-
公开(公告)号:CN118798397B
公开(公告)日:2024-11-29
申请号:CN202411289287.4
申请日:2024-09-14
Applicant: 清华大学
Abstract: 本公开提出一种高效协作学习的训练方法及装置,涉及协作学习技术领域。其中,方法包括:利用各个本地节点上的本地样本数据计算对应本地模型的梯度均值向量和梯度向量的协方差矩阵,以及全局梯度均值向量和全局协方差矩阵;根据全局梯度均值向量、全局协方差矩阵以及各个本地模型的梯度均值向量和梯度向量的协方差矩阵,确定各个本地节点的最优本地更新次数,并使每个本地节点根据最优本地更新次数进行本地更新。本公开根据各本地节点的梯度向量为不同信息丰富程度的本地节点分配最优本地更新次数,使其在模型传输中能够携带更多有效信息上传给聚合节点,由此提升信息传输效率,优化梯度信噪比,加速协作学习的模型收敛速度。
-
公开(公告)号:CN106789912A
公开(公告)日:2017-05-31
申请号:CN201611050332.6
申请日:2016-11-22
Applicant: 清华大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于分类回归决策树的路由器数据平面异常行为检测方法,包括:根据数据传输需求和应用场景需求选择多个属性,根据多个属性构建已有数据规模一致的属性向量数据集合和标记数据集,标记数据集中每个标记包括正常或异常两个取值;根据属性向量数据集合和标记数据集构建分类回归决策树;根据分类回归决策树对新数据进行异常行为的检测。本发明具有如下优点:相对于已有的路由器数据平面异常检测方法,具备检测误差小、扩展性强、性能稳定等优点。
-
公开(公告)号:CN117539449A
公开(公告)日:2024-02-09
申请号:CN202410028493.3
申请日:2024-01-09
Abstract: 本发明公开了一种高效灵活的协作学习框架及方法,该框架包括,协作学习训练环境初始化模块,用于提供协作学习的多种开发方式和训练配置;任务个性化定制模块,用于用户选择性的对模型训练任务进行自定义设置;智能打包传输模块,用于智能选择和打包模型训练任务对应的代码,并通过可执行文件的形式传输至客户端;任务扩展模块,用于根据需求添加辅助功能,以满足不同应用场景的需求。本发明提高了用户体验和开发效率,并使得用户无需了解底层算法逻辑,就可实现对其他功能模块的扩展,可扩展性强、适用场景广泛。
-
公开(公告)号:CN116489163B
公开(公告)日:2023-09-19
申请号:CN202310715439.1
申请日:2023-06-16
Applicant: 清华大学
IPC: H04L67/104 , H04L67/10 , G06N20/00
Abstract: 本发明公开了基于多链的边缘个性化协作学习方法及装置,该方法包括:在主链上发布当前轮次的协作学习任务,并获取初始主链全局模型;基于初始主链全局模型的参数优化结果得到各个自治链上对应的链内全局模型;协调边缘节点进行当前轮次的模型训练以得到各边缘节点的局部模型,并进行当前轮次的参数聚合得到一次聚合后自治链内全局模型;协调领导节点将聚合后自治链内全局模型在当前轮次参数进行二次聚合获得最终主链全局模型,最终主链全局模型进行当前轮次的模型参数微调得到当前轮次优化后的链内全局模型以完成当前轮次的协作学习任务。本发明能够针对不同网络场景进行定制化服务,以实现规模更大、兼容性更强以及更易于参与的协作学习任务。
-
公开(公告)号:CN113762404A
公开(公告)日:2021-12-07
申请号:CN202111076549.5
申请日:2021-09-14
Applicant: 清华大学
Abstract: 本发明公开了一种端边云场景下具备主动防御能力的层次化态势感知方法及装置,该方法包括:在云端构建预设任务对应的特征提取模块库;依据端节点的态势感知场景和云端特征提取模块库中随机选取的特征提取模块,在边缘节点构建初始态势感知模块,并对态势感知模块的参数进行优化;通过噪音生成方法生成噪音数据,利用噪音数据和原始数据对态势感知模块的参数进行二次优化得到具有主动防御能力的态势感知模块;利用态势感知模块,由端节点对感知到的数据进行实时态势感知。该方法可以高效地统筹利用端边云场景下复杂异构的计算资源、存储资源、通信资源,使得端边云场景下资源受限的端节点能够利用感知到的数据做出准确并且高效的决策。
-
公开(公告)号:CN106878172A
公开(公告)日:2017-06-20
申请号:CN201710016518.8
申请日:2017-01-10
Applicant: 清华大学
IPC: H04L12/721 , H04L12/725 , H04L12/733 , H04L12/751 , H04L12/801 , H04L29/06
