-
公开(公告)号：CN117033947B
公开(公告)日：2023-12-22
申请号：CN202311287544.6
申请日：2023-10-08
申请人： 国网四川省电力公司电力科学研究院
摘要： 本发明一种隐私保护的云边协同的频繁项目挖掘方法，包括以下步骤：将真实项目域编码为虚拟项目域；云边端协同挖掘k1个频繁虚拟项目；基于频繁虚拟项目构建云端频率表征矩阵；将云端频率表征矩阵和所有边端进行分组并配对；各边端基于所在边端组与对应频率子矩阵获得信息表征矩阵，并将信息表征矩阵进行向量化表征；各边端对本地向量进行扰动获得扰动值及扰动序号；云端聚合各边端组的扰动值及扰动序号，获得对应的频率恢复子矩阵，进而获得频率恢复矩阵；云边端协同融合隐私保护技术挖掘频(56)对比文件Ling Qiu 等.Preserving privacy inassociation rule mining with bloomfilters《.J Intell Inf Syst 》.2007,253–278.Haonan Wu 等.Mining frequent itemsfrom high-dimensional set-valued dataunder local differential privacyprotection《.Expert Systems WithApplications》.2023,1-13.Beibei Li 等.EPPSQ: Achievingefficient and privacy-preservingstatistics queries over encrypted data insmart grids《.Future Generation ComputerSystems》.2023,1-15.
-
公开(公告)号：CN117033947A
公开(公告)日：2023-11-10
申请号：CN202311287544.6
申请日：2023-10-08
申请人： 国网四川省电力公司电力科学研究院
摘要： 本发明一种隐私保护的云边协同的频繁项目挖掘方法，包括以下步骤：将真实项目域编码为虚拟项目域；云边端协同挖掘k1个频繁虚拟项目；基于频繁虚拟项目构建云端频率表征矩阵；将云端频率表征矩阵和所有边端进行分组并配对；各边端基于所在边端组与对应频率子矩阵获得信息表征矩阵，并将信息表征矩阵进行向量化表征；各边端对本地向量进行扰动获得扰动值及扰动序号；云端聚合各边端组的扰动值及扰动序号，获得对应的频率恢复子矩阵，进而获得频率恢复矩阵；云边端协同融合隐私保护技术挖掘频繁项目。本发明采用本地差分隐私技术，在云端不可信的情况下，保证边端数据的隐私性的同时实现安全可靠的云边端协同的频繁项目挖掘。
-
公开(公告)号：CN117437484A
公开(公告)日：2024-01-23
申请号：CN202311529820.5
申请日：2023-11-16
申请人： 国网四川省电力公司电力科学研究院
IPC分类号： G06V10/764 , G06V10/82 , G06N3/084 , G06F21/62 , G06N3/0455 , G06V10/40
摘要： 本发明提出一种基于分布式隐私保护数据的分类模型训练方法，包含：服务器端为全局分类模型以及各本地分类模型选择图片特征提取模块的初始参数；各用户端融合隐私保护技术训练各本地分类模型；各用户端向服务器端上传图片特征表示向量集和本地分类头模块参数；服务器端进行数据的筛选预处理和全局分类头模块的初始化；基于全局样本集对全局分类模型中的分类头模块进行迭代训练，将训练好的全局分类头模块和全局图片特征提取模块进行联合，获得全局分类模型。本发明采用基于注意力机制的特征提取模块结合噪声添加方式，保护了各用户端数据的隐私安全；同时通过数据筛选预处理和多方数据融合提高了分类模型的分类准确度。
-
-
搜索结果
3 条记录 (耗时 0.03 秒)
