-
公开(公告)号：CN117422152A
公开(公告)日：2024-01-19
申请号：CN202311525326.1
申请日：2023-11-15
申请人： 扬州大学
IPC分类号： G06N20/00
摘要： 本发明公开了一种基于自适应权重加权的公平性联邦学习方法及系统，方法包括：中央服务器初始化基础分布数量以及对应的基础模型参数；各客户端分别从中央服务器下载基础模型，初始化对每个基础模型的初始权重，每个客户端将公平性差距作为惩罚项引入模型训练，损失函数包括精度损失和公平性损失；各客户端利用本地自适应加权算法完成本地公平训练，完成本地训练后，客户端将更新后的模型参数和EOP差距上传至服务器聚合；中央服务器对每个基础模型从贡献度和公平性两个部分进行公平性聚合，得到新一轮的基础模型发送给各个客户端。本发明从本地和全局两个维度出发，保障了联邦学习在异构环境下高精度和高公平性。
-
公开(公告)号：CN114785510A
公开(公告)日：2022-07-22
申请号：CN202210025877.0
申请日：2022-01-11
申请人： 扬州大学
摘要： 本发明公开了一种可验证的轻量化隐私保护联邦学习系统及方法，来防止局部梯度在传输阶段泄漏。本发明包括初始化模块、注册模块、局部训练模块、聚合和解密模块以及全局更新模块；在局部训练模块，基于Paillier同态密码体制和分布式选择性随机梯度下降(DSSGD)方法，提出了一种有效的PPFL机制，该机制可以保护局部模型梯度隐私，降低密码系统的计算成本。在聚合和解密模块，采用带边缘计算框架的在线/离线签名方法，实现了对数据完整性的轻量级局部梯度验证；通过将耗时的操作外包，降低了计算成本。
-
-
公开(公告)号：CN117972691A
公开(公告)日：2024-05-03
申请号：CN202311767173.1
申请日：2023-12-20
申请人： 扬州大学
摘要： 本发明公开了一种基于遗忘学习的可解释图推荐系统后门防御方法及系统，通过触发器还原算法还原潜在的图触发器，并通过遗忘学习遗忘后门触发器特征，从而将后门模型净化为正常模型。本发明首先利用一定比例的干净数据集，通过可解释的图后门还原算法，恢复后门模型中的后门触发器子图。随后，将后门触发器子图添加至正常样本，通过基于知识蒸馏的遗忘学习算法，遗忘后门触发器特征并保持模型在正常任务上的精度，以此来净化后门模型。本发明能够有效解决攻击者通过修改用户之间的关系，改变用户信息操作得到中毒子图，用户使用中毒数据训练的后门模型时，遭受如恶意广告侵扰等问题，有助于提升服务质量和用户体验。
-
公开(公告)号：CN114329477A
公开(公告)日：2022-04-12
申请号：CN202111440064.X
申请日：2021-11-30
申请人： 扬州大学
摘要： 本发明公开了一种基于贝叶斯主动学习的智能合约漏洞分类方法及系统，包括步骤：(1)采集数据黄金集G、未标记数据集U并进行特征提取；(2)利用已标记数据集S预训练分类模型并预测U，基于不确定抽样策略从U提取样本集S’进行人工标记；计算人工标记正确率；(3)根据人工标记的正确率获取参数ρt；当参数ρt
-
公开(公告)号：CN117934952A
公开(公告)日：2024-04-26
申请号：CN202410114536.X
申请日：2024-01-26
申请人： 扬州大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于扩散模型低秩适配的数据集增强方法。该方法包括以下步骤：S1、获取初始数据集，预处理初始数据集得到训练数据集，训练数据集包括若干组图像‑文本对，图像‑文本对中包含的图像中有若干类型物、文本内容为与类型物对应的提示词。S2、基于训练数据集训练LoRA模型并与基线模型合并，生成扩散模型。S3、获取目标数据集，将目标数据集进行预处理后输入扩散模型生成目标样本，将目标样本加入目标数据集，得到增强数据集。本发明具有低成本、实用性强的特点。
-
公开(公告)号：CN117422130A
公开(公告)日：2024-01-19
申请号：CN202311425216.8
申请日：2023-10-30
申请人： 扬州大学
IPC分类号： G06N3/098 , G06N3/0475 , G06N3/0464 , G06F18/24 , G06F18/213
摘要： 本发明公开了一种基于对比学习的联邦学习后门防御方法及系统，本发明方法中，服务器收集各参与方上传的本地模型，并进行模型聚合，聚合完成后，将聚合所得的模型作为下一轮的全局模型，下发至各参与方；各参与方下载全局模型，并利用本地数据基于熵最大化的生成模型训练后门触发器生成器；各参与方利用训练完成的生成器生成后门触发器，以本地训练数据为输入，将生成的后门触发器添加至正常样本进行数据增强，将全局模型作为在线编码器，上一轮本地模型作为动量编码器进行对比训练，将后门模型的对后门数据的特征表示指向干净模型的特征表示，以此来净化后门模型。本发明能够挖掘更隐蔽的后门特征，有效缓解后门影响，提升模型的鲁棒性。
-
公开(公告)号：CN114821267A
公开(公告)日：2022-07-29
申请号：CN202210451857.X
申请日：2022-04-27
申请人： 扬州大学
IPC分类号： G06V10/82 , G06V10/44 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q20/40 , G06Q40/06 , G06F21/57
摘要： 本发明公开了一种基于模糊测试的庞氏合约检测方法，通过使用模糊测试的方式，解决现有智能合约交易数据不足的问题，将交易资金流向转化为图片进行保存，构建ResNet模型并加入ResNet算法动态获取图片的交易特征，对ResNet模型进行训练获取最优ResNet模型，实现针对新的智能合约，在未发生损失的情况下鉴别出此智能合约是否为庞氏合约，本发明同时提供对应基于模糊测试的庞氏合约检测系统。
-
公开(公告)号：CN114581086A
公开(公告)日：2022-06-03
申请号：CN202210174263.9
申请日：2022-02-24
申请人： 扬州大学
摘要： 本发明公开了一种基于动态时序网络的钓鱼账户检测方法及系统，包括：钓鱼账户和以太坊账户数据采集；构建动态时序交易网络图TTGN；将图中节点嵌入向量，利用SMOTE解决钓鱼账户类不平衡的问题，训练钓鱼账户检测模型；用测试集的数据进行钓鱼账户检测，对测试集采用相同方法构建动态时序交易网络图并将节点嵌入向量，输入训练得到的最优模型中进行检测，得到检测结果。本发明可以一定程度上解决静态交易网络方法中无法体现时序性、精度不高的问题；相较于基于统计特征的钓鱼账户检测方法，本发明可以通过动态时序图对收集得到的网络钓鱼账户进行验证，使得更加符合实际情况、精度更高。
-
公开(公告)号：CN114547621A
公开(公告)日：2022-05-27
申请号：CN202210065372.7
申请日：2022-01-20
申请人： 扬州大学
摘要： 本发明公开了一种基于迁移学习的智能合约漏洞检测方法，该方法首先收集java源代码和智能合约源代码数据，并进行预处理建立标签，构建机器学习的样本集；然后将java样本集输入到模型中训练，学习java代码表示的特征及java漏洞的检测，针对检测智能合约代码的下游任务，重用java的预训练模型并进行微调，使其能够胜任智能合约漏洞的检测。本发明可以更加快速、自动地检测出Solidity智能合约是否存在漏洞。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.024 秒)
