智能物联网中高效安全的自适应量化联邦学习 被引量：1

1

作者 马海英 沈金宇 +2 位作者 杨天玲 仇健 王占君 《计算机应用研究》 北大核心 2025年第8期2503-2510,共8页

针对现有自适应量化联邦学习存在参与者本地模型参数隐私泄露的问题,提出一种适合智能物联网的高效安全的自适应量化联邦学习方案。该方案利用自适应量化技术减少参与者的通信开销,设置两个聚合服务器,将Diffie-Hellman密钥交换协议、... 针对现有自适应量化联邦学习存在参与者本地模型参数隐私泄露的问题,提出一种适合智能物联网的高效安全的自适应量化联邦学习方案。该方案利用自适应量化技术减少参与者的通信开销,设置两个聚合服务器,将Diffie-Hellman密钥交换协议、秘密共享方案和不经意传输协议相结合,构造一种保护本地模型参数隐私的安全聚合协议,并在合理假设下证明所提方案的安全性。实验结果表明该方案能够获得较高准确率的全局模型,极大减少了参与者的通信开销和隐私保护计算开销,非常适用于智能物联网中资源受限的轻量级物联网设备。 展开更多

关键词 联邦学习 隐私保护 自适应量化 秘密共享 不经意传输协议

在线阅读 下载PDF 职称材料

面向高密度车间通信的能量特征图谱资源分配算法

2

作者 邱恭安 刘永生 +1 位作者 章国安 刘敏 《电子与信息学报》 北大核心 2025年第8期2642-2651,共10页

车联网拓扑的动态性和资源分配的随机性增大了竞争接入相同资源的碰撞概率,降低了频谱资源效率。该文基于高密度车辆运动位置的邻接稳定性,提出了应用深度强化学习算法的能量特征图谱资源分配算法。首先,应用资源感知过程测量值计算候... 车联网拓扑的动态性和资源分配的随机性增大了竞争接入相同资源的碰撞概率,降低了频谱资源效率。该文基于高密度车辆运动位置的邻接稳定性,提出了应用深度强化学习算法的能量特征图谱资源分配算法。首先,应用资源感知过程测量值计算候选资源块的时隙接收信号强度指数和子载波信干噪比值,构建候选资源库的时频能量特征图谱。随后,将能量特征图谱输入构建的两层深度神经网络(DNN),以系统吞吐量为奖励函数训练DNN权值系数矩阵,建立匹配车辆运动状态的双DQN智能体模型,并存储于车载用户终端(VUE)。当车间通信请求分配资源建立通信链路时,VUE将感知过程计算的接收信号强度指数和信干噪比值输入存储的主DQN模型,根据训练后的DNN权值系数矩阵为车间通信选择高质量资源。应用离散时间马尔可夫链推导了资源接入碰撞概率、链路失效率与能量特征指数间的表达式。在高密度车间通信中,所提出的算法提高了交通安全消息传播可靠性和频谱效率,降低了端到端传播时延。在车辆密度不超过160 veh/km时,提出算法的消息分组正确接收率超过95%、时延低于4 ms,有效资源利用率高于0.6,满足编队行驶等车联网应用的性能要求。 展开更多

关键词 蜂窝车联网 资源分配 深度强化学习 能量特征图谱

在线阅读 下载PDF 职称材料

基于全同态加密保护医疗隐私的逻辑回归方案

3

作者 李杰 马海英 曹东杰 《广西大学学报(自然科学版)》 北大核心 2025年第1期173-185,共13页

针对现有的医疗数据模型训练方案中存在隐私泄露和收敛速度慢的问题,提出基于全同态加密保护医疗隐私的逻辑回归方案。该方案首先利用Nesterov梯度下降法矫正逻辑回归算法中模型梯度的更新位置,加快其收敛速度,增大接近最优值的可能性,... 针对现有的医疗数据模型训练方案中存在隐私泄露和收敛速度慢的问题,提出基于全同态加密保护医疗隐私的逻辑回归方案。该方案首先利用Nesterov梯度下降法矫正逻辑回归算法中模型梯度的更新位置,加快其收敛速度,增大接近最优值的可能性,保证收敛精度;然后,利用全同态加密算法(CKKS)加密初始模型参数和医疗数据,使其在保护医疗数据隐私的前提下执行改进后的逻辑回归算法。为了提高模型训练中每轮迭代的效率,该方案通过减少2个向量的内积密文中的同态乘法计算次数,减小计算开销和噪声;利用极小极大近似多项式拟合Sigmoid函数,使医疗数据始终以密文的形式在不可信第三方服务器进行模型训练。通过合理的安全性假设,证明本方案在不可信的环境中进行模型训练时,能够确保医疗数据和模型参数的隐私安全。通过在真实数据集上测试本方案和相关方案的模型训练速度和精度,实验结果表明,本方案不仅具有较高的计算效率,而且提高了模型训练精度。 展开更多

