检索结果-内蒙古大学图书馆

计算机工程 2025年第2期51卷 179-187页

作者：吴若岚陈玉玲豆慧张洋文龙钟贵州大学省部共建公共大数据国家重点实验室计算机科学与技术学院贵州贵阳550025

联邦学习作为新兴的分布式学习框架,允许多个客户端在不共享原始数据的情况下共同进行全局模型的训练,从而有效保护了数据隐私。然而,传统联邦学习仍然存在潜在的安全隐患,容易受到中毒攻击和推理攻击的威胁。因此,为了提高联邦学习的... 详细信息

联邦学习作为新兴的分布式学习框架,允许多个客户端在不共享原始数据的情况下共同进行全局模型的训练,从而有效保护了数据隐私。然而,传统联邦学习仍然存在潜在的安全隐患,容易受到中毒攻击和推理攻击的威胁。因此,为了提高联邦学习的安全性和模型性能,需要准确地识别恶意客户端的行为,同时采用梯度加噪的方法来避免攻击者通过监控梯度信息来获取客户端的数据。结合恶意客户端检测机制和本地差分隐私技术提出了一种鲁棒的联邦学习框架。该算法首先利用梯度相似性来判断和识别潜在的恶意客户端,减小对模型训练任务产生的不良影响;其次,根据不同查询的敏感性以及用户的个体隐私需求,设计一种基于动态隐私预算的本地差分隐私算法,旨在平衡隐私保护和数据质量之间的权衡。在MNIST、CIFAR-10和MR文本分类数据集上的实验结果表明,与3种基准算法相比,该算法在准确性方面针对sP类客户端平均提高了3百分点,实现了联邦学习中更高的安全性水平,显著提升了模型性能。

关键词：联邦学习中毒攻击推理攻击本地差分隐私隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于零集中差分隐私的联邦学习激励方案

引用

通信学报 2025年第1期46卷 79-92页

作者：李梦倩田有亮张军鹏赵冬梅贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学大数据与信息工程学院贵州贵阳550025 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024

针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私... 详细信息

针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私,提出了隐私预算动态分配算法,实现训练过程中噪声规模的动态调整,在严格隐私计算边界的情况下提供更强的隐私保护。理论分析与仿真实验证明,zCDP-FL能够有效防止隐私泄露,并提升了2.13%~3.62%模型训练效率。

关键词：联邦学习零集中差分隐私激励机制隐私预算动态分配

来源：评论

学校读者我要写书评

暂无评论

基于全同态加密的可验证多关键词密文检索方案

引用

计算机工程 2025年第4期51卷 188-197页

作者：唐莹莹陈玉玲罗运李再东贵州大学省部共建公共大数据国家重点实验室计算机科学与技术学院贵州贵阳550025

由于云服务器能够提供强大的存储和计算能力,因此个人和企业更趋向于将加密数据存储于云端。为了解决密文数据检索困难的问题,利用同态加密的密文检索方式成为研究热点。然而,现有的方案主要集中在单关键词检索上,由于检索限制条件较少... 详细信息

由于云服务器能够提供强大的存储和计算能力,因此个人和企业更趋向于将加密数据存储于云端。为了解决密文数据检索困难的问题,利用同态加密的密文检索方式成为研究热点。然而,现有的方案主要集中在单关键词检索上,由于检索限制条件较少、搜索精度较低,从而导致通信和计算开销较大。另外,将数据托管到第三方提供的不可信云主机上,可能出现删除、修改、返回不真实和不全面的搜索信息等恶意情况。为此,基于全同态加密和不经意伪随机函数提出一种新型的密文检索方案。通过构造加密的关键词索引和哈希表,使得方案能够支持多关键词的连接查询。利用文件的标识和大小生成验证标签,使得数据接收者能够对检索结果的正确性和完整性进行验证。理论分析和实验结果表明,相比于基于全同态加密的单关键词检索方案,在检索2~3个多关键词时,所提方案的密文搜索效率提升36.2%~45.9%,并且在检索更多关键词时拥有更好的综合性能。

关键词：云存储全同态加密密文检索安全共享可验证

来源：评论

学校读者我要写书评

暂无评论

基于偏序关系的多视图多粒度图表示学习框架

引用

智能系统学报 2025年第1期20卷 243-254页

作者：肖添龙徐计王国胤贵州大学省部共建公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 重庆邮电大学计算智能重庆市重点实验室重庆400065

