一种采用联邦学习的隐私保护船名识别模型训练方法

    公开(公告)号:CN114337987B

    公开(公告)日:2024-09-10

    申请号:CN202111680336.3

    申请日:2021-12-30

    摘要: 本发明公开了一种采用联邦学习的隐私保护船名识别模型训练方法,该方法包括步骤:S1.发起联合训练船名识别模型任务;S2.参与者训练本地模型并进行加密;S3.聚合参与者的加密模型并执行联邦平均算法;S4.聚合服务器部分解密聚合模型和S5.参与者部分解密聚合模型;其通过参与者本地训练模型并加密训练模型,将本地训练好的加密模型上传至聚合服务器,聚合服务器在加密的模型上执行联邦平均算法;采用加密的方法以防止攻击者根据模型参数获得训练数据。另外,还采用将私钥分割成部分私钥的方式,由服务器执行一次部分解密,参与者执行一次部分解密,可以在不泄露参与者训练数据的情况下,使得多个参与者能够有效的共同训练一个船名识别模型。

    船舶名称识别方法、系统、计算机设备及存储介质

    公开(公告)号:CN111582182B

    公开(公告)日:2023-08-11

    申请号:CN202010390510.X

    申请日:2020-05-11

    发明人: 毛茹 林嘉应

    摘要: 本发明公开了一种船舶名称识别方法、系统、计算机设备及存储介质,所述方法包括:获取待识别船舶图像;将待识别船舶图像输入到训练好的船舶名称定位神经网络中进行检测;当检测到船舶名称区域时,通过船舶名称定位神经网络对船舶名称区域进行定位,输出得到船舶名称区域对应的第一坐标位置;根据第一坐标位置,对待识别船舶图像进行分割,得到第一船舶名称区域图像;将第一船舶名称区域图像输入到训练好的船舶名称识别神经网络中进行识别,输出得到船舶名称识别结果。本发明相对于目前在海事领域的现有技术在效率、成本、准确率上具有明显的优势,为进一步对航行船舶的身份识别的自动化监控提供了技术基础。

    一种采用联邦学习的隐私保护船名识别模型训练方法

    公开(公告)号:CN114337987A

    公开(公告)日:2022-04-12

    申请号:CN202111680336.3

    申请日:2021-12-30

    摘要: 本发明公开了一种采用联邦学习的隐私保护船名识别模型训练方法,该方法包括步骤:S1.发起联合训练船名识别模型任务;S2.参与者训练本地模型并进行加密;S3.聚合参与者的加密模型并执行联邦平均算法;S4.聚合服务器部分解密聚合模型和S5.参与者部分解密聚合模型;其通过参与者本地训练模型并加密训练模型,将本地训练好的加密模型上传至聚合服务器,聚合服务器在加密的模型上执行联邦平均算法;采用加密的方法以防止攻击者根据模型参数获得训练数据。另外,还采用将私钥分割成部分私钥的方式,由服务器执行一次部分解密,参与者执行一次部分解密,可以在不泄露参与者训练数据的情况下,使得多个参与者能够有效的共同训练一个船名识别模型。

    一种公平可信的联邦学习激励方法

    公开(公告)号:CN114330747A

    公开(公告)日:2022-04-12

    申请号:CN202111647692.5

    申请日:2021-12-29

    IPC分类号: G06N20/00

    摘要: 本发明公开了一种联邦学习激励方法,包括服务器和n个参与者,该方法包括步骤:S1.系统初始化;S2.参与者提交报价信息;S3.执行逆向拍卖操作;S4.计算后验收益;该方法结合逆向维克里拍卖机制和后验价格机制,通过逆向维克里拍卖使得参与者诚实地提交其报价信息以实现最大化收益,且该方法以参与者拥有的数据量作为报价,当参与者通过一轮逆向维克里拍卖诚实地提交其报价后,再利用后验价格机制为每个参与式计算一个公平的收益,其具有可信度高、兼容性强等诸多优点。