905657A
公开(公告)日：2021-06-04
申请号：CN202110135326.5
申请日：2021-02-01
申请人： 泉州华中科技大学智能制造研究院
IPC分类号： G06F16/2458 , G06F16/27 , G06Q20/40
摘要： 本发明提供一种可保护用户隐私的区块链的数据处理方法，包括如下步骤：区块链初始化；用户上传的数据记录在智能合约模块的存储模块内；数据处理模块隐去数据的标签类信息；数据处理模块对数字型的非标签类信息，从个位开始，逐位降低精度，对非数字型的非标签类信息，选择数据处理模块内预先设置的共性描述对数据进行重新描述；发布改造处理后的数据。本发明还提供一种区块链。本发明将数据处理模块集成在智能合约模块内，在智能合约内实现数据改造的过程，不涉及第三方模块，大大增加用户隐私的安全性和保密性。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.042 秒)
