-
公开(公告)号：CN118427894A
公开(公告)日：2024-08-02
申请号：CN202410602133.X
申请日：2024-05-15
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 哈尔滨理工大学
Abstract: 本申请公开了一种利用密码硬件实现RSA隐私求交的装置，属于隐私计算技术领域，解决了现有技术中依靠软件实现的基于RSA的隐私求交方法处理速度低、安全性低，使用专门硬件单一实现RSA算法方法灵活性低、升级更新困难的问题。本申请提供的一种利用密码硬件实现RSA隐私求交的装置能够在不泄露参与隐私求交的双方数据的前提下，得到双方用户的交集，且该装置计算速度高、安全性高，无需通过专用密码硬件实现，易于更换和升级，可以应用于隐私求交。
-
公开(公告)号：CN117852686A
公开(公告)日：2024-04-09
申请号：CN202311614510.3
申请日：2023-11-29
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 哈尔滨理工大学 , 哈尔滨工业大学
Abstract: 基于多元自编码器的电力负荷预测方法，属于电力电网领域，本发明为解决现有电力负荷预测网络结构存在的问题。本发明所述预测方法采用基于编码器‑解码器架构的时间预测神经网络模型对电力负荷进行预测，时间预测模型采用多元自编码器实现；时间预测神经网络模型的构建步骤：S1、建立历史序列‑预测序列的训练集；S2、将历史序列拆分成趋势部分和周期部分；S3、MLP的编码器模块生成趋势部分编码；Transformer的编码器模块生成周期部分编码；S4、将两部分编码连接输入MLP的解码器模块进行解码得到最终的预测结果；S5、反复进行S2‑S4操作输出所有预测结果，利用损失函数计算真实序列与预测序列之间的损失，并根据损失值进行梯度反向传播和梯度下降更新模型参数。
-
公开(公告)号：CN119201984A
公开(公告)日：2024-12-27
申请号：CN202411263035.4
申请日：2024-09-10
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 国网黑龙江省电力有限公司电力科学研究院
Inventor： 张宏国 , 赵天诚 , 马超 , 张罗刚 , 关志博 , 李双翼 , 黄海 , 于海宁 , 王孝余 , 尚方 , 刘生 , 史心月 , 宋杭选 , 袁泽 , 王莹莹 , 李丹丹 , 林扬
IPC: G06F16/2452 , G06F16/242 , G06F16/33
Abstract: 基于检索增强生成的电力领域SQL自动生成方法及系统，涉及数据处理技术领域。解决了为了解决传统的SQL自动生成方法数据处理的效率和准确性低的问题。本发明首先将用户输入的问题编码为向量，并在预先编码的向量知识库中匹配相似度排名最高的k个键和描述信息。再基于排名最高的k个键及键对应的描述信息生成指令信息，SQL生成模型根据指令信息生成精准的SQL查询语句。本发明主要应用于电力领域自然语言问题转化为SQL查询语句。
-
公开(公告)号：CN115098887B
公开(公告)日：2024-08-06
申请号：CN202210921066.9
申请日：2022-08-02
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62 , G06F18/23213 , G06F18/22
Abstract: 本发明提出一种用于数据价值优化的匿名化模型推荐方法、设备，包括：导入原始数据，根据原始数据的类型和级别，确定原始数据的风险阈值；根据用户需求，判断匿名化方法为正向辅助推荐或反向主动推荐；分别根据选择的匿名化方法匹配一组候选配置方案，并对原始数据进行匿名化处理；对匿名化处理后的数据进行风险分析，保留符合风险阈值的数据；再对数据进行效用分析，选择其中最大值对应的匿名后数据作为输出；并将结果加入历史配置方案资源池。本发明能够在保证数据安全的前提下，在对数据进行匿名化处理后使得数据价值最大化。
-
公开(公告)号：CN116662910A
公开(公告)日：2023-08-29
申请号：CN202310773985.0
申请日：2023-06-28
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F18/243 , G06N3/098 , G06F18/214 , G16H50/20 , G16H10/60
Abstract: 一种基于联邦学习的多临床分期疾病辅助分类方法及系统，属于大数据、医疗技术领域。为提高分类模型的准确率及隐私数据安全性。本发明采集病例数据构建病例数据集，将病例数据集输入到客户端，进行分析处理，得到优化的病例数据集；客户端对优化的病例数据集进行XGGridBoost模型训练，得到完成训练的模型参数进行加密处理、压缩处理，得到处理的模型参数发送给中心服务端进行解压缩，然后对解压缩的模型参数进行安全聚合，并使用近似算法确定最佳分割点，中心服务端将最佳分割点发送给多个客户端，多个客户端接收后判断本地决策树是否达到最大深度，进行迭代训练或者输出训练模型。本发明解决数据孤岛的问题，提高隐私数据的安全性。
-
Patent Agency Ranking
公开(公告)号：CN118866355A
公开(公告)日：2024-10-29
申请号：CN202410914371.4
申请日：2024-07-09
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/30 , G16H50/20 , G06N3/0455 , G06F18/2135 , G06F18/24 , G06N3/096 , G06F18/15 , G06F18/23213