关键词 全同态加密算法 梯度下降法 医疗隐私保护 逻辑回归

在线阅读 下载PDF 职称材料

惩罚矩阵T混合模型及其在省域经济分类中的应用

4

作者 李泽安 汪钱荣 赵为华 《统计与决策》 北大核心 2025年第1期41-46,共6页

为充分考虑矩阵数据的特性和数据内部的关联性,文章基于矩阵T分布建立矩阵T混合模型及其惩罚模型来研究聚类问题。在矩阵T混合模型的似然函数上对均值矩阵分量施加自适应核范数低秩惩罚,应用ECM算法提出惩罚似然估计算法,同时提出了一... 为充分考虑矩阵数据的特性和数据内部的关联性,文章基于矩阵T分布建立矩阵T混合模型及其惩罚模型来研究聚类问题。在矩阵T混合模型的似然函数上对均值矩阵分量施加自适应核范数低秩惩罚,应用ECM算法提出惩罚似然估计算法,同时提出了一种改进的BIC模型选择准则来选择最优的混合模型数量和调节参数,进而通过自适应核范数阈值自动实现低秩估计,实现准确聚类。最后,通过数值模拟研究及与已有方法的对比验证了该方法的有用性,且将所建立的惩罚混合模型应用于中国省域经济发展水平划分研究,得到了比较准确的聚类结果。 展开更多

关键词 矩阵T分布 混合模型 自适应核范数 ECM算法 奇异值阈值

在线阅读 下载PDF 职称材料

FDiff-Fusion:基于模糊逻辑驱动的医学图像扩散融合网络分割模型

5

作者 耿胜 丁卫平 +3 位作者 鞠恒荣 黄嘉爽 姜舒 王海鹏 《计算机科学》 北大核心 2025年第6期274-285,共12页

医学图像分割在临床诊疗和病理分析中具有重要的应用价值。近年来,去噪扩散模型在图像分割建模方面取得了显著成功,其能够更好地捕获图像中的复杂结构和细节信息。然而,利用去噪扩散模型进行医学图像分割的方法大多忽略了分割目标的边... 医学图像分割在临床诊疗和病理分析中具有重要的应用价值。近年来,去噪扩散模型在图像分割建模方面取得了显著成功,其能够更好地捕获图像中的复杂结构和细节信息。然而,利用去噪扩散模型进行医学图像分割的方法大多忽略了分割目标的边界不确定和区域模糊因素,从而造成了最终分割结果的不稳定性和不准确性。为了解决这一问题,提出了一种基于模糊逻辑驱动的医学图像扩散融合网络分割模型(FDiff-Fusion)。该模型通过将去噪扩散模型集成到经典U-Net网络中,有效地从输入医学图像中提取丰富的语义信息。由于医学图像的分割目标边界不确定性和区域模糊化现象普遍存在,因此在U-Net网络的跳跃路径上设计了一种模糊学习模块。该模块为输入的编码特征设置多个模糊隶属度函数,以描述特征点之间的相似程度,并对模糊隶属度函数应用模糊规则处理,从而增强了模型对不确定边界和模糊区域的建模能力。此外,为了提高模型分割结果的准确性和鲁棒性,在测试阶段引入了基于迭代注意力特征融合的方法。该方法将局部上下文信息添加到注意力模块中的全局上下文信息中,以融合每个去噪时间步的预测结果。实验结果显示,与现有的先进分割网络相比,FDiff-Fusion在BRATS 2020脑肿瘤数据集上获得的平均Dice分数和HD95距离分别为84.16%和2.473mm,在BTCV腹部多器官数据集上获得的平均Dice分数和HD95距离分别为83.82%和7.98mm,表现出良好的分割性能。 展开更多

关键词 去噪扩散模型 U-Net网络 医学图像分割 模糊学习 迭代注意力特征融合

在线阅读 下载PDF 职称材料

联邦学习中隐私保护聚合机制综述

6

作者 仇健 马海英 +1 位作者 王占君 沈金宇 《计算机应用研究》 北大核心 2025年第6期1601-1610,共10页

联邦学习(FL)作为一种新型的分布式机器学习(DML)框架,通过聚合参与者上传的本地模型参数训练全局模型,可以有效保护参与者的本地数据隐私。然而,这些本地模型参数仍然存在泄露参与者隐私的风险,隐私保护聚合(privacy-preserving aggreg... 联邦学习(FL)作为一种新型的分布式机器学习(DML)框架,通过聚合参与者上传的本地模型参数训练全局模型,可以有效保护参与者的本地数据隐私。然而,这些本地模型参数仍然存在泄露参与者隐私的风险,隐私保护聚合(privacy-preserving aggregation,PPAgg)机制作为FL中的关键步骤,成为解决隐私问题的核心技术。首先简述联邦学习的概念和面临的隐私安全威胁;然后结合现有联邦学习中的隐私保护技术,重点阐述PPAgg机制的核心思想和关键步骤,详细分析了典型PPAgg机制的主要优缺点,并给出PPAgg机制适用的特定应用场景;最后通过对现有PPAgg机制的总结分析,展望联邦学习未来新的挑战性问题和发展方向,并给出可能的解决方案。 展开更多

