-
公开(公告)号：CN115146787A
公开(公告)日：2022-10-04
申请号：CN202210768781.3
申请日：2022-06-30
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
IPC分类号： G06N20/00
摘要： 本申请提供一种机器学习模型的训练方法、装置及电子设备、存储介质，其中，机器学习模型的训练方法包括：基于本地存储的样本数据训练所述机器学习模型，直至所述机器学习模型满足第一预设训练条件并得到第一模型参数；将所述第一模型参数发送给若干个分布式节点，以使每个分布式节点基于所述第一模型参数训练机器学习模型并得到机器学习模型的第一精确度等步骤。本申请采用分布式方式训练模型，能够克服模型训练过程中，训练数据分布未知、数据隐私保护、数据分散存储等这一技术问题，进而实现有效训练模型。与此同时，本申请还用于解决分布式训练模型过程中，模型难以收敛这一技术问题。再一方面，本申请还能够提高模型训练效率。
-
公开(公告)号：CN115037542A
公开(公告)日：2022-09-09
申请号：CN202210648960.3
申请日：2022-06-09
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
摘要： 本申请提供一种异常邮件检测方法及装置，应用于网络安全领域，方法包括：基于邮件统计数据对接收到的待检测邮件进行特征提取，得到邮件特征；根据邮件特征确定待检测邮件是否为异常邮件；其中，邮件特征包括以下至少一项特征：发件人地址特征、账户登录特征、账户通信行为特征以及邮件内容特征。在上述方案中，由于在对待检测邮件进行检测的过程中，可以根据不同的应用场景从邮件的一个或者多个方面对待检测邮件进行检测，从而可以提高对异常邮件进行检测的准确率。
-
公开(公告)号：CN114913395A
公开(公告)日：2022-08-16
申请号：CN202210687574.5
申请日：2022-06-16
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
IPC分类号： G06V10/774 , G06V10/764 , G06N3/04 , G06N20/00 , G06V10/82
摘要： 本申请提供一种图像识别模型训练方法、识别方法及装置。方法包括：获取带标签的第一训练图像集和无标签的第二训练图像集；获取第一训练模型的第一模型参数和F1值；根据第一模型参数和F1值更新第二训练模型；利用第二训练模型对第二训练图像集中的训练图像进行预测，获得训练图像对应的标签；利用第一训练图像集和第二训练图像集及训练图像对应的标签对第一训练模型进行一次迭代训练，若未满足停止迭代条件，则利用迭代训练后的第一模型参数和F1值再次更新第二训练模型，直至满足所述停止迭代条件为止，获得训练好的图像识别模型。本申请提高了模型训练过程中的收敛速度和获得的模型的性能。
-
公开(公告)号：CN112653767B
公开(公告)日：2022-07-12
申请号：CN202011572857.2
申请日：2020-12-25
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
IPC分类号： H04L67/1097 , H04L9/32 , G06Q40/04 , G06F16/22 , G06F16/23
摘要： 本申请提供了一种数字身份管理方法、装置、电子设备和可读存储介质，其中，该方法包括：接收客户端发送的数字身份操作；根据该数字身份操作创建映射文件和锚文件；根据该映射文件和该锚文件生成当前数字身份的世界状态；根据该当前数字身份的世界状态的状态根和该锚文件哈希生成交易数据；将该区块链交易数据发送给区块链，以供该区块链进行存证存储；在接收到该区块链的交易打包确认消息后，根据该当前交易执行状态对数字身份缓存数据库中的默克尔帕特里夏树中状态标记位进行更新，该默克尔帕特里夏树用于存储数字身份的世界状态。能够降低数字身份管理上的依赖性、验证复杂性和存储压力。
-
公开(公告)号：CN112884075A
公开(公告)日：2021-06-01
申请号：CN202110310934.5
申请日：2021-03-23
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
摘要： 本申请提供一种流量数据增强方法、流量数据分类方法及相关装置，该方法包括：获取流量数据样本；对流量数据样本进行归并处理，获得归并处理后的流量数据；使用归并处理后的流量数据对生成对抗网络进行训练，获得生成对抗网络模型；使用生成对抗网络模型生成扩充流量样本；将扩充流量样本与归并处理后的流量数据结合，获得增强的流量数据集。在上述的实现过程中，通过训练后的生成对抗网络模型能够更好地生成扩充流量样本，从而获得扩充流量样本的流量数据集，有效地扩充了流量样本的数量。
-
公开(公告)号：CN112613036A
公开(公告)日：2021-04-06
