当前第 182 / 5741 页 共 57406 项数据
知识产权简介:一种面向联邦学习的模型自动训练方法,包括以下步骤:(1)数据准备:使用sklearn 模拟训练数据的量和维度,保证数据的隐私性;(2)模型参数自动搜索:首先选取低采样比,采用successive-halving算法寻找最佳参数,并根据进化策略在最佳参数附近添加随机噪声;之后逐渐增加采样比进行迭代,最终获得整体数据的训练模型最佳参数,从而完成联邦学习环境下的模型自动训练任务。
- 国民经济行业: 科学研究和技术服务业/研究和试验发展/工程和技术研究和试验发展
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明涉及一种基于输入数据内嵌授权令牌的深度学习模型版权主动保护方法,包括以下步骤:合成混合图像数据集,其中分为授权图像样例和未授权图像样例,将该混合图像数据集分为训练集和测试集;在训练集中的授权图像样例中插入令牌图样作为授权图像训练集,对授权图像训练集进行视觉特征提取,并进行数据投毒训练,获取中毒的图像特征表征结果,并将中毒的图像特征表征结果处理为授权特征向量,将该类特征向量输入良性深度学习模型进行训练,从而使得深度学习模型对授权输入实现正常预测;对训练集中的未授权图像样例的标签按照数据投毒策略进行修改,并将该类数据输入良性神经网络模型进行数据投毒训练,从而使深度学习模型对未授权输入实现错误预测;从而在深度学习模型中内嵌访问控制功能的主动版权保护模块。该训练好的内嵌了访问控制功能的深度学习模型,可凭训练集中授权图像样例中插入的令牌图样作为授权凭证,在授权使用时可插入于输入查询数据中,如果输入中没有特定令牌,则本发明方案中的深度学习模型将提供较差的预测精度,而当输入包含特定设计的授权令牌时,它可以正常预测。与现有技术相比,该发明能够防止恶意攻击者非法使用模型或复制一个盗版深度学习模型。
- 国民经济行业: 信息传输、软件和信息技术服务业/软件和信息技术服务业/其他信息技术服务业/数字内容服务
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明提出一种光计算权重生成与适配系统及方法,旨在解决现有光计算模型在不同任务和应用场景下需要整体重新训练、迁移成本高的问题。该系统包括权重生成输入模块、权重生成模块和快速适配模块。权重生成输入模块用于获取目标计算任务的任务信息、目标光计算结构的结构描述以及应用约束信息,并将其编码为权重生成所需的输入条件;权重生成模块基于多域数据预训练,在部署阶段冻结其核心参数,根据输入条件生成适用于目标光计算结构的初始权重配置;快速适配模块在不改变主体光计算结构的前提下,仅通过更新少量与具体任务或器件条件相关的可调参数,实现模型的快速适配与部署。本发明实现了权重生成与任务部署的解耦,支持光计算模型在多任务、多场景下的高效迁移与复用,降低部署成本,提升系统的通用性与可扩展性。
- 国民经济行业: 信息传输、软件和信息技术服务业
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明针对掩码-预测非自回归模型预测缺失问题,提出了一种源端-目标端共同掩码的训练方法。传统的掩码-预测式非自回归机器翻译中的翻译缺失由两个原因引起:对于源端词语信息建模不足,以及对于目标端随机掩码不足。针对这两个问题,本发明分别提出了两个具体方法,包括对源端词语实施基于注意力机制对未覆盖的掩码预测,以及对目标端词语实施基于词语互信息的混合掩码策略。这两个方法帮助模型增强源端词语的表征学习,以及促进模型目标端学习到完整的语义信息,从而缓解翻译缺失的问题。
- 国民经济行业: 信息传输、软件和信息技术服务业
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明要解决的现实问题是如何处理更丰富的语义信息,避免错过现有系统无法检测的机器人。从大量用户推文中筛选出关键部分变得至关重要。这启示我们要设计一个推文过滤器来辅助机器人检测。基于此,我们提出了推文筛选器。具体来说,本发明利用预训练打分器对大量用户的推文进行排名,并根据特定规则对其进行筛选。此外,本发明对推文进行预处理并融合多种信息编码来获取用户的表征,从而增强了其对各种恶意机器人的识别能力。
- 国民经济行业: 信息传输、软件和信息技术服务业
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明涉及的是区块链领域的技术,具体是一种联盟链上预计算同类权利证明交换协议参数的方法,可通过链下计算链上验证的手段减少协议执行时的链上计算开销。
- 国民经济行业: 信息传输、软件和信息技术服务业/软件和信息技术服务业/数据处理和存储服务
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本系统将参数解耦和图神经网络运用于多任务推荐系统中,从而减少负迁移和跷跷板现象并防止门控网络崩溃。本系统对多专家混合模型的单个专家的多层感知机内部进行参数解耦,将单个权重解耦成共享权重和任务独享权重,缓解了梯度传递到专家内部时的冲突,从而减少了负迁移和跷跷板现象。同时,本系统对多专家混合模型的门控网络加入了图神经网络的聚合,让生成的专家权重更为平缓,防止了门控网络的崩溃。
- 国民经济行业: 信息传输、软件和信息技术服务业/互联网和相关服务/互联网信息服务
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明涉及联邦学习的身份认证领域,提供了一种基于模型匹配的用户身份持续认证方案。传统联邦学习架构中,中央服务器对各边缘用户的身份核验依赖于网络安全传输协议和系统准入身份认证,其在面临针对客户端和传输过程的攻击时缺乏有效的防御手段。本方案通过衡量边缘用户在联邦学习连续两个训练中上载的边缘模型间的匹配度进行持续性的用户身份认证,分为边缘用户-中央服务器模型参数交互、边缘模型特征提取、用户身份认证三部分。中央服务器利用同数据集训练出的模型的决策边界具有高依赖性的特点,收集边缘模型决策边界梯度获取反映私有数据集的模型特征,再输入基于对比学习的编码器计算模型间的匹配度并排除身份异常用户。该方案广泛适用于各种以神经网络为基础的联邦学习系统,具有高准确率、实用性和兼容性。
- 国民经济行业: 信息传输、软件和信息技术服务业/软件和信息技术服务业/信息系统集成服务
- 权利人: 上海交通大学
- 联系合作
知识产权简介:本发明属于数据安全技术领域,具体涉及一种隐私保护特征检索集合求交方法,该方法包括:获取系统参数,服务端与客户端执行安全比较大小协议;服务端与客户端执行谓词转换协议;服务端与客户端执行多轮安全乘法协议;服务端与客户端执行隐私相等测试协议;服务端与客户端执行隐私保护集合求交协议;客户端得到交集结果。本发明不仅能使客户端根据服务端的数据特征灵活的选择检索谓词,并且可以保护客户端的检索谓词以及检索的具体特征,是一种新的隐私保护集合求交协议变体。
- 国民经济行业: 信息传输、软件和信息技术服务业/软件和信息技术服务业/数据处理和存储服务
- 权利人: 上海交通大学
- 联系合作