联邦学习是一种高效的分布式机器学习方法,其中多个设备使用自己的本地数据进行分布式模型训练,不需要交换本地数据,仅通过交换模型参数来构建共享的全局模型,从而保护用户的隐私。为了平衡模型性能和通信延迟,在半同步联邦学习场景下,...联邦学习是一种高效的分布式机器学习方法,其中多个设备使用自己的本地数据进行分布式模型训练,不需要交换本地数据,仅通过交换模型参数来构建共享的全局模型,从而保护用户的隐私。为了平衡模型性能和通信延迟,在半同步联邦学习场景下,使用权重参数建立了一个最小化模型性能和聚合时间的加权和的优化问题。优化变量包括进行全局模型更新的聚合时间、用户调度以及参与上传的用户的带宽和发射功率,通过使用交替方向乘子法(Alternating Direction Method of Multipliers, ADMM)将所提混合整数非线性规划(Mixed Integer Non-Linear Programming, MINLP)问题分解为两个子问题进行求解。仿真实验证明,所提算法能够以牺牲4%模型性能为代价,降低73%的聚合时间,显著提高了通信效率。展开更多
在模板(Template Attacks,TA)攻击的研究中,如何利用功耗曲线信息,合理选择有效点,增强匹配效果是改进模板攻击的一个重要方向.文中分析了目前有关功耗曲线主要特征提取方法的优缺点,并提出了一种基于回声状态网络(Echo State Network,E...在模板(Template Attacks,TA)攻击的研究中,如何利用功耗曲线信息,合理选择有效点,增强匹配效果是改进模板攻击的一个重要方向.文中分析了目前有关功耗曲线主要特征提取方法的优缺点,并提出了一种基于回声状态网络(Echo State Network,ESN)的功耗曲线特征提取方法.该方法针对ESN分类方法中的储备池参数选择问题,以时间预测序列精度为标准,采用网格法进行参数空间的优化搜索,并利用神经网络以数据样本形式作为定量知识自行处理的能力,对粗略对齐下的功耗曲线的特征提取能力进行了测试和评估.实验结果表明,基于ESN功耗曲线特征提取方法在功耗曲线数量相同条件下,通过合理选择内核参数,能够降低模板攻击对功耗曲线预处理技术的依赖,提高正确密钥的分类精度.展开更多
针对目前Simplici TI协议单点频谱检测存在的自干扰和隐藏终端问题,为了提高无线传感网络的抗干扰能力,根据协作频谱检测原理,提出了基于半投票规则的集中式协作频谱检测的协作频率捷变(cooperative frequency agility,CoFA)机制,并应用...针对目前Simplici TI协议单点频谱检测存在的自干扰和隐藏终端问题,为了提高无线传感网络的抗干扰能力,根据协作频谱检测原理,提出了基于半投票规则的集中式协作频谱检测的协作频率捷变(cooperative frequency agility,CoFA)机制,并应用于Simplici TI协议。该机制不仅发挥了协作频谱检测在减小多径、阴影效应及隐藏终端问题方面的优势,还能够解决传统FA机制的自干扰问题。实验测试表明此方法可以有效地解决原FA机制的自干扰问题,并且使Simplici TI的频谱检测性能平均提升42%。展开更多
文摘联邦学习是一种高效的分布式机器学习方法,其中多个设备使用自己的本地数据进行分布式模型训练,不需要交换本地数据,仅通过交换模型参数来构建共享的全局模型,从而保护用户的隐私。为了平衡模型性能和通信延迟,在半同步联邦学习场景下,使用权重参数建立了一个最小化模型性能和聚合时间的加权和的优化问题。优化变量包括进行全局模型更新的聚合时间、用户调度以及参与上传的用户的带宽和发射功率,通过使用交替方向乘子法(Alternating Direction Method of Multipliers, ADMM)将所提混合整数非线性规划(Mixed Integer Non-Linear Programming, MINLP)问题分解为两个子问题进行求解。仿真实验证明,所提算法能够以牺牲4%模型性能为代价,降低73%的聚合时间,显著提高了通信效率。
文摘在模板(Template Attacks,TA)攻击的研究中,如何利用功耗曲线信息,合理选择有效点,增强匹配效果是改进模板攻击的一个重要方向.文中分析了目前有关功耗曲线主要特征提取方法的优缺点,并提出了一种基于回声状态网络(Echo State Network,ESN)的功耗曲线特征提取方法.该方法针对ESN分类方法中的储备池参数选择问题,以时间预测序列精度为标准,采用网格法进行参数空间的优化搜索,并利用神经网络以数据样本形式作为定量知识自行处理的能力,对粗略对齐下的功耗曲线的特征提取能力进行了测试和评估.实验结果表明,基于ESN功耗曲线特征提取方法在功耗曲线数量相同条件下,通过合理选择内核参数,能够降低模板攻击对功耗曲线预处理技术的依赖,提高正确密钥的分类精度.