Abstract: 本发明公开了一种可信路由系统中路由器可信分级动态调整方法,包括:根据全网路由的路由表计算每个路由器的可信权值;在路由转发过程中,如果某一路由器受到流量限制或遭受攻击时,降低自身可信权值并通知前一跳路由;每间隔预设时间阈值,根据预设路径更新权值方法更新受到流量限制或遭受攻击的路由器的路径权值,并更新全网路由的路由表;根据更新后的全网路由的路由表重新计算每个路由器的可信权值。本发明具有如下优点:让用户数据能够按照一个可预期的相对可信路由线路进行传输,强化了路由系统的可信程度,进一步改善了路由交换的效率和质量,保障了用户的体验效果。
-
公开(公告)号:CN118334213A
公开(公告)日:2024-07-12
申请号:CN202410253047.2
申请日:2024-03-06
Applicant: 清华大学
IPC: G06T15/00 , G06T15/20 , G06T19/20 , G06V10/764 , G06F9/50
Abstract: 本申请提出了一种基于边缘计算的分布式实时渲染方法和装置,该方法包括:计算每一帧待渲染画面中的3D模型数据、视角数据和光照数据,通过深度学习的方式得到完整图像的画面分割方式,将对应的3D模型数据、视角数据和光照数据分发给每个边缘服务器,各个边缘服务器进行光栅化计算和光照计算生成局部图像,计算完毕后,将局部图像传输回终端设备整合成完整图像,在渲染的同时根据每一帧渲染的延迟和通信量生成经验训练智能体,以对画面分割方式进行调整。本申请能够使得渲染任务在各个边缘服务器之间分布得更加均匀,并且能够充分利用多数静态模型的世界位置不变的特点,显著减少3D模型数据在边缘服务器之间的传输,以最小化渲染延迟和通信传输量。
-
公开(公告)号:CN116489163A
公开(公告)日:2023-07-25
申请号:CN202310715439.1
申请日:2023-06-16
Applicant: 清华大学
IPC: H04L67/104 , H04L67/10 , G06N20/00
Abstract: 本发明公开了基于多链的边缘个性化协作学习方法及装置,该方法包括:在主链上发布当前轮次的协作学习任务,并获取初始主链全局模型;基于初始主链全局模型的参数优化结果得到各个自治链上对应的链内全局模型;协调边缘节点进行当前轮次的模型训练以得到各边缘节点的局部模型,并进行当前轮次的参数聚合得到一次聚合后自治链内全局模型;协调领导节点将聚合后自治链内全局模型在当前轮次参数进行二次聚合获得最终主链全局模型,最终主链全局模型进行当前轮次的模型参数微调得到当前轮次优化后的链内全局模型以完成当前轮次的协作学习任务。本发明能够针对不同网络场景进行定制化服务,以实现规模更大、兼容性更强以及更易于参与的协作学习任务。
-
公开(公告)号:CN109981689B
公开(公告)日:2020-05-12
申请号:CN201910354377.X
申请日:2019-04-29
Applicant: 清华大学
Abstract: 本发明公开了一种物联网场景下跨域逻辑强隔离与安全访问控制方法及装置,其中,该方法包括:当某台物联网网关接收到身份认证请求后,该网关将此请求广播到域内的其它物联网网关上;域内的物联网网关接收到身份认证请求后,开始独立验证是否该身份认证请求是否合法;某台物联网网关得出身份认证结果后,启动分布式共识机制;域内的物联网网关通过分布式共识机制对认证结果达成共识,而后身份认证结果被写入区块存储起来,这些区块形成区块链。由此,域内的物联网网关以分布式共识机制进行访问控制,实现跨域逻辑强隔离,有效提升了物联网系统的安全性,并且身份认证结果存储在区块链中的区块上,具有公开透明和可追溯的特性。
-
公开(公告)号:CN109861927A
公开(公告)日:2019-06-07
申请号:CN201811458572.9
申请日:2018-11-30
Applicant: 清华大学
IPC: H04L12/803 , H04L12/841 , H04L29/06 , H04L1/16
Abstract: 本发明公开了一种传输层多路径通信方法及系统,其中,该方法包括:在网络协议的应用层和传输层之间部署MPTUP层;通过第一预设方式在连接发起方和连接接受方之间发起连接;连接发起方与连接接受方通过TCP连接进行数据通信,在连接发起方与连接接受方均支持MPTUP传输层多路径传输时,通过建立UDP子流发送和接收数据;连接发起方或连接接受方均可断开UDP子流;连接发起方或连接接受方停止MPTUP传输层多路径传输,以第二预设方式结束数据通信。该方法支持多路径传输,充分利用网络带宽资源,实现网络链路负载均衡,可以在端主机不支持MPTUP时使用标准TCP进行通信。
-
-
-
-
-
-
-
-
-