公开(公告)号：CN116594992A

公开(公告)日：2023-08-15

申请号：CN202310876419.2

申请日：2023-07-18

Applicant: 北京交通大学

Inventor： 王伟 ,  许向蕊 ,  原笑含 ,  陈政 ,  刘鹏睿 ,  郝玉蓉 ,  祝咏升 ,  胡福强 ,  吕晓婷 ,  李超 ,  段莉 ,  刘吉强

IPC: G06F16/215 ,  G06N20/00

Abstract: 本说明书实施例提供了一种针对深度学习模型的机器遗忘方法及装置，其中，方法包括：根据当前拥有数据对原始深度学习模型进行训练，得到训练后的初始模型；根据请求被删除数据计算所述请求被删除数据的遗忘损失；将所述遗忘损失最小化，执行机器遗忘更新所述初始模型，得到遗忘后模型。本公开能够支持已训练模型对任意数据执行高效的遗忘，同时保证模型的可用性，在不损害模型可用性的基础上实现对特定样本的精准删除。

公开(公告)号：CN119474489A

公开(公告)日：2025-02-18

申请号：CN202510068033.8

申请日：2025-01-16

Applicant: 中国铁道科学研究院集团有限公司电子计算技术研究所 ,  北京交通大学 ,  中国铁道科学研究院集团有限公司 ,  中国国家铁路集团有限公司

Inventor： 祝咏升 ,  王伟 ,  陈国荣 ,  蔡伯根 ,  原笑含 ,  王万齐 ,  陈政 ,  刘敬楷 ,  郝玉蓉 ,  杜飞

IPC: G06F16/9035 ,  G06F16/9038 ,  G06N20/00

Abstract: 本申请公开了一种基于联邦学习的推荐方法、装置、设备和存储介质，用于提高推荐系统的公平性。本申请接收目标对象上传的目标属性；基于目标属性对目标对象进行分组，得到群体；针对每个群体基于目标属性的属性值对目标对象进行分组，得到子群体；针对每个子群体，将子群体对应的模型参数集发送给子群体中的每个目标对象；以使目标对象根据接收到的模型参数集本地模型进行训练；本地模型用于执行推荐操作。用户可以选择自己期望的敏感属性，根据不同的敏感属性构建不同的群体，并根据群体中的不同取值来构建子群体，针对每个子群体均设置了对应的模型参数集，进而可以保证训练得到的本地模型更加的准确，可以保证公平性的同时提供较高的推荐性能。

公开(公告)号：CN116702191A

公开(公告)日：2023-09-05

申请号：CN202310615878.5

申请日：2023-05-29

Applicant: 北京交通大学 ,  中国铁道科学研究院集团有限公司电子计算技术研究所

Inventor： 王伟 ,  原笑含 ,  祝咏升 ,  胡福强 ,  王斌 ,  陈政 ,  吕晓婷 ,  许向蕊 ,  刘吉强

IPC: G06F21/62 ,  G06F21/60 ,  G06N20/20

Abstract: 本发明提供了一种联邦学习本地模型参数聚合方法。该方法包括：对可信机构进行初始化处理，获得系统公共参数和主私钥；客户端和中心服务器向可信机构请求注册，可信机构组建所有客户端的通信群；客户端使用本地数据对中心服务器下发的全局模型进行训练，获得本地模型参数；客户端使用签名密钥和中心服务器的公钥签名并加密本地模型参数，将本地模型参数的密文和签名以匿名方式上传给中心服务器；中心服务器解密各客户端上传的本地模型参数，验证本地模型参数的签名；聚合经过验证的本地模型参数，根据聚合结果更新全局模型，向通信群中的所有客户端广播更新后的全局模型。本发明方法强化了联邦学习的隐私保护能力，维护联邦学习系统的鲁棒性。

公开(公告)号：CN115601034B

公开(公告)日：2023-05-12

申请号：CN202211207488.6

申请日：2022-09-30

Applicant: 北京交通大学

Inventor： 王伟 ,  王斌 ,  原笑含 ,  王滨 ,  马洪亮 ,  段莉 ,  刘吉强 ,  金一 ,  李浥东

IPC: G06Q20/38 ,  G06Q20/40 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供了一种面向去中心化金融的攻击检测方法。该方法包括：提取面向去中心化金融的交易事件中的全局信息和局部信息，根据全局信息和局部信息提取全局特征和局部特征，保存训练好的全局模型与局部模型的参数；通过融合模型将全局特征与局部特征相融合并，提取不同层次的高级语义特征，保存训练好的融合模型的参数。通过训练好的全局模型、局部模型和融合模型对待检测的交易事件进行攻击检测，判定待检测的交易事件数据为攻击或者为正常交易数据。本发明方法为去中心化金融中的自动化攻击检测给出理论依据和实践方法，为当前去中心金融提供安全保障，促进去中心化金融生态的稳定和可持续发展。

公开(公告)号：CN115601034A

公开(公告)日：2023-01-13

申请号：CN202211207488.6

申请日：2022-09-30

Applicant: 北京交通大学(CN)

Inventor： 王伟 ,  王斌 ,  原笑含 ,  王滨 ,  马洪亮 ,  段莉 ,  刘吉强 ,  金一 ,  李浥东

IPC: G06Q20/38 ,  G06Q20/40 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供了一种面向去中心化金融的攻击检测方法。该方法包括：提取面向去中心化金融的交易事件中的全局信息和局部信息，根据全局信息和局部信息提取全局特征和局部特征，保存训练好的全局模型与局部模型的参数；通过融合模型将全局特征与局部特征相融合并，提取不同层次的高级语义特征，保存训练好的融合模型的参数。通过训练好的全局模型、局部模型和融合模型对待检测的交易事件进行攻击检测，判定待检测的交易事件数据为攻击或者为正常交易数据。本发明方法为去中心化金融中的自动化攻击检测给出理论依据和实践方法，为当前去中心金融提供安全保障，促进去中心化金融生态的稳定和可持续发展。

公开(公告)号：CN118966380A

公开(公告)日：2024-11-15

申请号：CN202411023007.5

申请日：2024-07-29

Applicant: 北京交通大学

Inventor： 王伟 ,  原笑含 ,  王斌 ,  陈国荣 ,  刘鹏睿 ,  段莉 ,  刘吉强 ,  吕晓婷 ,  许向蕊 ,  祝咏升 ,  陈政 ,  胡福强 ,  代娇

IPC: G06N20/00 ,  G06F21/62

Abstract: 本发明提供一种实现数据遗忘的模型更新方法、数据隐私保护方法及系统，属于数据隐私保护技术领域，中央服务器初始化全局遗忘模型；除目标客户端以外的剩余客户端获取初始化后的全局遗忘模型以进行本地训练；剩余客户端进行本地训练，将训练好的分类器传输给中央服务器；中央服务器通过余弦相似性对新的分类器参数进行判断；中央服务器通过新的分类器参数对历史分类器参数进行校准；中央服务器使用分类器参数更新全局遗忘模型。本发明减少了通讯开销；提高了遗忘操作的效率；提升了机器遗忘过程的鲁棒性，保障全局模型的可靠性。