基于联邦学习的节点激励方法、装置、系统及存储介质

    公开(公告)号:CN114662707A

    公开(公告)日:2022-06-24

    申请号:CN202210352784.9

    申请日:2022-03-31

    IPC分类号: G06N20/20

    摘要: 本发明实施例涉及计算机技术领域,尤其涉及一种基于联邦学习的节点激励的方法、装置、系统及存储介质,该方法包括:获取各个节点的属性,获取节点属性为发布任务属性的节点上传的任务和激励参数,并调用全部节点进行处理,确定处理结果,基于处理结果,确定各个节点的沙普利值,基于各个节点属性为发布任务属性的节点,各个沙普利值和激励参数,确定第一激励数值,判断各个节点中第k个节点的节点属性,获取判断结果,基于判断结果,各个沙普利值和激励参数,确定第二激励数值,整合第一激励数值和第二激励数值,对各个节点进行激励。通过第一激励数值和第二激励数值结合,完成对各个节点的“按劳分配”,进而提高工作效率。

    一种最优化配置双正则引擎的方法及装置

    公开(公告)号:CN118277267A

    公开(公告)日:2024-07-02

    申请号:CN202410435589.1

    申请日:2024-04-11

    IPC分类号: G06F11/36

    摘要: 本发明涉及网络安全技术领域,公开了一种最优化配置双正则引擎的方法及装置,本发明提供的方法,包括:获取待处理的任务,所述待处理的任务包括至少一个正则表达式;计算待处理任务中的总规则数及总字符数,其中,总字符数为总规则所包含的字符数之和;当总字符数满足第一预设条件时,启动第一引擎;当总规则中的单个表达式满足第二预设条件时,对此表达式进行分割,对分割后的表达式启动第二引擎。通过本发明提供的方法充分发挥第一引擎与第二引擎的各自优势,在不增加系统资源占用的情况下,达到兼顾处理速度与全面性的目的。