-
公开(公告)号：CN118734367A
公开(公告)日：2024-10-01
申请号：CN202411231645.6
申请日：2024-09-04
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
IPC分类号： G06F21/62 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06T3/18 , G06T5/60
摘要： 本申请实施例提供一种图像处理方法、电子设备、存储介质及程序产品，该方法包括：获取待处理图像；根据预先训练的图像转换模型，对待处理图像进行转换，得到与待处理图像对应的目标图像，通过采用样本图像和噪声对神经网络进行训练得到图像转换模型，该图像转换模型用于对样本图像进行转换，防止隐私数据进行泄露，在获取到待处理图像后，可以采用该图像转换模型对待处理图像中的不想被泄露的数据进行转换，得到处理后的图像，可以在保证生成图像不泄露用户数据隐私的前提下，尽量提高处理后的图像的逼真度。
-
公开(公告)号：CN118631436A
公开(公告)日：2024-09-10
申请号：CN202410768620.3
申请日：2024-06-14
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： H04L9/08
摘要： 本申请实施例提供一种基于多层秘密分享的数据传输方法、装置及存储介质。应用于接收端，方法包括：生成全局密钥，并进行秘密分享，以得到n个第一切片数据，n为参与端的数量，参与端包括多个可传输数据端及接收端；在保留一份第一切片数据后，将剩余的多个第一切片数据分别发送至每个可传输数据端；获取发送端发送的第二切片数据；基于保留的第一切片数据以及接收到的第二切片数据确定第一验证份额，并接收每个可传输数据端发送的第二验证份额；基于第一验证份额和第二验证份额确定可验证秘密；接收全部份额聚合端的聚合份额，并基于可验证秘密对聚合份额进行验证；在验证通过的情况下，接收发送端发送的待传输数据。
-
公开(公告)号：CN118312960B
公开(公告)日：2024-09-03
申请号：CN202410734862.0
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拜占庭容错的联邦学习方法、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；对于每一更新梯度，基于欧氏距离将客户端节点放入第二集合或第一集合，并根据欧氏距离确定所述更新梯度所对应的客户端节点的更新评估值；基于第二集合上的平均更新梯度的欧氏距离小于与第一集合上的平均更新梯度的欧氏距离对第一集合中的客户端节点进行循环筛选，以循环结束时的第一集合上的平均更新梯度作为全局模型更新梯度。本发明提供的实施方式提升了联邦学习过程对拜占庭攻击的防御能力。
-
公开(公告)号：CN117787352B
公开(公告)日：2024-09-03
申请号：CN202311640739.4
申请日：2023-12-01
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： G06N3/0475 , G06N3/094 , G06N3/06 , G06N3/045
摘要： 本申请公开了一种用于神经网络模型的对抗样本检测的方法及处理器，属于人工智能技术领域。该方法包括：获取不同样本类别的样本数据在预设神经网络模型中分别对应的神经元输出值和模型输出值；根据神经元输出值，确定各样本类别在预设神经网络模型中分别对应的无效神经元和关键神经元；根据模型输出值，确定预设神经网络模型对各样本类别的预测区分度；根据无效神经元、关键神经元和模型预测区分度，对待检测数据进行对抗样本检测，以判断待检测数据是否为对抗样本数据。本申请能够提高对抗样本的检测效率。
-
公开(公告)号：CN118378301A
公开(公告)日：2024-07-23
申请号：CN202410807402.6
申请日：2024-06-21
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： G06F21/62 , G06N3/0464 , G06N3/0495 , G06N3/098 , G06N3/084
摘要： 本发明实施例提供了一种保护数据隐私的高效联邦学习方法、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：获取模型参数，根据所述模型参数更新本地模型；测试更新后的本地模型在本地样本数据集上的准确度，并根据所述准确度确定第一比例和第二比例；采用所述本地样本数据集对所述更新后的本地模型进行训练后，得到更新梯度；基于所述更新梯度中分量的值以所述第一比例选择若干分量，基于所述更新梯度中分量的卷积核特征和值以所述第二比例选择若干分量；对所选择的分量进行裁剪或置零，将处理后的更新梯度的非零分量及其位置索引上传。本发明提供的实施方式平衡了隐私保护与模型性能之间的矛盾。
-