图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系... 详细信息

图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系的多视图多粒度图表示学习框架(multi-view and multi-granularity graph representation learning based on partial order relationships,MVMGr-PO),它通过从节点特征视图、图结构视图以及全局视图对节点进行综合评分,进而基于节点之间的偏序关系进行下采样操作。相比于其他图表示学习方法,MVMGr-PO可以有效地提取多粒度图结构信息,从而可以更全面地表征图的内在结构和属性。此外,MVMGr-PO可以集成多种图神经网络架构,包括GCN(graph convolutional network)、GAT(graph attention network)以及GraphSAGE(graph sample and aggregate)等。通过在6个数据集上进行实验评估,与现有基线模型相比,MVMGr-PO在分类准确率上有明显提升。

关键词：图神经网络图池化多粒度偏序关系节点分类任务图表示学习半监督学习图嵌入

来源：评论

学校读者我要写书评

暂无评论

基于马尔可夫聚类的隐私高维数据发布方法

引用

计算机工程与设计 2025年第1期46卷 117-123页

作者：刘卓群龙士工张珺铭刘光源贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州建设职业技术学院基础部贵州贵阳551400

针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化... 详细信息

针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化差分隐私保护的数据后,构建无向依赖图矩阵表示高维数据的复杂的属性关联性,基于马尔可夫聚类将高维数据属性集分割成多个低维属性簇,利用EM算法计算低维属性簇和重叠属性簇的边缘分布、估计原始数据的联合分布,通过采样合成新的数据集进行发布。实验结果表明,所提出方法在发布高维数据集上有较好的精度、较少的迭代次数和较高的计算效率。

关键词：高维数据本地化差分隐私马尔可夫聚类数据发布联合分布估计属性关联性数据合成

来源：评论

学校读者我要写书评

暂无评论

基于掩码注意力与多特征卷积网络的关系抽取方法

引用

广西师范大学学报(自然科学版) 2025年第03期 12-22页

作者：卢展跃陈艳平杨卫哲黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

关系抽取旨在抽取两个命名实体之间的语义关系。近年来，提示学习通过拼接提示模板并进行掩码预测的方式，统一了预训练语言模型训练和微调过程的优化目标，在关系抽取领域取得了优异的性能。然而，固定的提示模板与关系实例间的弱语义... 详细信息

关系抽取旨在抽取两个命名实体之间的语义关系。近年来，提示学习通过拼接提示模板并进行掩码预测的方式，统一了预训练语言模型训练和微调过程的优化目标，在关系抽取领域取得了优异的性能。然而，固定的提示模板与关系实例间的弱语义关联导致模型对于复杂关系的语义感知能力差。针对这一问题，提出一种基于掩码注意力与多特征卷积网络的关系抽取方法。该方法采用三仿射注意力机制将提示模板中的掩码与关系实例的语义空间进行交互映射形成二维掩码语义，并利用多特征卷积网络和多层感知机提取二维掩码语义中的关系信息。该方法通过建立掩码与关系实例间的显式语义依赖，增强了提示模型对复杂关系的语义感知能力。该方法在数据集SemEval、SciERC和CLTC的性能分别达到91.4%， 91.2%和 82.6%。实验结果验证了该方法的有效性。

关键词：自然语言处理关系抽取提示学习三仿射注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

融合边界交互信息的命名实体识别方法

引用

广西师范大学学报(自然科学版) 2025年第03期 1-11页

作者：何安康陈艳平扈应黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

命名实体识别是自然语言处理领域中的一项基本任务，旨在识别和分类文本中的命名实体。目前，基于跨度的方法在实体识别方面取得了一定的进展，但这些方法往往忽视了候选跨度的质量差异。针对该问题，该文提出了一种融合边界交互信息的... 详细信息

