公开(公告)号：CN118433243A

公开(公告)日：2024-08-02

申请号：CN202410587712.1

申请日：2024-05-13

Applicant: 西安电子科技大学

Inventor： 苗银宾 ,  匡达 ,  杨丽 ,  李兴华

IPC: H04L67/55 ,  H04L67/10 ,  H04L67/12 ,  G16H40/67 ,  G06N3/098

Abstract: 本申请公开了一种基于异质性联邦学习的信息推送方法及装置、介质、终端，涉及优化模型性能技术领域以及医疗领域，主要目的在于改善现有由于全局模型精度降低导致医疗信息推送准确性低下的问题。包括：获取目标用户的医疗数据；基于已完成模型训练的信息推送全局模型根据医疗数据生成目标医疗信息；将所述目标医疗信息推送到所述目标用户。

公开(公告)号：CN115952539A

公开(公告)日：2023-04-11

申请号：CN202211684903.7

申请日：2022-12-27

Applicant: 西安电子科技大学

Inventor： 苗银宾 ,  匡达 ,  杨丽 ,  李兴华

IPC: G06F21/62 ,  G06F21/60

Abstract: 本申请实施例涉及信息安全技术领域，特别涉及一种多数恶意下鲁棒隐私性联邦学习方法、系统、设备及介质，该方法包括：使用本地数据训练本地模型，计算模型梯度和根梯度；对模型梯度、根梯度进行量化和编码；使用抽样的秘密共享方法生成模型梯度和根梯度的秘密份额：基于模型梯度和根梯度的秘密份额，计算汉明距离份额；基于汉明距离份额，计算客户端权重份额；使用相关不经意乘积高效的生成乘法三元组，并对模型份额进行加权，得到本地加权份额；基于本地加权份额，更新全局模型。本申请能够在多数恶意环境下实现抗模型投毒攻击和保护客户端数据隐私，且使用抽样的秘密共享技术可以高效的计算汉明距离和模型加权平均，降低了总体的计算开销。

公开(公告)号：CN117520647A

公开(公告)日：2024-02-06

申请号：CN202311477808.4

申请日：2023-11-07

Applicant: 西安电子科技大学

Inventor： 苗银宾 ,  杨丽 ,  匡达 ,  李兴华

IPC: G06F16/9535 ,  G06F16/901 ,  G06F16/903 ,  G06F21/60 ,  G06F21/62 ,  H03M13/19

Abstract: 本发明公开了基于鲁棒汉明编码的跨模态数据检索方法，具体过程为：首先，生成相关参数，并将参数发送至查询用户、云服务器CS1；其次，数据所有者将获取不同模态数据的哈希码，并将哈希码映射到对称集合，同时构建可逆布隆过滤器，加密原始数据，将可逆布隆过滤器及加密的原始数据发送至云服务器CS1、云服务器CS2，云服务器CS1本地存储可逆布隆过滤器，云服务器CS2存储加密的原始数据；再次，查询用户通过与查询数据进行对比解码，获得相似度量结果，根据相似度量结果按升序返回相关检索结果至查询用户；最后，查询用户对秘钥解密，获得最终检索结果。本发明方法解决了现有方法中安全性和鲁棒性低的问题。