-
公开(公告)号：CN117610074A
公开(公告)日：2024-02-27
申请号：CN202311603883.0
申请日：2023-11-28
Applicant: 西安交通大学
IPC: G06F21/62 , G06F16/2455 , G06F16/2458
Abstract: 本发明公开了一种持续监控下数据统计结果的本地差分隐私发布方法，通过充分利用用户预算分配方式和剩余预算取半以及预算吸收的启发式预算分配方法对数据提供者的处理后数据进行聚合统计，显著提高持续监控场景下的数据统计结果的效用。两阶段启发算法通过评估当前时间戳数据的真实统计结果是否较与上一时间戳产生显著波动，提供发布策略选择的关键信息，同时基于数据提供者真实数据对数据收集者不可见的特性，使用约定协议的统计学方差来评估真实误差，在数据收集者无法访问真实数据的场景下合理估计当前聚合统计结果误差，并与惰性发布误差进行比较，选择最合适的发布策略，在确保数据的隐私保护下，显著提高数据的效用，减少通信代价和开销。
-
公开(公告)号：CN115481415A
公开(公告)日：2022-12-16
申请号：CN202211008707.8
申请日：2022-08-22
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于纵向联邦学习的通信成本优化方法、系统、设备及介质，方法包括获取各参与方共同样本ID，确定各参与方需要参与训练的具有相同样本ID的数据集合；对所有参与训练的样本进行聚类，得到不同的分组，计算每个样本损失函数的导数，对聚类分组后的每组样本分别计算其导数和，并加密，将密文和每组的样本发送给无标签参与方；根据接收到的信息计算每个样本的近似导数，然后计算增益将其结果发给有标签参与方；由接收到信息选取最大增益值处作为最佳分裂点，如果分裂点所属无标签参与方，则将其最佳分裂点的信息发送回无标签参与方。既保证双方传输信息的隐私安全，又显著降低通信数据量的传输，同时保证了所传输的信息具有有效性。
-
公开(公告)号：CN112818394A
公开(公告)日：2021-05-18
申请号：CN202110128810.5
申请日：2021-01-29
Applicant: 西安交通大学
IPC: G06F21/62 , G06F16/2458 , G06N20/00
Abstract: 本发明公开了一种具有本地隐私保护的自适应异步联邦学习方法，中心服务器初始化全局模型并将全局模型参量、梯度裁剪标准、噪声机制、噪声方差广播给所有参与用户，每个用户先利用从本地数据中抽取的样本训练全局模型并对梯度逐个进行裁剪、扰动，之后将扰动的梯度发送至中心服务器，中心服务器从缓冲队列中选取前K个扰动梯度进行平均聚合，并将平均后的梯度代入随机梯度下降公式更新全局模型参量，同时根据预设阶段迭代次数自适应地调节梯度裁剪标准、噪声方差、学习率，之后中心服务器将更新后的全局模型参量、梯度裁剪标准、噪声方差广播给上一回合参与更新的K个用户，本地用户和中心服务器重复上述操作直至全局迭代次数达到给定标准。
-
公开(公告)号：CN111181773A
公开(公告)日：2020-05-19
申请号：CN201911282101.1
申请日：2019-12-13
Applicant: 西安交通大学
Abstract: 本发明公开了面向异构边云协同智能系统的多组件应用的延迟预测方法，本发明提供了一种延迟敏感的多跳应用如何精确刻画每个组件的延迟和精确建模问题一个高可用的解决方案，选择延迟敏感的不同应用，基于对不同的应用刻划不同的流程，对数据集选取不同的机器学习方法和/或深度学习算法进行训练，并搭建基于容器的测试平台，生成边云协同的放置方案，将获取的数据放入数据库中，进行特征提取和预处理生成新的数据集，在延迟预测算法中进行训练，最终得到组件延迟的预测样本。给多条应用的延迟精确刻画提供了一个可靠的方案。
-
公开(公告)号：CN112231749B
公开(公告)日：2022-12-09
申请号：CN202011097748.X
申请日：2020-10-14
Applicant: 西安交通大学
IPC: G06F21/62 , G06F30/20 , G06Q50/06 , G06F113/04
Abstract: 本发明公开了一种具有一致性的分布式单维时序数据实时隐私保护发布方法，属于隐私保护领域。该方法通过自适应采样策略调节采样频率，在采样时刻通过拉普拉斯机制对采样数据进行扰动，然后通过基于卡尔曼一致性滤波的单维感知信息校正策略，对各节点在采样时刻的发布数据进行分布式后验估计，而在非采样时刻，直接发布先验预测数据，最终实现一种不依赖中心服务器、具有差分隐私保证和一致性的分布式单维时序感知数据实时发布方法，并满足动态数据发布的实时性要求以及分布式数据发布的一致性需求。本发明在实际数据场景中有着较好的应用效果，可用于在智能电网分布式用电负载监测系统、疾病监测应用等分布式动态感知数据发布系统中。
