-
题名基于联邦学习的多源数据用户画像设计方案
被引量：2
- 1
-
-
作者
陈晶
彭长根
谭伟杰
-
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
贵州大学贵州省大数据产业发展应用研究院
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2023年第5期83-91,共9页
-
基金
国家自然科学基金(U1836205,62272124)资助项目。
-
文摘
中小微型企业在用户画像实际应用中缺乏足够的数据和特征标签,难以得到精准的结果。同时,跨行业、跨部门数据以集中方式进行训练会导致隐私泄露。针对以上问题,提出了一种基于联邦学习的多源数据用户画像设计方案。该方案设计了联邦画像系统框架,利用联邦学习的计算机制和隐私求交算法,实现了多源数据共享,保证了各方数据集的隐私安全。实验表明,对比本地画像方案和部分多源数据画像方案,所提方案能够大幅度提高预测精度,具有更高的隐私安全性和算法扩展性。
-
关键词
用户画像
数据共享
数据隐私安全
联邦学习
预测准确率
-
Keywords
user portraits
data sharing
data privacy security
federated learning
prediction accuracy
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名面向数据安全治理的联邦学习模型投毒DCR防御机制
被引量：3
- 2
-
-
作者
黄湘洲
彭长根
谭伟杰
李震
-
机构
公共大数据国家重点实验室(贵州大学)
贵州大学计算机科学与技术学院
贵州大学贵州省大数据产业发展应用研究院
贵州大学大数据与信息工程学院
-
出处
《信息安全研究》
2022年第4期357-363,共7页
-
基金
国家自然科学基金项目(U1836205)
教育部重点实验室2021年度开放基金项目(GZUAMT2021KF[01])。
-
文摘
联邦学习能够实现数据的可用不可见,是数据安全治理的一种新模式,但是联邦学习同时面临模型投毒攻击的威胁,安全性亟需提升.针对该问题,提出了一种基于联邦学习的动态缓冲可回调(dynamic cacheable revocable,DCR)模型投毒防御机制.该机制基于损失的模型投毒防御方法,每一轮迭代之前计算并使用动态阈值,使得敌手无法先验地了解防御机制,提升了敌手的攻击难度.同时在机制中设置缓冲期轮次,降低了良性节点被“误杀”的风险.且系统存储每一轮的全局模型参数,若遭受模型投毒可重新加载缓冲期轮次前的全局模型参数,实现可回调.可回调的设置能够减少模型投毒攻击对全局模型的负面影响,使得联邦学习模型在遭受攻击行为之后仍能以较好的性能达到收敛,保证了联邦学习模型的安全与性能.最后在TFF(TensorFlowFederated)的实验环境下,验证了该机制的防御效果与模型性能.
-
关键词
数据治理
联邦学习
模型投毒
恶意节点
动态缓冲可回调
-
Keywords
data governance
federated learning
model poisoning
malicious node
dynamic cacheable revocable
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名周期性粗糙界面地震绕射波数值仿真与分析
- 3
-
-
作者
高国超
夏鹏
吉健维
-
机构
贵州大学资源与环境工程学院
贵州大学喀斯特地质资源与环境教育部重点实验室
贵州大学贵州省大数据产业发展应用研究院
-
出处
《科技创新与应用》
2024年第13期5-8,共4页
-
基金
贵州大学引进人才科研项目(贵大人基合字(2021)36号)
贵州省基础研究(自然科学)项目(黔科合基础-ZK[2024]一般088)
贵州省级地质勘查资金项目(52000021MGQSE7S7K6PRP)。
-
文摘
数值仿真作为勘探地震学中研究地震波的重要手段,为野外实际数据采集和处理提供有力的科学依据。作为反射地震成像的重要补充,绕射波可以提高成像分辨率。因此,有效识别和确认数据中绕射波成分显得尤为重要。以正弦形粗糙界面为研究对象,采用谱元法数值模拟技术,分析绕射波传播规律,确定绕射波空间分布特征。结果表明,地震波与正弦界面作用后产生不同阶绕射波,其运动学特征满足光栅方程,且高阶绕射波具有更加严重的角频散。此外,仿真结果对学生深入理解绕射波对地震数据处理的影响具有重要的辅助作用。
-
关键词
绕射波
数值仿真
周期界面
谱元法
角频散
-
Keywords
diffraction wave
numerical simulation
periodic interface
spectral element method(SEM)
angular dispersion
-
分类号
P631
[天文地球—地质矿产勘探]
-
-
题名人工智能安全治理挑战与对策
被引量：7
- 4
-
-
作者
彭长根
-
机构
贵州大学贵州省大数据产业发展应用研究院
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
贵州大学密码学与数据安全研究所
-
出处
《信息安全研究》
2022年第4期318-325,共8页
-
基金
国家自然科学基金项目(U1836205)
贵州省科技计划项目(黔科合平台人才[2020]5017)。
-
文摘
人工智能发展几经起伏,近年来再一次引发学术界和产业界的高度关注,其技术正在快速地应用于各个领域,已成为各国实现产业转型升级的新一轮战略性技术.但是以机器学习为核心技术的人工智能深度应用所引发的技术风险和社会风险日益凸显.从人工智能技术潜在安全漏洞、过度滥用和社会伦理3个方面,综述分析人工智能所面临的安全风险及其治理现状.进一步针对人工智能安全治理问题,从技术、标准和法律几个维度提出解决方案及建议,旨在为人工智能安全治理体系的建立及行业应用提供思路,也为人工智能安全技术研究提供探索方向.
-
关键词
人工智能
安全治理
机器学习
社会伦理
法律法规
-
Keywords
artificial intelligence
security governance
machine learning
social ethics
lasws and regulations
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
-
题名融合CBAM注意力机制的区域归一化图像修复
被引量：1
- 5
-
-
作者
李筱玉
张乾
周遵富
王轩云
何兴
-
机构
贵州民族大学数据科学与信息工程学院
贵州大学贵州省大数据产业发展应用研究院
-
出处
《信息技术与信息化》
2023年第10期136-143,共8页
-
基金
贵州民族大学校级科研项目(GZMUZK[2021]YB23)
黔教合YJSKYJJ[2021]121。
-
文摘
针对基于生成对抗网络的图像修复模型,在修复随机不规则大面积缺失区域的图像时仍存在修复图像出现伪影或失真的问题,提出一种融合卷积块注意力机制(convolutional block attention module,CBAM)的区域归一化图像修复模型。基于生成对抗网络(GAN)的思想,分为生成网络和对抗网络,在修复模型生成网络编码器与解码器之间的残差块中嵌入CBAM注意力机制,组合成包含混合扩张卷积、可学习区域归一化(RN-L)和CBAM注意力机制的残差块,来获得更有效的感受野,并自动检测图像中潜在的缺失和未缺失区域,同时捕获图像缺失区域的关键局部细节信息,提升网络的特征学习能力,进而提取待修复图像中的有效特征;将原来残差块和解码器的激活函数由ReLU改为Mish及ELU,有效减少信息的保留,从而加快网络的训练。在CelebA、Paris StreetView以及Places2数据集上对具有不规则缺失区域的图像进行实验,采用性能评价指标峰值信噪比(PSNR)、结构相似性(SSIM)和L1损失进行评价。实验结果表明,模型的定性和定量分析结果均优于对比模型,其性能评价指标值更高,修复图像的视觉效果更好。模型在修复随机不规则大面积缺失区域的图像时,能有效消除伪影,呈现出更好的视觉效果,并且模型的收敛速率更快。
-
关键词
生成对抗网络
图像修复
区域归一化
注意力机制
编码器-解码器
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