关键词 联邦学习 隐私保护 聚合机制 区块链 安全多方计算

在线阅读 下载PDF 职称材料

深度学习编译器缺陷实证研究:现状与演化分析

7

作者 沈庆超 田家硕 +3 位作者 陈俊洁 陈翔 陈庆燕 王赞 《软件学报》 北大核心 2025年第7期3022-3040,共19页

深度学习编译器已被广泛应用于深度学习模型的性能优化和部署.与传统编译器类似,深度学习编译器也存在缺陷.存在缺陷的深度学习编译器会导致编译失败或者产生错误的编译结果,甚至有时会带来灾难性的后果.为了深入理解深度学习编译器缺... 深度学习编译器已被广泛应用于深度学习模型的性能优化和部署.与传统编译器类似,深度学习编译器也存在缺陷.存在缺陷的深度学习编译器会导致编译失败或者产生错误的编译结果,甚至有时会带来灾难性的后果.为了深入理解深度学习编译器缺陷的特性,已有工作针对深度学习编译器早期的603个缺陷进行研究分析.近年来,深度学习编译器在快速迭代更新,伴随着大量新特性的引入和旧特性的弃用.与此同时,一些针对深度学习编译器缺陷的检测工具已被开发出来.因此,需要分析之前对深度学习编译器缺陷的研究结论是否依然适用.此外,缺乏对缺陷症状、根因、位置三者之间关系的深入挖掘,并且缺乏对触发缺陷的回归测试用例特征和修复缺陷的补丁特征的研究.为了深入分析当下深度学习编译器缺陷特征和缺陷分布随时间的演化过程,收集当前3款主流深度学习编译器(即Apache的TVM、Facebook的Glow和华为的AKG)中的613个近期修复的缺陷,并对缺陷的根因、症状、位置等特征进行人工标注.基于标注结果,从多个不同角度深入挖掘缺陷的分布特征,并与已有研究进行对比分析.同时,对触发缺陷的回归测试用例和修复缺陷的补丁进行研究.最终获得12个主要研究发现,以全面了解深度学习编译器缺陷现状与演变过程,并为深度学习编译器缺陷的检测、定位、修复提供一系列可行的指导方案.最后,为了验证这些研究发现的有效性,开发了一款基于优化配置的测试工具CfgFuzz.CfgFuzz通过对编译配置选项进行组合测试,最终检测到8个TVM缺陷,其中7个缺陷已被开发人员确认或修复. 展开更多

关键词 深度学习编译器 缺陷分析 实证研究 缺陷检测 缺陷特征

在线阅读 下载PDF 职称材料

基于模糊自然邻的并行属性约简方法

8

作者 鞠恒荣 杨光 +4 位作者 王建涛 吕娅 李佳蓉 单婷婷 丁卫平 《南京理工大学学报》 北大核心 2025年第3期325-338,共14页

针对常见的分布式并行属性约简的方法在处理各种规模的数据集时的稳定性问题,该文提出了一种基于模糊自然邻的并行属性约简方法。该算法利用分布式计算框架,在主节点处获取数据,依据各类决策占比完成数据的划分操作,随后将处理后的数据... 针对常见的分布式并行属性约简的方法在处理各种规模的数据集时的稳定性问题,该文提出了一种基于模糊自然邻的并行属性约简方法。该算法利用分布式计算框架,在主节点处获取数据,依据各类决策占比完成数据的划分操作,随后将处理后的数据分发至相应的子节点。其次,利用双向邻居概念,结合模糊相似关系,构造自适应的模糊自然邻。然后,将模糊自然邻作为粒度,按照最大模糊差异性和最小冗余度的原则选择属性。最后,在主节点将各子节点的约简聚合,对统计后的结果进行统计排序筛选,生成最终的约简子集。实验结果表明,该文提出的算法显著提高了计算效率,同时保留了数据的关键属性,保持了约简后的分类精度。 展开更多

