基于FISCO群组机制的联邦学习系统

    公开(公告)号:CN118194978A

    公开(公告)日:2024-06-14

    申请号:CN202410441917.9

    申请日:2024-04-12

    Abstract: 本发明公开了基于FISCO群组机制的联邦学习系统,包括监管节点群组和多个层次的客户端群组,针对任一个客户端,获取并根据初始化的或者上一次学习迭代得到的全局模型,进行本地训练更新,得到更新后的本地模型;针对任一个客户端群组,基于实用拜占庭容错共识机制和基于余弦相似度的恶意节点筛选机制,得到更新后的局域模型;基于区块链或监管节点,聚合得到更新后的全局模型;直至满足预设的联邦学习收敛条件,否则进入下一轮的联邦学习。本发明通过划分不同层次的客户端群组,在保留安全性和去中心化的同时,保障了区块链系统的隐私性;其次,监管节点的引入,不仅可以起到跨机构的穿透式监管,还可以大大提升模型聚合的效率。

    基于边-端-云三层架构的个性联邦学习方法及系统

    公开(公告)号:CN119761529A

    公开(公告)日:2025-04-04

    申请号:CN202410399086.3

    申请日:2024-04-03

    Abstract: 本发明公开了边缘计算技术领域的一种基于边‑端‑云三层架构的个性联邦学习方法及系统,所述方法包括:多个边缘终端设备和至少一个云端服务器,所述边缘终端设备与云端服务器之间设置多个边缘服务器作为中转,每个边缘服务器连接预定区域边缘终端设备,其中,所述云端服务器至少包括全局模型,用于为所述边缘终端设备提供全局信息;边缘终端设备包括若干本地模型,当所述边缘终端设备对本地模型进行更新时,用于根据本地可用系统资源自动决定本地训练的轮次;边缘服务器,用于将若干训练完成的本地模型进行聚合,形成局域模型。本发明能够解决数据异构性和通信拥堵的问题,提高了传输速率。

    碳排放数据分析管理方法、装置、设备及存储介质

    公开(公告)号:CN117993616A

    公开(公告)日:2024-05-07

    申请号:CN202410168843.6

    申请日:2024-02-06

    Abstract: 本发明涉及碳排放技术领域,公开了一种碳排放数据分析管理方法、装置、设备及存储介质,该方法包括:根据提取的待监测区域的区域特征数据配置数据采集层;读取数据采集层的监测数据集并建立监测关联节点;对监测数据集的同节点数据时序清洗生成第一清洗结果;通过监测关联节点配置关联延时,基于关联延时和第一清洗结果关联清洗生成第二清洗结果;将第二清洗结果输入至智能分析模型执行碳排放分析管理。本发明通过配置关联延时,可保证数据的准确性和一致性,避免了传统碳排放数据管理采用中心化存储的情况,最后将第二清洗结果输入至智能分析模型执行碳排放分析管理,解决了碳排放数据可靠性和安全性较差的问题,实现了碳排放数据的高效管理。

    一种风险感知的移动边缘计算任务调度与资源分配方法

    公开(公告)号:CN116321300B

    公开(公告)日:2024-06-11

    申请号:CN202211265376.6

    申请日:2022-10-17

    Abstract: 本发明提出了一种风险感知的移动边缘计算任务调度与资源分配方法,其步骤为:首先,搭建基于TS的MEC系统,该MEC系统包括多个边缘云,MEC网络通过全网状拓扑的光纤网络相互连接;其次,利用RFF按照虚拟机部署规则将虚拟机随机部署到插槽中,部署的过程中对部分备份虚拟机进行超额预订;并将应用程序交由TS进行调度;在TS对应用程序进行调度的过程中,构建风险模型、服务响应时间模型和资源利用率模型;并根据三个模型获得联合优化目标函数;最后,利用任务部署算法对联合优化目标函数进行优化,获得最优的任务部署策略。本发明实现了在系统部署方案风险范围内,应用程序的平均服务响应时间最小且系统的资源利用率最大。

    一种风险感知的移动边缘计算任务调度与资源分配方法

    公开(公告)号:CN116321300A

    公开(公告)日:2023-06-23

    申请号:CN202211265376.6

    申请日:2022-10-17

    Abstract: 本发明提出了一种风险感知的移动边缘计算任务调度与资源分配方法,其步骤为:首先,搭建基于TS的MEC系统,该MEC系统包括多个边缘云,MEC网络通过全网状拓扑的光纤网络相互连接;其次,利用RFF按照虚拟机部署规则将虚拟机随机部署到插槽中,部署的过程中对部分备份虚拟机进行超额预订;并将应用程序交由TS进行调度;在TS对应用程序进行调度的过程中,构建风险模型、服务响应时间模型和资源利用率模型;并根据三个模型获得联合优化目标函数;最后,利用任务部署算法对联合优化目标函数进行优化,获得最优的任务部署策略。本发明实现了在系统部署方案风险范围内,应用程序的平均服务响应时间最小且系统的资源利用率最大。

Patent Agency Ranking