基于日蚀策略的群体学习模型后门可传播性度量方法

    公开(公告)号:CN116389058A

    公开(公告)日:2023-07-04

    申请号:CN202310198809.9

    申请日:2023-03-03

    IPC分类号: H04L9/40 H04L41/16 G06N3/098

    摘要: 本发明提供了基于日蚀策略的群体学习模型后门可传播性度量方法,包括:验证者遍历群体学习网络的各个节点,通过日蚀策略将其中数据贡献率最高的网络节点屏蔽;以使本地节点上参与训练的良性数据集中毒,生成中毒模型参数;参与模型训练的所有节点均上传本地模型参数,通过预设的选举算法随机产生的领导者下载所有参与者的参数文件并使用平均聚合算法合并;使得后门传播至此前未被投毒的良性节点上;调节日蚀策略的作用范围,观测群体学习中模型后门的传播特性。本发明提出的技术方案,不仅验证了后门攻击在群体学习场景下的可传播性,还对其传播速度、传播路径进行度量,为提高对模型后门威胁性的认知以及增强人工智能安全意识提供支撑。

    应用于边缘计算系统的区块链密封投标拍卖及防欺诈方法

    公开(公告)号:CN115034867A

    公开(公告)日:2022-09-09

    申请号:CN202210681223.3

    申请日:2022-06-15

    摘要: 本发明涉及一种应用于边缘计算系统的区块链密封投标拍卖及防欺诈方法,包括以下步骤:根据拍卖方案建立多单元拍卖智能合约,并将其部署于以太坊区块链上;获取区块链中边缘计算资源拍卖运行的交易数据集,并将交易数据集抽象为图数据结构,使用子图提取技术以各个节点为中心提取出其子图;以图神经网络作为学习内核构建模型,并以抽象和提取后的子图作为输入进行训练,得到优化的模型;获取区块链中边缘计算资源拍卖运行的实时交易数据集,并将实时交易数据集抽象为图数据结构,输入至优化后的模型,输出拍卖欺诈结果。与现有技术相比,本发明兼顾拍卖隐私性保护和结果真实性验证,对欺诈行为进行检测,保障了链上边缘计算资源拍卖的安全。