公开(公告)号：CN119940475A

公开(公告)日：2025-05-06

申请号：CN202411851758.6

申请日：2024-12-16

Applicant: 北京邮电大学 ,  北京控制工程研究所

Inventor： 张华 ,  高平昊 ,  刘振岩 ,  乔磊 ,  刘晨璐 ,  王华伟 ,  沈宗亮 ,  王永吉 ,  徐艳新 ,  王稼慧 ,  田梓安 ,  兰晨曦

IPC: G06N3/098 ,  G06N3/096 ,  G06N5/04 ,  G06V10/82 ,  G06V10/764

Abstract: 一种利用高阶子模型辅助训练的联邦学习方法及装置，该方法通过集成多高阶子模型的决策信息，增强低阶子模型的推理准确率；低阶子模型可以借助高阶子模型的决策信息和基于特征距离的最高阶子模型的量化矩阵辅助训练，提高训练效果；通过降低目标类别置信度的目标损失(信息熵)优化低阶子模型，避免了传统自蒸馏中再次拟合高阶子模型的目标类别置信度引起的信息偏移问题；利用对比学习统一各级子模型的特征维度，构建基于特征距离的最高阶子模型的量化矩阵作为监督信息，通过最小化低阶子模型与最高阶子模型距离矩阵的分布差异，引导低阶子模型接近最高阶子模型的量化矩阵，指导低阶子模型挖掘不同图像中的语义关系，提高模型的泛化能力。

公开(公告)号：CN119938492A

公开(公告)日：2025-05-06

申请号：CN202411861567.8

申请日：2024-12-17

Applicant: 北京邮电大学 ,  北京控制工程研究所

Inventor： 张华 ,  龚惠民 ,  王华伟 ,  乔磊 ,  沈宗亮 ,  王永吉 ,  王稼慧 ,  兰晨曦 ,  毛煜阳 ,  周岩

IPC: G06F11/362 ,  G06F11/3668 ,  G06N20/00

Abstract: 本申请提供一种AI代码缺陷修复数据集构建方法、缺陷修复方法及设备。数据集构建方法，包括：获取多组初始AI代码数据；每组初始AI代码数据分别包括缺陷数据和对应的修复数据；对多组初始AI代码数据进行变异处理；每组变异AI代码数据包括变异缺陷数据和对应的变异修复数据；对多组初始AI代码数据和多组变异AI代码数据分别进行去重和上下文提取处理，得到多组AI代码片段；依据CWE标准对多组AI代码片段进行分类和标注，得到多组结构化的AI代码片段；对多组结构化的AI代码片段进行预处理，以使多组结构化的AI代码数据对应的数据格式一致；将预处理后的每组结构化的AI代码片段，分别生成思维链数据，得到AI代码数据集。

公开(公告)号：CN119884735A

公开(公告)日：2025-04-25

申请号：CN202411850129.1

申请日：2024-12-16

Applicant: 北京控制工程研究所 ,  北京邮电大学

Inventor： 乔磊 ,  王华伟 ,  张潇锐 ,  张华 ,  蔡正华 ,  沈宗亮 ,  刘振岩

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/2111 ,  G06F18/2433 ,  G06F18/20 ,  G06F21/56 ,  G06F21/14

Abstract: 本申请提供了一种AI算法的后门攻击样本生成方法、装置及相关设备，该方法包括：获取样本程序，对所述样本程序进行特征提取，得到特征集；根据SHAP模型对所述特征集进行置信度计算，根据置信度计算结果在所述特征集中确定至少两个特征区域；根据设定策略对所述至少两个特征区域进行初始化，得到初始后门特征；在所述特征集的基础上，利用遗传算法对所述初始后门特征进行优化，得到目标后门特征；将所述目标后门特征反编译回所述样本程序，生成攻击样本。

公开(公告)号：CN119886284A

公开(公告)日：2025-04-25

申请号：CN202411841112.X

申请日：2024-12-13

Applicant: 北京邮电大学

Inventor： 张华 ,  徐艳新 ,  刘振岩 ,  沈宗亮 ,  田梓安 ,  高平昊 ,  程晓怡 ,  王永吉 ,  毛煜阳

IPC: G06N3/098 ,  G06N3/082 ,  G06N3/0499 ,  G06N3/0464 ,  G06F9/50

Abstract: 一种异构联邦学习下的模型自适应下发方法及系统，该方法通过构建多维度子模型规模的动态综合评估策略，从客户端的计算、存储、通信、数据资源和模型规模、计算量等多个维度综合评估子模型规模，得到更精准的模型裁剪率，指导服务器自适应地为客户端下发适配资源的子模型；针对服务器有公共数据集的场景，通过基于滚动训练等技术设计的动态子模型下发方法为资源异构的客户端下发子模型；针对服务器无公共数据集的场景，通过网络元素重要性设计的子模型下发策略为资源异构的客户端下发子模型；本发明中全局模型收敛速度快、准确率高，具有较好的流畅性和语法正确性。

公开(公告)号：CN119940570A

公开(公告)日：2025-05-06

申请号：CN202411870164.X

申请日：2024-12-18

Applicant: 北京邮电大学

Inventor： 张华 ,  田梓安 ,  徐艳新 ,  刘振岩 ,  高平昊 ,  程晓怡 ,  王稼慧 ,  沈宗亮 ,  王佥识

IPC: G06N20/00 ,  H04L9/00 ,  G06F21/60

Abstract: 本申请一个或多个实施例提供一种卫星节点资源异构下的联邦学习模型安全压缩方法及相关设备。所述方法包括：基于稀疏矩阵压缩算法对联邦学习模型压缩，得到所述联邦学习模型的第一压缩参数，每个所述第一压缩参数对应一个索引值；分别对所述第一压缩参数和所述索引值压缩和加密；其中，所述第一压缩参数基于拟合算法压缩，并基于同态加密算法加密。通过本申请可以在保证模型的安全性的条件下，提高模型通信效率。

公开(公告)号：CN119886329A

公开(公告)日：2025-04-25

申请号：CN202411830845.3

申请日：2024-12-12

Applicant: 北京邮电大学

Inventor： 张华 ,  刘振岩 ,  沈宗亮 ,  王永吉 ,  徐艳新 ,  王稼慧 ,  田梓安 ,  程晓怡 ,  高平昊

IPC: G06N5/04 ,  G06N20/00 ,  H04L9/40 ,  H04L9/00

Abstract: 本申请提供一种联邦学习的推理增强方法、装置、电子设备及存储介质，该方法包括推理客户端获取目标任务数据的目标特征，将所述目标特征加密后，发送给各个非推理客户端；然后确定所述目标特征与所述推理客户端包括的各个数据类别的数据的第二距离，以及确定各个数据类别对应的第二数据量，基于所述第一目标距离、所述第二距离、所述第一数据量及所述第二数据量确定所述目标任务数据的推理增强结果，通过与各个非推理客户端包括的各个类别的数据进行距离匹配，发挥了全局数据资源的优势，同时降低了客户端密文匹配时的计算代价，实现对全局异构数据的有效利用，提高了联邦学习推理增强的效率和准确度。