一种基于云边端协同的虚拟资源管理方法及系统

    公开(公告)号:CN112232863A

    公开(公告)日:2021-01-15

    申请号:CN202011090066.6

    申请日:2020-10-13

    Abstract: 本发明实施例提供一种基于云边端协同的虚拟资源管理方法及系统,该方法包括:根据智能电网中的用户用电量和用电习惯,构建用户分簇模型;基于所述用户分簇模型,构建需求竞价算法和面向响应度的虚拟资源管理算法;基于所述需求竞价算法,将需求响应过程中的竞价目标转换为多目标整数线性规划目标问题;并基于所述面向响应度的虚拟资源管理算法,根据单个容器计算能力下的竞价耗时与预期时延要求,进行虚拟资源管理,得到边缘节点间应创建或迁移的容器量。本发明实施例通过用电相似度对用户进行聚类,便于总体决策,实现总体开销最小的情况下达到所需高峰电力消减量,以及能耗最小化。

    联邦学习的后门攻击防御方法及装置

    公开(公告)号:CN113779563B

    公开(公告)日:2025-04-04

    申请号:CN202110897437.X

    申请日:2021-08-05

    Abstract: 本发明提供一种联邦学习的后门攻击防御方法及装置,该方法包括:建立基于联邦学习的图像分类模型并进行训练;根据训练得到的图像分类模型进行待分类图像的分类处理;模型训练方式为:分别获取各客户端在目标轮模型学习中得到的目标模型更新维度的初始局部模型参数;基于各初始局部模型参数的平均值和标准差,确定各初始局部模型参数中的异常值;将异常值所对应的客户端的初始局部模型参数均更新为各初始局部模型参数的平均值,得到各客户端新的局部模型参数;对各新的局部模型参数求取平均值,得到目标轮模型学习对应目标模型更新维度的聚合模型参数。从而能够使得训练得到的模型保持良好的性能,保证了模型在实际应用时的准确性。

    联邦学习的后门攻击防御方法及装置

    公开(公告)号:CN113779563A

    公开(公告)日:2021-12-10

    申请号:CN202110897437.X

    申请日:2021-08-05

    Abstract: 本发明提供一种联邦学习的后门攻击防御方法及装置,该方法包括:建立基于联邦学习的图像分类模型并进行训练;根据训练得到的图像分类模型进行待分类图像的分类处理;模型训练方式为:分别获取各客户端在目标轮模型学习中得到的目标模型更新维度的初始局部模型参数;基于各初始局部模型参数的平均值和标准差,确定各初始局部模型参数中的异常值;将异常值所对应的客户端的初始局部模型参数均更新为各初始局部模型参数的平均值,得到各客户端新的局部模型参数;对各新的局部模型参数求取平均值,得到目标轮模型学习对应目标模型更新维度的聚合模型参数。从而能够使得训练得到的模型保持良好的性能,保证了模型在实际应用时的准确性。

Patent Agency Ranking