-
Patent Agency Ranking
公开(公告)号：CN112231749A
公开(公告)日：2021-01-15
申请号：CN202011097748.X
申请日：2020-10-14
Applicant: 西安交通大学
IPC: G06F21/62 , G06F30/20 , G06Q50/06 , G06F113/04
Abstract: 本发明公开了一种具有一致性的分布式单维时序数据实时隐私保护发布方法，属于隐私保护领域。该方法通过自适应采样策略调节采样频率，在采样时刻通过拉普拉斯机制对采样数据进行扰动，然后通过基于卡尔曼一致性滤波的单维感知信息校正策略，对各节点在采样时刻的发布数据进行分布式后验估计，而在非采样时刻，直接发布先验预测数据，最终实现一种不依赖中心服务器、具有差分隐私保证和一致性的分布式单维时序感知数据实时发布方法，并满足动态数据发布的实时性要求以及分布式数据发布的一致性需求。本发明在实际数据场景中有着较好的应用效果，可用于在智能电网分布式用电负载监测系统、疾病监测应用等分布式动态感知数据发布系统中。
-
公开(公告)号：CN109450889B
公开(公告)日：2020-05-19
申请号：CN201811301095.5
申请日：2018-11-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种物联网中汇聚数据流的隐私保护发布方法。本发明首先基于维度划分的结果对数据流添加拉普拉斯噪声进行隐私保护，然后基于自适应更新的系统阈值来进行数据流动态分组，最后根据噪声数据和动态分组结果进行噪声平滑处理，得到可直接发布的具有隐私保护的数据流，相比一般的隐私保护方法，本发明通过学习多维数据流的维度相关性和时间相关性来提升发布数据的效用性，并且基于反馈误差设计了自适应的阈值更新策略和动态分组策略，保证了本发明在实际中实用性。本发明实现了多维数据流的自适应实时发布，整个过程简单、易于实现，无需复杂的加密解密运算，具有较低的计算开销，使用价值高。
-
公开(公告)号：CN105553656B
公开(公告)日：2017-06-06
申请号：CN201610004785.9
申请日：2016-01-06
Applicant: 西安交通大学
Abstract: 本发明公开了一种智能电网中同时支持负载监测和用户计费的隐私保护方法。本发明提出的方法利用差额补偿的思想，对智能电表用电数据进行缩放扰动，实现了对智能电网中用户用电隐私保护，相比一般的隐私保护方法，本发明在保证更高程度用电隐私的同时，提供更高的数据效用性。本发明在实现的过程中，开销只限制在聚合数据时的求和计算开销，无需复杂运算或加密解密，极大降低了智能电网的负载。在大型智能电网中，本发明简单、易于实现，可扩展性强，实用价值高。
-
公开(公告)号：CN105631360A
公开(公告)日：2016-06-01
申请号：CN201610005312.0
申请日：2016-01-06
Applicant: 西安交通大学
IPC: G06F21/62
Abstract: 本发明公开了一种传感器网络中基于多维分解的隐私数据汇聚方法。在传感器网络中，一般基于拉普拉斯噪声机制的差分隐私方法可能会因为较大的全局敏感度造成过扰动现象，从而破坏汇聚数据的效用性。本发明提出的方法通过将单一数据流分解为指数权重的多维数据流，并在每一维数据流上根据每一维的局部敏感度和隐私预算添加独立噪声实现差分隐私保护。相比于一般的拉普拉斯噪声机制下的汇聚过程，该方法在保证相同程度用户隐私的同时提供更好的数据效用性。
-
公开(公告)号：CN119649121A
公开(公告)日：2025-03-18
申请号：CN202411728999.1
申请日：2024-11-28
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/08
Abstract: 本发明隐私保护图像分类模型的训练方法、图像分类方法及装置，该隐私保护图像分类模型包括教师图像分类子模型和学生图像分类子模型，该图像分类方法包括：获取待分类的图像数据；通过隐私保护图像分类模型对待分类的图像进行分类识别，在隐私保护的前提下得到待分类图像的分类；隐私保护图像分类模型是通过所述的隐私保护图像分类模型的训练方法得到的。该装置包括隐私保护图像分类模型训练装置和图像分类装置。本发明通过隐私保护图像分类模型实现了对待分类的图像进行分类识别。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.033 seconds)