公开(公告)号：CN114282624B
公开(公告)日：2024-07-19
申请号：CN202111642579.8
申请日：2021-12-29
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
IPC分类号： H04L9/40
摘要： 本公开涉及一种对象标注方法、装置、设备及介质。其中，对象标注方法包括：获取待标注对象；将待标注对象输入低漏报检测模型，得到第一预测结果，低漏报检测模型根据预设样本集和第一损失函数训练得到；若第一预测结果指示待标注对象为异常对象，将待标注对象输入低误报检测模型，得到第二预测结果，低误报检测模型根据预设样本集和第二损失函数训练得到；根据第二预测结果，确定待标注对象的标注结果；其中，第一损失函数中的漏报误差项具有第一权重系数，第二损失函数中的漏报误差项具有第二权重系数，第一权重系数大于第二权重系数。根据本公开实施例，能够降低对象标注的成本，提升对象标注的效率和准确率。
-
公开(公告)号：CN116861486A
公开(公告)日：2023-10-10
申请号：CN202310926794.3
申请日：2023-07-26
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： 本申请实施例提供保护联邦学习隐私数据的方法、系统、介质及电子设备，该保护联邦学习隐私数据的方法，包括：接收来自于聚合服务器端的随机数以及第k‑1全局模型参数；接收来自于第三方可信任中心生成的第i噪声参数向量；根据所述第k‑1全局模型参数更新本地模型，得到本地模型参数的第k更新梯度；根据所述随机数以及所述第i噪声参数向量对所述第k更新梯度进行加密处理，得到第i加噪后更新梯度；向所述聚合服务器端提供所述第i加噪后更新梯度，以使所述聚合服务器端对联邦学习对应的所有客户端的加噪后更新梯度进行聚合后再解密。通过本申请的实施例既保证加噪过程不会影响最终模型性能，又不显著增加通信链路负载。
-
公开(公告)号：CN116467747A
公开(公告)日：2023-07-21
申请号：CN202310437608.X
申请日：2023-04-21
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： G06F21/62 , G06N20/20 , G06F18/214 , H04L67/10
摘要： 本申请提供一种联邦学习隐私保护方法及系统，该方法包括：服务器节点获取当前全局训练轮次对应的全局模型参数；服务器节点从多个目标客户端节点中随机挑选预设数量的目标客户端节点，并将全局模型参数下发给目标客户端节点；目标客户端节点根据全局模型参数、预设定时周期和预设良性噪声对本地模型进行迭代训练，得到训练好的目标本地模型；目标客户端节点获取目标本地模型对应的本地模型更新梯度，并将本地模型更新梯度发送至服务器节点。可见，该方法及系统能够对目标客户端节点上传的更新数据添加前置良性噪声，投入成本和代价低，既有利于提高模型训练的收敛速度，又不会降低最终训练模型的性能。
-
公开(公告)号：CN114338702A
公开(公告)日：2022-04-12
申请号：CN202111658691.0
申请日：2021-12-30
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
摘要： 本申请提供一种通信数据的转发方法及无人系统集群，该方法应用于将动态节点集群分为多个簇，每个簇包括簇头节点和成员节点，簇头节点存储有簇内所有成员节点的节点标识和公钥，并存储通信范围内若干邻居簇头节点的节点标识和公钥，当源节点本地存储的节点表不存在目的节点标识时，可以继续向指定簇头节点发送查询请求，指定簇头节点的节点表也不存在目的节点标识时，还可以继续通过指定簇头节点向邻近的簇头节点发送查询请求，直到查询到目的节点标识，获得最佳通信路径，进而进行通信数据包的转发，实现了对通信数据的多级寻址转发，可提高数据传输成功率，减少对动态节点集群网络带宽的占用量。
-
公开(公告)号：CN114265898A
公开(公告)日：2022-04-01
申请号：CN202111602249.6
申请日：2021-12-24
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： 本申请提供一种数据处理方法、装置、设备和存储介质，该方法包括：在任务分发节点获取到待处理任务数据时，通过所述任务分发节点将所述待处理任务数据分解为多个子任务，并通过所述任务分发节点将所述多个子任务分发给多个分布式计算节点；通过所述多个分布式计算节点分别执行各自的子任务，并将所述多个子任务的执行结果发送给多个共识节点；通过所述多个共识节点对所述多个子任务的执行结果进行共识处理，并将共识处理结果反馈给所述任务分发节点；通过所述任务分发节点对所述共识处理结果进行聚合处理，得到所述待处理任务数据的最终处理结果。本申请降低了任务分发的复杂度，提高了分布式系统的运行效率和安全性。
-
-
-
-
-
-
-
-
-
搜索结果
62 条记录 (耗时 0.104 秒)
