-
公开(公告)号：CN103145866B
公开(公告)日：2016-05-18
申请号：CN201310078768.6
申请日：2013-03-12
申请人： 合肥工业大学
IPC分类号： C08B37/00
摘要： 本发明公开了一种金钱菇三螺旋多糖的制备及其结构，提供了一种金钱菇多糖的制备方法和其结构特征，扩大了金钱菇的应用范围和利用价值，包括金钱菇材料的准备、多糖提取液的配制、提取过程、中和脱色、透析、离心、纯化、结构鉴定等特征步骤。所提取的金钱菇三螺旋多糖为杂多糖，主要由葡萄糖组成，同时含有少量的甘露糖、半乳糖和木糖。糖链主链结构为β-(1→3)-D-葡聚糖，带有(1→6)连接支链。本发明具有如下优点：（1）本发明用的是水提金钱菇之后的残渣，可以持续利用，节省成本，扩展了金钱菇的应用领域；（2）本发明用碱提残渣中的多糖，扩宽了糖的范围，可以更加明确金钱菇的药用价值；（3）本发明对提取的多糖进行了结构确定，为更好地开发利用金钱菇多糖提供了重要的理论支撑。
-
公开(公告)号：CN103145866A
公开(公告)日：2013-06-12
申请号：CN201310078768.6
申请日：2013-03-12
申请人： 合肥工业大学
IPC分类号： C08B37/00
摘要： 本发明公开了一种金钱菇三螺旋多糖的制备及其结构，提供了一种金钱菇多糖的制备方法和其结构特征，扩大了金钱菇的应用范围和利用价值，包括金钱菇材料的准备、多糖提取液的配制、提取过程、中和脱色、透析、离心、纯化、结构鉴定等特征步骤。所提取的金钱菇三螺旋多糖为杂多糖，主要由葡萄糖组成，同时含有少量的甘露糖、半乳糖和木糖。糖链主链结构为β-(1→3)-D-葡聚糖，带有(1→6)连接支链。本发明具有如下优点：（1）本发明用的是水提金钱菇之后的残渣，可以持续利用，节省成本，扩展了金钱菇的应用领域；（2）本发明用碱提残渣中的多糖，扩宽了糖的范围，可以更加明确金钱菇的药用价值；（3）本发明对提取的多糖进行了结构确定，为更好地开发利用金钱菇多糖提供了重要的理论支撑。
-
公开(公告)号：CN117424754A
公开(公告)日：2024-01-19
申请号：CN202311724238.4
申请日：2023-12-15
申请人： 合肥工业大学
IPC分类号： H04L9/40 , G06F18/2415 , G06F18/214 , G06F18/2321 , G06F18/22 , G06N3/082 , H04L67/10
摘要： 本发明涉及机器学习技术领域，公开了针对集群联邦学习攻击的防御方法、终端及存储介质。该防御方法用于集群联邦学习受到模型中毒攻击而导致分簇失败的防御，首先计算任意两个客户端之间的余弦相似度，基于聚类HDBSCAN算法对客户端之间的余弦相似度进行聚类操作，将恶意客户端与良性客户端分离。然后计算出全局模型与客户端的本地模型之间的欧氏距离集合。再在欧氏距离集合中选取中值作为裁剪上界进行范数裁剪，得到裁剪之后的权重并进行聚合，得到初步矫正之后的全局模型，最后对聚合出的全局模型上添加高斯噪声。本发明能够高效地找出集群联邦学习遭受模型中毒攻击中的攻击者，有效地起到了防御作用，提高集群联邦学习的鲁棒性。
-
公开(公告)号：CN117424754B
公开(公告)日：2024-02-20
申请号：CN202311724238.4
申请日：2023-12-15
申请人： 合肥工业大学
IPC分类号： H04L9/40 , G06F18/2415 , G06F18/214 , G06F18/2321 , G06F18/22 , G06N3/082 , H04L67/10
摘要： 本发明涉及机器学习技术领域，公开了针对集群联邦学习攻击的防御方法、终端及存储介质。该防御方法用于集群联邦学习受到模型中毒攻击而导致分簇失败的防御，首先计算任意两个客户端之间的余弦相似度，基于聚类HDBSCAN算法对客户端之间的余弦相似度进行聚类操作，将恶意客户端与良性客户端分离。然后计算出全局模型与客户端的本地模型之间的欧氏距离集合。再在欧氏距离集合中选取中值作为裁剪上界进行范数裁剪，得到裁剪之后的权重并进行聚合，得到初步矫正之后的全局模型，最后对聚合出的全局模型上添加高斯噪声。本发明能够高效地找出集群联邦学习遭受模型中毒攻击中的攻击者，(56)对比文件Chen Fang,et.al.Synchronous FederatedLearning Latency Optimization Based onModel Splitting.Springer.2022,全文.鲁晨阳等.基于DBSCAN聚类的集群联邦学习方法.计算机科学.2022,全文.周俊;方国英;吴楠.联邦学习安全与隐私保护研究综述.西华大学学报(自然科学版).2020,(第04期),全文.
-
公开(公告)号：CN117150255B
公开(公告)日：2024-02-02
申请号：CN202311396212.1
申请日：2023-10-26
申请人： 合肥工业大学
IPC分类号： G06F18/21 , G06N3/045 , G06N3/0475 , G06N3/098 , G06F18/214 , G06F18/22
摘要： 本发明涉及机器学习技术领域，公开了集群联邦学习中的分簇效果验证方法、终端及存储介质。该方法将参与集群联邦学习的客户作为攻击者，与良性客户即受害者分配至同一个簇中；选定攻击者所要攻击的受害者的训练数据目标类，在集群联邦学习的每一轮训练中，攻击者利用全局模型参数训练判别器；再由生成器生成接近训练数据目标类的样本数据，并输入判别器判别，计算损失后训练生成器。攻击者注入恶意数据，再利用注入恶意数据后的本地数据进行训练，向参数服务器上传训练后的梯度。最后经过迭代完成数据重构，并与原始数据作相似性计算以验证分簇效果。本发明在集群联邦学习场景进行客户(56)对比文件刘俊旭;孟小峰.机器学习的隐私保护研究综述.计算机研究与发展.2020,(第02期),第108-124页.
-
公开(公告)号：CN117150255A
公开(公告)日：2023-12-01
申请号：CN202311396212.1
申请日：2023-10-26
申请人： 合肥工业大学
IPC分类号： G06F18/21 , G06N3/045 , G06N3/0475 , G06N3/098 , G06F18/214 , G06F18/22
摘要： 本发明涉及机器学习技术领域，公开了集群联邦学习中的分簇效果验证方法、终端及存储介质。该方法将参与集群联邦学习的客户作为攻击者，与良性客户即受害者分配至同一个簇中；选定攻击者所要攻击的受害者的训练数据目标类，在集群联邦学习的每一轮训练中，攻击者利用全局模型参数训练判别器；再由生成器生成接近训练数据目标类的样本数据，并输入判别器判别，计算损失后训练生成器。攻击者注入恶意数据，再利用注入恶意数据后的本地数据进行训练，向参数服务器上传训练后的梯度。最后经过迭代完成数据重构，并与原始数据作相似性计算以验证分簇效果。本发明在集群联邦学习场景进行客户数据重构，兼顾了攻击效果和隐蔽性，有效验证分簇效果。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.03 秒)
