-
公开(公告)号：CN118939757A
公开(公告)日：2024-11-12
申请号：CN202410990608.7
申请日：2024-07-23
申请人： 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC分类号： G06F16/33 , G06F16/338 , G06F16/31 , G06F40/216
摘要： 本发明公开了一种基于大语言模型的零样本跨语言重排序方法、电子设备、介质，包括：获取若干语言种类对应的查询，以及若干语言种类对应的文档数据；对每一语言种类对应的文档数据建立词条到文档的映射，得到对应的倒排索引；将查询输入至该语言种类对应的倒排索引，得到每一查询对应的第一重排文档列表；对于每一查询，将查询分解为若干个子查询，对该查询对应的第一重排文档列表中的每一文档设置唯一标志符；设置提示词模板，将查询、子查询、第一重排文档列表、每一文档对应的唯一标志符、提示词模板输入至大语言模型中，输出每一文档与查询的相关性标志符排序，得到每一查询对应的第二重排文档列表。
-
公开(公告)号：CN118569356A
公开(公告)日：2024-08-30
申请号：CN202410729737.0
申请日：2024-06-06
申请人： 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC分类号： G06N3/098 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N5/04 , H04L67/10 , G06V10/82 , G06V10/94 , G06V10/764 , G16H50/20
摘要： 本发明公开了一种基于分组生成及联邦学习的业务执行方法、设备、介质，应用于客户端，包括：接收服务器下发的基准数据集、初始化的业务执行网络和生成对抗网络；利用本地数据集对业务执行网络进行训练，从而在基准数据集上进行推断，统计各标签的准确率组成向量；每一组别参与联邦学习的每轮迭代训练过程，包括对生成对抗网络进行训练；将高斯噪声输入随机选取的若干个经服务器聚合得到的全局对抗生成模型得到合成样本集；其中，每一组别是服务器基于经阈值截断、随机翻转的准确率组成向量对客户端进行分组得到；利用合成样本集和本地数据集对重新初始化的业务执行网络进行训练；接收经服务器聚合得到的全局业务执行网络，以此执行业务任务。
-
公开(公告)号：CN118673319A
公开(公告)日：2024-09-20
申请号：CN202410714775.9
申请日：2024-06-04
申请人： 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC分类号： G06F18/214 , G06N3/084
摘要： 本发明公开了一种针对分割学习数据推断攻击的防御方法、电子设备、介质，应用于客户端，包括：获取隐私训练数据，随机生成C类数据，将每类数据打乱插入到隐私训练数据中作为客户端的训练数据集；将训练数据集输入至客户端模型中，输出得到中间特征；接收服务器模型下发的激活梯度；其中，所述激活梯度为服务器模型基于中间特征及对应的标签计算得到的损失值，根据损失值在服务器模型上进行后向传播更新服务器模型，输出激活梯度；基于激活梯度更新客户端模型；使得攻击者端将中间特征并输入至训练好的辅助模型h，输出扭曲目标特征空间Z；扭曲目标特征空间Z输入至训练好的解码器g‑1，无法得到反演重建结果，从而完成防御。
-
公开(公告)号：CN113657607A
公开(公告)日：2021-11-16
申请号：CN202110894758.4
申请日：2021-08-05
申请人： 浙江大学
摘要： 本发明公开了一种面向联邦学习的连续学习方法。联邦学习服务端和各个客户端在确定学习任务后，通过搜集若干个与任务类型匹配的无隐私问题的公开数据集，各自独立地构建一份辅助数据集，用于后续训练过程；客户端借助知识蒸馏损失让本地模型在学习新任务的同时学习辅助数据集以及辅助标签，从而减少对旧知识的遗忘；服务端借助知识蒸馏损失让聚合模型同时学习辅助数据集以及辅助标签，从而减少模型在聚合过程中产生的遗忘。本发明在隐私安全且通信代价小的基础上，提升了联邦模型的连续学习能力。
-
公开(公告)号：CN118312092A
公开(公告)日：2024-07-09
申请号：CN202410200910.8
申请日：2024-02-23
申请人： 浙江大学
IPC分类号： G06F3/06 , G06F12/0893 , G06F12/0877
摘要： 本发明公开了一种基于持久化学习索引的数据存储系统及方法，包括：持久化内存和与其耦接的动态随机存取内存；所述持久化内存中存储有内部节点层以及叶节点层；其中，内部节点层是由若干个内部节点组成的树形结构，每一内部节点包含一内部节点模型和一槽位数组；叶节点层是由叶节点组成的双向链表，每一叶节点包含一头部信息和一键值对块数组；其中，最底层的内部节点的槽位数组中存储了指向叶节点和块元数据数组的指针；所述动态随机存取内存中存储有块元数据，所述块元数据用于存储叶节点中每个键值对块数组中键的指纹信息。所述系统还包括：持久化内存中存储的溢出缓存和动态随机存取内存中存储的缓存元数据。
-
公开(公告)号：CN113657607B
公开(公告)日：2024-03-22
申请号：CN202110894758.4
申请日：2021-08-05
申请人： 浙江大学
摘要： 本发明公开了一种面向联邦学习的连续学习方法。联邦学习服务端和各个客户端在确定学习任务后，通过搜集若干个与任务类型匹配的无隐私问题的公开数据集，各自独立地构建一份辅助数据集，用于后续训练过程；客户端借助知识蒸馏损失让本地模型在学习新任务的同时学习辅助数据集以及辅助标签，从而减少对旧知识的遗忘；服务端借助知识蒸馏损失让聚合模型同时学习辅助数据集以及辅助标签，从而减少模型在聚合过程中产生的遗忘。本发明在隐私安全且通信代价小的基础上，提升了联邦模型的连续学习能力。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.043 秒)