关键词 自然邻 属性约简 模糊关系 模糊熵 Spark分布式

在线阅读 下载PDF 职称材料

DE-NNs:基于动态证据神经网络的脑网络分析算法

9

作者 侯涛 丁卫平 +1 位作者 黄嘉爽 鞠恒荣 《计算机研究与发展》 北大核心 2025年第4期888-904,共17页

动态功能连接(dynamic functional connections,dFCs)已广泛应用于静息态功能磁共振成像(rsfMRI)分析,其可以将大脑功能连接视为在多个时间窗上动态变化的过程,探索大脑在不同时间段内的功能连接变化,为脑疾病诊断提供了新的视角和策略... 动态功能连接(dynamic functional connections,dFCs)已广泛应用于静息态功能磁共振成像(rsfMRI)分析,其可以将大脑功能连接视为在多个时间窗上动态变化的过程,探索大脑在不同时间段内的功能连接变化,为脑疾病诊断提供了新的视角和策略.然而常见的动态脑网络分析方法无法有效利用动态数据之间的潜在关联和时序性,且忽视了各个窗口因为数据质量不一致而导致的不确定性因素.为此,提出一种基于动态证据神经网络(dynamic evidence neural networks,DE-NNs)的脑网络分析算法.该算法设计了一种动态脑网络多视图证据获取模块,将动态脑网络的每个时间窗视为一个视图,利用3个不同的卷积滤波器提取动态脑网络每个时间窗的特征图,充分获取动态层面的证据.为了充分利用动态证据,设计了一种动态证据融合机制,结合证据理论合成规则,针对dFC数据的时序性构造动态信任函数,在分类的决策层对多个窗口产生的证据进行融合,充分考虑不确定性信息,显著提高分类性能.为验证所提DE-NNs的有效性,在3个精神分裂症数据集上与现有的先进算法进行比较实验,结果表明DE-NNs在3个脑疾病诊断任务上的准确率和F1分数都得到了显著提升. 展开更多

关键词 证据融合 不确定性 动态功能连接 脑网络分析 脑疾病诊断

在线阅读 下载PDF 职称材料

基于证据信息粒化的深度三支FCM聚类方法

10

作者 郭静 蔡超越 +4 位作者 陆杨 成晓天 樊晓雪 鞠恒荣 丁卫平 《南京师大学报(自然科学版)》 2025年第4期106-117,共12页

深度聚类由于其在数据挖掘和计算机视觉领域中处理高维数据的显著效果,已经成为一种流行的无监督学习方法.高维空间中的数据更容易存在模糊性,然而深度聚类无法直接处理数据中的模糊性.在许多实际问题中,数据之间相似性和关联性通常更... 深度聚类由于其在数据挖掘和计算机视觉领域中处理高维数据的显著效果,已经成为一种流行的无监督学习方法.高维空间中的数据更容易存在模糊性,然而深度聚类无法直接处理数据中的模糊性.在许多实际问题中,数据之间相似性和关联性通常更集中的表现在局部邻域内,但是传统的深度聚类方法忽略了数据之间的局部关系.为了解决上述问题,本文提出了一种基于证据信息粒化的深度三支FCM聚类方法.首先,本文提出一种新的对比深度FCM聚类网络框架,将数据从复杂的原始数据空间映射到合适的深度特征空间中.其次,基于三支决策的思想,将第一阶段的聚类结果划分为正域和边界域,以便处理数据中的不确定性.最后,引入半球邻域粒化方法,为不确定样本构造信息粒.基于此,本文利用证据理论对信息粒中的信任度进行融合,从而实现对不确定数据的再分配.本文所提方法更多地关注数据的局部结构,以准确地捕捉数据的内在特征.实验结果表明,本文所提出的方法有效地提升了聚类效果. 展开更多

关键词 证据理论 三支决策 信息粒化 FCM聚类 深度聚类 对比学习

在线阅读 下载PDF 职称材料

数智融合视角下地方文化遗产保护与利用

11

作者 钱毅 陈涛 +2 位作者 王梦 杨煚懿 徐毅 《国家图书馆学刊》 2025年第4期89-101,共13页

文化遗产是中华优秀传统文化的重要载体,承载着中华民族的基因和血脉。数字技术和人工智能的快速发展为文化遗产保护与传承注入新的动力。基于数智融合视角,本文提出数智创新驱动的地方文化遗产一体化保护框架,通过基础设施建设、智慧... 文化遗产是中华优秀传统文化的重要载体,承载着中华民族的基因和血脉。数字技术和人工智能的快速发展为文化遗产保护与传承注入新的动力。基于数智融合视角,本文提出数智创新驱动的地方文化遗产一体化保护框架,通过基础设施建设、智慧数据建设,实现文化遗产传承与创新的智慧服务应用。以张謇文献遗产为例,探索地方文化遗产数智化保护传承利用的实践路径,包括人工智能在张謇文献数据化、实体标注、关系抽取和智慧数据资源化的应用实践方法,验证了深度学习模型在张謇文献遗产数据化处理方面的准确性,构建了张謇文献遗产知识图谱,探索了文化遗产智慧数据的资源化利用。图5。表4。参考文献45。 展开更多

关键词 数智融合 文化遗产 地方文献 张謇 保护利用

在线阅读 下载PDF 职称材料