-
公开(公告)号:CN119089452A
公开(公告)日:2024-12-06
申请号:CN202411228592.2
申请日:2024-09-03
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: G06F21/57
Abstract: 本发明提出了一种融入原程序数据流的反模糊测试方法,其实现的技术方案为:分别生成多分支递归函数代码、映射函数代码、运算函数代码并插入源代码;从插入后的源代码文件中选取一个未选过的除了插入的三个函数代码之外的函数;从所选函数中提取函数参数以及函数代码;用映射函数代码替换函数代码中的常量;用运算函数代码替换函数代码的表达式;对替换后的源代码文件编译后的程序进行模糊测试。本发明能够产生大量代码分支,与原程序数据流融合,具有较强的反模糊测试效果,较强的鲁棒性和安全性,较低的时间开销和存储开销。
-
公开(公告)号:CN118211639A
公开(公告)日:2024-06-18
申请号:CN202410371816.9
申请日:2024-03-29
Applicant: 西安电子科技大学
IPC: G06N3/098 , G06N3/0464
Abstract: 一种针对同步掉队问题的联邦学习训练方法、系统及设备,其方法通过同步聚合算法,根据客户端在每一轮的本地训练时间和本地模型精度两个参数动态调整客户端下一轮次训练的本地迭代次数;通过客户端选择算法,在每一轮次训练中,以更高概率选择训练时间短、本地模型精度高的客户端参与本轮训练,实现联邦学习训练速度和准确率的同步提升;其系统、设备及介质能够针对同步掉队问题的联邦学习训练方法,实现联邦学习训练速度和准确率的同步提升,解决了现有技术中同步聚合方案中准确率低、收敛速度慢的问题。
-
公开(公告)号:CN117436134A
公开(公告)日:2024-01-23
申请号:CN202210808210.8
申请日:2022-07-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于区块链联邦学习的本地模型真值发现方法,涉及区块链技术领域,包括:任务发布者通过区块链发布任务和初始的全局模型;参与训练的训练者下载任务和初始的全局模型,训练带有水印的本地模型;参与训练的训练者向区块链提交带有水印的本地模型;矿工对参与训练的训练者的信任值和本地模型进行验证,获取验证结果,将验证结果通过区块链广播或发送至任务发布者;任务发布者根据验证结果对训练者发放报酬;矿工获取记账权,获得记账权的矿工将通过验证的本地模型聚合为全局模型,并更新参与训练的训练者的信任值;获得记账权的矿工将打包好的区块进行广播,达成全网共识后添加在区块链中。本申请能够提高整个系统验证的效率。
-
公开(公告)号:CN119420484A
公开(公告)日:2025-02-11
申请号:CN202411552681.2
申请日:2024-11-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分层激励的链下计算隐私保护方法,包括:请求节点通过智能合约向区块链发布计算任务;区块链对计算任务进行验证,并发布计算任务;计算节点通过智能合约选择与其等级相匹配的所述计算任务,并参与计算任务的接取;使用随机选择算法从同一计算节点层级中选择任一计算节点作为执行者,计算节点使用公钥和私钥加密的拍卖信息生成环签名,环签名验证通过后,计算节点将拍卖信息发送至执行者的可信执行环境,在可信执行环境中执行任务分配过程,并将分配结果反馈至所述计算节点;计算节点完成计算任务,并将计算结果反馈至区块链;其中,执行者可以同时为执行任务的计算节点。本发明能够提高计算节点利用率和任务执行效率。
-
-
-