公开(公告)号：CN118940003A

公开(公告)日：2024-11-12

申请号：CN202411034010.7

申请日：2024-07-30

Applicant: 西安交通大学

Inventor： 杨树森 ,  赵聪 ,  任雪斌 ,  赵鹏 ,  韩青 ,  杨煜乾 ,  沈杰 ,  陈彦文

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明提供一种工业大数据驱动的纵向联邦迁移异常检测方法及系统，方法：从工业场景中获取源域数据集和目标域数据集；源域数据集是基于已知异常标签的工业数据构建得到的，目标域数据集是基于无异常标签的工业数据构建得到的；基于预设的纵向联邦迁移模型：纵向联邦特征提取：将源域数据集和目标域数据集映射到公共特征空间中，以获取潜在特征；领域适应：从潜在特征中提取得到具有域不变性和可区分性的特征；联合领域对齐：对齐域之间距离，将具有域不变性和可区分性的特征映射得到异常标签。本发明基于联邦学习架构实现跨参与方的联邦迁移学习，使所有原始数据能够保留在参与方本地，从而避免数据泄露，具有较高的准确率和较强的泛化性。

公开(公告)号：CN110968426B

公开(公告)日：2022-02-22

申请号：CN201911203557.4

申请日：2019-11-29

Applicant: 西安交通大学

Inventor： 杨树森 ,  张靖琪 ,  韩青 ,  赵鹏 ,  赵聪 ,  任雪斌 ,  王路辉 ,  王艺蒙 ,  王涛 ,  罗坚

IPC: G06F9/50 ,  G06K9/62 ,  G06Q10/10

Abstract: 本发明公开了一种基于在线学习的边云协同k均值聚类的模型优化方法，属于边缘计算/机器学习技术领域。提出了一种新的“Learning to Learn”的框架，用于在具有资源约束的边缘服务器上进行有效的边云协同K‑means学习。各个边缘服务器同时从云服务器读取当前时刻的全局聚类簇中心至本地服务器，从本地数据集中随机抽取一个小批量数据并在此批上进行K‑means的迭代训练，随后将局部聚类簇中心上传至云服务器完成全局参数的更新。将云服务器的协同策略的动态确定建模为在线优化问题，并设计了基于预算受限的固定资源消耗的MAB模型的在线学习算法。同时支持同步的学习模式，可用于非监督学习任务。有效地利用边缘处有限的计算和通信资源以获取最佳的分布式K‑means聚类算法性能。

公开(公告)号：CN109587070B

公开(公告)日：2020-10-27

申请号：CN201811230255.1

申请日：2018-10-22

Applicant: 西安交通大学

Inventor： 杨新宇 ,  魏洁 ,  任雪斌 ,  姚向华 ,  王腾 ,  翟守沛 ,  王舒阳

IPC: H04L12/803 ,  H04L12/911 ,  H04L29/06 ,  H04L9/08

Abstract: 本发明公开了一种智能电网中同时具有隐私保护和负载均衡的数据汇聚方法。本发明提出在智能电表端利用随机化应答技术对用户产生的敏感数据进行扰动，同时利用压缩感知技术对数据进行压缩传输，最后利用重构恢复算法实现隐私数据汇聚，相比于一般集中式的数据汇聚隐私保护方法，本发明在保证数据效用性的同时，提高了隐私保护程度。本发明在实现过程中，本地端的计算都是简单的数学运算，无需加密解密等复杂运算，极大降低了智能电表的耗能。

公开(公告)号：CN109587070A

公开(公告)日：2019-04-05

申请号：CN201811230255.1

申请日：2018-10-22

Applicant: 西安交通大学

Inventor： 杨新宇 ,  魏洁 ,  任雪斌 ,  姚向华 ,  王腾 ,  翟守沛 ,  王舒阳

IPC: H04L12/803 ,  H04L12/911 ,  H04L29/06 ,  H04L9/08

CPC classification number: H04L47/125 ,  H04L9/0869 ,  H04L47/827 ,  H04L63/0407 ,  H04L63/0428

Abstract: 本发明公开了一种智能电网中同时具有隐私保护和负载均衡的数据汇聚方法。本发明提出在智能电表端利用随机化应答技术对用户产生的敏感数据进行扰动，同时利用压缩感知技术对数据进行压缩传输，最后利用重构恢复算法实现隐私数据汇聚，相比于一般集中式的数据汇聚隐私保护方法，本发明在保证数据效用性的同时，提高了隐私保护程度。本发明在实现过程中，本地端的计算都是简单的数学运算，无需加密解密等复杂运算，极大降低了智能电表的耗能。

公开(公告)号：CN105631360B

公开(公告)日：2017-04-26

申请号：CN201610005312.0

申请日：2016-01-06

Applicant: 西安交通大学

Inventor： 杨新宇 ,  任雪斌 ,  蔺杰 ,  王路辉 ,  李庄园 ,  王腾 ,  赵聪

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。