申请号：CN202011598718.7
申请日：2020-12-29
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
摘要： 本申请涉及网络安全技术领域，提供一种恶意样本增强方法、恶意程序检测方法及对应装置。其中，恶意样本增强方法包括：获取原始恶意样本，该原始恶意样本为二进制文件；利用原始恶意样本训练生成对抗网络，该生成对抗网络包括判别器以及生成器；训练好后，利用生成器生成扩充恶意样本；将扩充恶意样本与原始恶意样本结合，形成增强的恶意样本集。该方法可基于少量的原始恶意样本派生出大量的扩充恶意样本，从而有利于增加样本集中恶意样本的数量，使得训练出来的恶意程序检测模型的泛化能力显著提高，进而对于多类恶意程序都能够有效地检测。并且，该方法中的扩充恶意样本由生成器自动生成，无需人工介入，因此是一种高效的样本增强方法。
-
公开(公告)号：CN118427825B
公开(公告)日：2024-10-18
申请号：CN202410890398.4
申请日：2024-07-04
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
摘要： 本发明实施例提供了一种安全自适应的联邦学习方法、电子设备及存储介质，涉及联邦学习技术领域。其中，方法包括：确定客户端节点集合；获取所述客户端节点集合中每一客户端节点基于下发模型参数经本地训练后得到的更新梯度；将客户端节点集合中的客户端节点数量与可信节点的数量下限基于所述加权系数经加权求和计算得到待选数量；计算每一更新梯度与全局模型中值聚合梯度的余弦距离所对应的夹角，选择夹角最小的待选数量个客户端节点放入第一集合中；以所述第一集合中的客户端节点的更新梯度的平均值作为全局模型聚合梯度，结合模型参数对全局模型进行更新。本发明提供的实施方式既能有效防御拜占庭攻击，又能尽量提高模型训练速度。
-
公开(公告)号：CN118504713A
公开(公告)日：2024-08-16
申请号：CN202410735257.5
申请日：2024-06-07
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
摘要： 本发明实施例提供了一种面向全局优化的联邦学习方法、电子设备及存储介质，涉及联邦学习技术领域。其中，方法包括：获取暂停训练集合；向包含有所述暂停训练集合的客户端节点集合下发本轮的模型参数，再获取基于下发模型参数在以本地样本数据为测试数据集上的平均损失；对于每一平均损失，根据平均损失与其对应客户端节点的所有平均损失的历史最小值的关系，将客户端节点集合分为第一集合和第二集合；获取第一集合中的每一客户端节点基于下发模型参数在以本地样本数据为训练数据集上的更新梯度；将获取的更新梯度聚合后生成全局模型更新梯度，结合模型参数对全局模型进行更新。本发明提供的实施方式应用于跳出局部最优解，找到全局最优解。
-
公开(公告)号：CN117829269A
公开(公告)日：2024-04-05
申请号：CN202311733982.0
申请日：2023-12-15
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
IPC分类号： G06N3/098 , G06F18/214
摘要： 本申请实施例公开了一种联邦学习方法、装置、计算设备及机器可读存储介质，属于机器学习领域。联邦学习方法包括：将上一轮的全局模型参数发送至第一数量的节点设备，以使节点设备根据全局模型参数训练本地模型，得到本地模型更新梯度；根据第一数量的节点设备对应的本地模型更新梯度，确定全局模型的第一中值聚合梯度和第一均值聚合梯度；在第一中值聚合梯度与第一均值聚合梯度的距离大于预设阈值的情况下，分别确定每个节点设备的异常度；基于每个节点设备的异常度去除异常节点设备，得到第二数量的节点设备；根据第二均值聚合梯度和上一轮的全局模型参数，确定当前轮的全局模型参数；基于当前轮的全局模型参数，更新全局模型。
-
公开(公告)号：CN117675226A
公开(公告)日：2024-03-08
申请号：CN202311661889.3
申请日：2023-12-05
申请人： 北京天融信网络安全技术有限公司 , 北京天融信科技有限公司 , 北京天融信软件有限公司
IPC分类号： H04L9/32
摘要： 本申请提供一种签名生成方法、签名验签方法、签名处理系统及电子设备，涉及密码学技术领域。签名生成方法包括：根据签名方的身份标识、待签名消息和随机数据确定第一承诺值和第二承诺值；其中，第一承诺值包括哈希承诺值，第二承诺值包括Pedersen承诺值；根据第一承诺值和第二承诺值确定签名方对待签名消息的数字签名；基于多个数字签名进行聚合，得到聚合签名。签名验签方法包括：接收签名方发送的被签名消息和与被签名消息对应的签名数据；其中，签名数据包括数字签名和/或聚合签名；数字签名和聚合签名根据签名生成方法生成；基于签名数据确定相应的签名的类型，并对签名进行验证。
-
-
-
-
-
-
-
-
-
搜索结果
62 条记录 (耗时 0.106 秒)