Abstract: 本发明一种基于联邦学习的代谢性疾病预测方法及系统，涉及智能医疗技术领域，为解决现有的模型难以全面进行多种代谢疾病的预测，且难以保障模型的运行效率、准确性以及数据的隐私安全。本发明构建多个代谢性疾病数据集，采用主成分分析和聚类对数据进行处理，构建合并数据集；构建有改进的DNN的网络模型，模型引入Transformer层和全连接层，Transformer层通过其注意力机制对数据进行特征提取与转换，并在向量信息中插入位置信息来捕捉主成分特征之间的隐含序列关系，全连接层之间通过残差层连接；基于联邦学习方法各客户端基于合并数据集采用蒸馏的方法对改进的DNN模型进行训练，最终得到全局的代谢性疾病预测模型，以实现对代谢性疾病进行分类。
-
公开(公告)号：CN118335340A
公开(公告)日：2024-07-12
申请号：CN202410589344.4
申请日：2024-05-13
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/50 , G16H50/70 , G16H10/60 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种多模态的痛风病多分期预测方法及系统，涉及智慧医疗技术领域，为解决现有技术中缺少基于深度学习的将病历与影像学数据相结合方法的问题。包括：步骤1、获取患者病历数据和影像数据，根据有无痛风石将影像数据插入到对应患者的病历数据，得到合并病历数据集；步骤2、对数据进行预处理；步骤3、将病历数据输入构建有自定义自注意力机制的LSTM‑DNN进行特征信息提取，得到特征W1；针对有痛风石的数据，则将影像数据输入3D‑CNN模型中进行特征提取，得到特征W2，并将特征W2对应的特征W1利用多模态交叉注意力进行融合，得到最终特征信息；步骤4、将最终特征信息输入到痛风病多分期预测模型中进行痛风的分期预测。本发明用于痛风病多分期预测。
-
公开(公告)号：CN118366540A
公开(公告)日：2024-07-19
申请号：CN202410460028.7
申请日：2024-04-17
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16B20/00 , G16B40/20 , G16H50/70 , G06N3/042 , G06N3/0455 , G06N3/084 , G06N3/09 , G06F18/213 , G06F18/241
Abstract: 基于图自编码器的LncRNA与疾病关联预测方法、设备及计算机存储介质，属于LncRNA与疾病关联关系的预测；解决了现有关联预测方法所存在的不能有效捕捉疾病与LncRNA之间的非线性关系或线性关系、预测效率低以及时间成本和经济成本高的问题；所述方法包括：S1、获取LncRNA、MiRNA与疾病三者之间的已知关联信息；S2、获得疾病的语义相似性；S3、获得LncRNA的功能相似性以及MiRNA的功能相似性；S4、采用矩阵拼接的方式，获得异构网络；S5、获得若干个特征子图；S6、获得与所述LncRNA与疾病节点对对应的特征向量；S7、获得关联度预测值。所述基于图自编码器的LncRNA与疾病关联预测方法、设备及计算机存储介质，适用于预测LncRNA与疾病的关联。
-
公开(公告)号：CN118262703A
公开(公告)日：2024-06-28
申请号：CN202410406097.X
申请日：2024-04-07
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明公开了一种面向金融领域的语音数据分类分级方法及系统，涉及金融语音数据安全技术领域。所述方法包括：获取用于训练的多个语音数据，并对语音数据进行预处理，获取频率特征数据；对频率特征数据进行数据增强，获取数据增强后的声学特征；将多个声学特征输入基于深度卷积神经网络的金融领域语音解析模型进行训练；将待识别语音数据对应的频率特征输入训练好的金融领域语音解析模型中，获取语音解析结果。本发明采用声学特征提取结合数据增强策略，提升了模型的泛化能力，通过直接从语音数据中进行分类和分级，能够在保证数据安全的前提下，显著提高语音处理效率和准确性。
-
公开(公告)号：CN118864087A
公开(公告)日：2024-10-29
申请号：CN202410910485.1
申请日：2024-07-09
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06Q40/03 , G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/62
Abstract: 本发明一种基于联邦学习和隐私保护的供应链金融信贷风险评估方法、系统及存储介质，涉及供应链金融领域，为解决现有方法中模型无法灵活适应不同类型数据，以及数据量不足和数据隐私问题。本发明基于联邦学习模型，参与方客户端采用信息瓶颈对信贷数据进行特征提取，并采用差分隐私向数据添加噪声，中心服务器对数据进行汇总得到全局数据集；改进的多层感知机的网络模型引入自适应激活函数和层间残差连接，参与方客户端基于本地数据集结合全局数据集对网络模型进行训练，采用同态加密对传送的模型参数加密，中心服务器对各参与方客户端模型参数进行安全聚合并解密，更新模型参数，循环训练得到信贷风险评估模型，对供应链金融信贷风险进行评估。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.071 seconds)
