基于联邦学习的节点激励方法、装置、系统及存储介质

    公开(公告)号:CN114662707A

    公开(公告)日:2022-06-24

    申请号:CN202210352784.9

    申请日:2022-03-31

    IPC分类号: G06N20/20

    摘要: 本发明实施例涉及计算机技术领域,尤其涉及一种基于联邦学习的节点激励的方法、装置、系统及存储介质,该方法包括:获取各个节点的属性,获取节点属性为发布任务属性的节点上传的任务和激励参数,并调用全部节点进行处理,确定处理结果,基于处理结果,确定各个节点的沙普利值,基于各个节点属性为发布任务属性的节点,各个沙普利值和激励参数,确定第一激励数值,判断各个节点中第k个节点的节点属性,获取判断结果,基于判断结果,各个沙普利值和激励参数,确定第二激励数值,整合第一激励数值和第二激励数值,对各个节点进行激励。通过第一激励数值和第二激励数值结合,完成对各个节点的“按劳分配”,进而提高工作效率。

    一种基于AI高速正则匹配的接口交互数据安全防护方法

    公开(公告)号:CN116260650A

    公开(公告)日:2023-06-13

    申请号:CN202310252588.9

    申请日:2023-03-15

    IPC分类号: H04L9/40

    摘要: 本发明公开了一种基于AI高速正则匹配的接口交互数据安全防护方法,该方法包括:接收外部输入的携带身份令牌信息的业务访问请求;根据身份令牌信息进行身份鉴权,得到鉴权结果;基于鉴权通过的鉴权结果,根据业务访问请求对API访问进行访问策略匹配,得到匹配结果;基于匹配成功的匹配结果对访问的API进行转发,基于AI和高速正则匹配规则进行正常的业务访问。通过实施本发明,对接收的业务访问请求中携带的身份令牌信息进行身份鉴权,保证了外部访问的安全性;同时,对业务范文的外发数据基于AI和高速匹配核查,保证了数据的共享安全。由此,不仅实现了完整的数据防护流程,同时实现了API访问的安全防护。

    基于w事件级本地差分隐私的电力数据聚合系统及方法

    公开(公告)号:CN118096441A

    公开(公告)日:2024-05-28

    申请号:CN202410519315.0

    申请日:2024-04-28

    IPC分类号: G06Q50/06 G06F21/62

    摘要: 本发明属于信息安全技术领域,具体涉及一种基于w事件级本地差分隐私的电力数据聚合系统及方法,包括:用户端,用于利用预先计算得到的预设的w个时刻内各时刻的用电量数据扰动所需的隐私预算和松弛因子,对各用户在各时刻的原始用电量数据进行扰动,得到最终的扰动数据,并将最终的扰动数据发送至数据聚合端;数据聚合端,用于基于最终的扰动数据,确定在预设的w个时刻内各时刻的所有用户的总用电量,并利用在预设的w个时刻内各时刻的所有用户的总用电量拟合得到用户电力消耗总量拟合曲线。本申请结合隐私参数分段机制实现基于差分隐私的电力数据聚合,在不泄露用户信息的同时有效拟合用户在一段时间内的总用电量,保证了真实数据的安全性。