命名实体识别是自然语言处理领域中的一项基本任务，旨在识别和分类文本中的命名实体。目前，基于跨度的方法在实体识别方面取得了一定的进展，但这些方法往往忽视了候选跨度的质量差异。针对该问题，该文提出了一种融合边界交互信息的命名实体识别方法。该方法通过一个边界交互模块评估边界间的语义关联和交互强度，生成边界交互信息矩阵。该矩阵用于识别边界间潜在的语义联系，引导模型识别和标记出高质量的候选跨度。此外，该方法集成了多尺度空洞卷积模块，通过利用跨度之间的语义关系来减轻非实体噪声的影响。实验表明，该方法在ACE2005中文数据集、ACE2005英文数据集和Weibo数据集上的F1值分别达到89.78%、87.37%和72.10%，与基准模型相比分别提升0.67、0.95和0.69个百分点，验证了该方法对命名实体识别的有效性。

关键词：命名实体识别信息抽取边界交互

来源：评论

学校读者我要写书评

暂无评论

结合边界信息的对比学习嵌套命名实体识别

引用

计算机应用 2025年

作者：范锦涛陈艳平杨采薇林川贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

针对现有对比学习(CL)方法在嵌套命名实体识别(NER)任务中存在以下两个主要缺点：1）枚举生成的候选实体作为对比学习的对象，缺失上下文语义依赖和边界信息；2）产生不必要的噪音和无效信息，增加模型的计算负担并弱化了对比学习的性... 详细信息

针对现有对比学习(CL)方法在嵌套命名实体识别(NER)任务中存在以下两个主要缺点：1）枚举生成的候选实体作为对比学习的对象，缺失上下文语义依赖和边界信息；2）产生不必要的噪音和无效信息，增加模型的计算负担并弱化了对比学习的性能。提出两阶段命名实体识别框架。在第一阶段，通过边界识别模型生成候选实体边界，并通过边界集成模块生成候选实体，减少不必要的负候选实体的生成；同时，在候选实体两侧插入注意力线索，生成对应的候选实体文本，使得模型能够感知上下文语义和边界信息。在第二阶段，提出一个双编码框架用于识别实体，通过对比学习将候选实体文本和实体类型注释映射到相同向量表征空间中，对比的对象不再是候选实体，而是带有注意力线索的句子。此外，设计带有标签语义的分类参数矩阵，丰富模型对候选实体的理解能力。与Binder方法相比，所提方法在GENIA、ACE2005和ACE2004三种嵌套数据集上，性能提升了1.22个百分点，3.42个百分点，2.31个百分点的F1值，验证了所提方法对嵌套命名实体识别任务的有效性。

关键词：对比学习边界信息双编码器标签语义嵌套命名实体识别

来源：评论

学校读者我要写书评

暂无评论

融合深度强化学习的卷积神经网络联合压缩方法

引用

计算机工程与应用 2025年第6期61卷 210-219页

作者：马祖鑫崔允贺秦永彬申国伟郭春陈意钱清贵州大学计算机科学与技术学院文本计算与认知智能教育部工程研究中心贵阳550025 贵州大学公共大数据国家重点实验室贵阳550025 贵州大学贵州省软件工程与信息安全特色重点实验室贵阳550025 贵州财经大学信息学院贵阳550025

随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 详细信息

随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。

关键词：卷积神经网络深度强化学习模型压缩通道剪枝权值量化边缘智能

来源：评论

学校读者我要写书评

暂无评论

基于HST的空间众包位置隐私保护方法

引用

计算机应用与软件 2025年第1期42卷 287-293页

作者：唐旭龙士工刘海弓晓锋贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州省科技信息中心贵州贵阳550025

针对空间众包中不可信的服务器获取用户真实的位置信息,导致用户隐私泄露的问题。提出一种基于层次分离树(HST)的空间众包位置隐私保护方法,用于保护用户的位置隐私和保证任务分配的有效性,将位置点集构造一个HST,设计一种基于HST的差... 详细信息

针对空间众包中不可信的服务器获取用户真实的位置信息,导致用户隐私泄露的问题。提出一种基于层次分离树(HST)的空间众包位置隐私保护方法,用于保护用户的位置隐私和保证任务分配的有效性,将位置点集构造一个HST,设计一种基于HST的差分隐私保护机制,对用户的位置节点进行扰动处理,并且理论证明该机制满足地理不可区分性。实验结果表明,在相同的隐私预算下,该方法在任务分配的总距离方面明显优于现有的差分隐私机制。

关键词：空间众包位置隐私地理不可区分性任务分配

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：