利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

4 条记录 (耗时 0.021 秒)

    一种具有恶意参与者攻击检测的联邦学习双层激励机制
    1.
    发明公开
    一种具有恶意参与者攻击检测的联邦学习双层激励机制 审中-公开

    公开(公告)号：CN116723017A

    公开(公告)日：2023-09-08

    申请号：CN202310691253.7

    申请日：2023-06-12

    申请人： 南京邮电大学

    发明人： 赵海涛 ,  隋萌琪 ,  郭亮 ,  刘淼 ,  杨洁 ,  朱洪波

    IPC分类号： H04L9/40 ,  G06N3/098 ,  G06N20/00

    摘要： 本发明涉及通信技术领域，公开了一种具有恶意参与者攻击检测的联邦学习双层激励机制，包括：联邦学习的中心服务器制定初始激励策略，促使其周围的客户端在不共享自己本地私有数据的情况下，根据激励策略选择最优本地计算频率；通过夏普利值评估参与联邦学习的各个客户端对全局模型训练的贡献值，以识别恶意客户端并分配激励报酬；通过联邦学习双层激励机制优化激励分配策略。本发明的联邦学习双层激励机制可以使得服务器通过有限的激励预算，合理的激励分配策略来达到更高的全局模型训练精度。在中心服务器评估客户端参与联邦学习贡献大小的同时，识别并拒绝恶意客户端参与联邦学习的全局模型训练，从而进一步加强了联邦学习的安全性和可靠性。

    多维资源联合优化的空域联邦学习客户端激励调度方法
    2.
    发明公开
    多维资源联合优化的空域联邦学习客户端激励调度方法 审中-实审

    公开(公告)号：CN118297337A

    公开(公告)日：2024-07-05

    申请号：CN202410460373.0

    申请日：2024-04-17

    申请人： 南京邮电大学

    发明人： 赵海涛 ,  隋萌琪 ,  郭亮 ,  刘淼 ,  杨洁 ,  朱春

    IPC分类号： G06Q10/0631 ,  G06N3/098

    摘要： 本发明公开了多维资源联合优化的空域联邦学习客户端激励调度方法，包括无人机和模型所有者，步骤一，发布联邦学习任务和合同项：模型所有者根据其神经网络模型训练的任务需求和激励预算设计联邦学习的合同项，用于激励无人机采集图像数据，并为其提供模型训练服务，并向无人机广播其合同项和联邦学习任务邀请；步骤二，无人机进行合同项选择：无人机选择合同项后向模型所有者返回所选合同项信息，并入选联邦学习任务的模型训练无人机候选池；本方案可以使模型所有者在不了解无人机客户端信息的情况下，根据无人机的数据质量和数据代表性，选择使模型收敛最快的无人机，该方法节省了模型训练的激励成本，加快了模型的收敛速度和训练精度。

    一种基于深度强化学习的智慧工厂冗余卸载方法
    3.
    发明公开
    一种基于深度强化学习的智慧工厂冗余卸载方法 审中-公开

    公开(公告)号：CN116820603A

    公开(公告)日：2023-09-29

    申请号：CN202310653111.1

    申请日：2023-06-05

    申请人： 南京云泽邮兴科技有限公司 ,  南京邮电大学

    发明人： 徐卓然 ,  隋萌琪 ,  李龙泽 ,  刘同 ,  潘晨悦 ,  史心玥 ,  仇韵雯 ,  孙文雪

    IPC分类号： G06F9/445 ,  G06N3/092 ,  H04L67/12

    摘要： 本发明公开了一种基于深度强化学习的智慧工厂冗余卸载方法，该方法包括步骤：工业互联网设备卸载任务到达边缘盒子之后，根据先来后到进行排队，对于一些轻量级的任务，边缘盒子可以将其处理完并返回结果，对于一些需要更多资源的任务，边缘盒子则将这些任务传送到云计算系统进行处理。对于卸载到云服务器的部分任务。为了使在任务延迟约束下使卸载系统的效用最大化，使用马尔可夫决策方法确定最优卸载方案。通过服务器状态以及各工业互联网设备的相关信息，确定时间阈值和可靠性，从而确定冗余卸载的上界和下界，采用搜索的方法来获得最优的冗余传输路径数，在保证卸载可靠性的同时提高了获得的效用。