- 一种联邦学习中数据操纵攻击的安全防御方法
- 本发明公开一种联邦学习中数据操纵攻击的安全防御方法，包括以下几个步骤：步骤1，中心服务器接收用户上传的本地模型参数，计算每个用户上传的本轮本地模型参数的相似程度及每个用户对应的融合系数；所述本地模型参数为用户采用私有训练...
- 毛云龙袁新雨赵心阳仲盛
- 基于目标检测模型特征向量迁移的对抗样本生成方法
- 本发明公开了一种基于目标检测模型特征向量迁移的对抗样本生成方法，包括如下步骤：步骤S1、卷积神经网络特征向量迁移；步骤S2、对抗噪声的生成，步骤S3、对抗样本攻击效果评估。本发明对抗样本在目标检测等深度学习模型中攻击效果...
- 毛云龙袁新雨华景煜仲盛
- 文献传递
- 一种支持动态增加和删除用户数据的机器学习模型的实现方法
- 本发明公开了一种支持动态增加和删除用户数据的机器学习模型的实现方法，包括步骤1，服务器端的数据收集；步骤2，对用户数据集进行划分，得到一系列相互独立的数据子集，且每条用户数据只会存储于一个数据子集中；步骤3，通过子模型对...
- 毛云龙李成成仲盛
- 一种无人工噪声的深度学习模型保护方法
- 本发明公开一种无人工噪声的深度学习模型保护方法，包括步骤1，接收用户查询请求后，获取所需的经过训练的神经网络模型参数П、Θ，用户神经网络模型参数使用集合П＝{π<Sub>1</Sub>，π<Sub>2</Sub>，π<S...
- 毛云龙林宇朱博宇张渊仲盛
- 文献传递
- 一种基于模型转换实现隐私保护卷积神经网络推理的方法
- 本发明公开了一种基于模型转换实现隐私保护卷积神经网络推理的方法，服务器调用模型转换程序，从输入神经网络模型中选取N‑1个卷积层作为分割点；所述模型转换程序调用卷积层转换程序，根据神经网络的卷积层参数生成相应的压缩卷积层和...
- 林宇毛云龙张渊仲盛
- 一种密文明文混合学习模式的安全联邦学习方法
- 本发明公开了一种密文明文混合学习模式的安全联邦学习方法，包括第一阶段的加密训练协议、第二阶段的部分明文训练协议及当前协议的选择判别；客户端以自身训练过程中的指标和给出的判别方法，判断此轮训练应当使用哪一阶段的协议，并将判...
- 毛云龙杨轩麟张天陵仲盛
- 基于区块链构建安全去中心化的联邦学习方案被引量：4
- 2024年
- 联邦学习甫一问世便得到了广泛的关注,被认为是一种具有广阔前景的分布式机器学习范式.然而,传统联邦学习方案基于中央服务器的集中式设计,在效率和可扩展性上存在不足.此外,集中式设计需要有可信的中央节点协调参与者完成训练,可能导致信任和可靠性的问题,例如中央服务器被操控或是出现单点故障.为了解决上述问题,相关领域的研究人员提出了基于区块链的去中心化联邦学习方案.去中心化联邦学习修补了传统集中式联邦学习的缺陷,但与此同时也引入了全新的攻击面.具体而言,由于区块链将网络中节点发起的全部事务保存在一个公开共享的数字账本,所有区块链节点都可以获取联邦学习参与者每轮的本地训练模型副本.这一现象严重地侵害了参与者的数据隐私和自身利益.在上述困境的驱动下,本文提出了一种安全去中心化联邦学习的可行方案,能够同时解决联邦学习参与者的数据机密性问题和学习公平性问题.区别于此前的研究工作,还提出了一种基于区块链的联邦学习的生产–消费模型,用于在模型安全聚合过程中审查参与者的本地行为,防止出现参与者不劳而获或是虚假训练的情况,在此基础上本文提出APoS共识机制,提供一种激励与审查机制,确保参与者在联邦学习的过程中倾向于选择诚实的训练.
- 王恺祺洪睿琦毛云龙仲盛
- 关键词：区块链激励机制
- 一种面向安全编码图像的逆向解析及恢复关键属性的方法
- 本发明属于图像安全处理技术领域,公开了一种面向安全编码图像的逆向解析及恢复关键属性的方法，包括图像预处理，混合系数推断，分类器训练，潜在编码生成以及表征解纠缠网络的逆向解析，将高度缠绕的特征表示进行分离，从中还原出原始的...
- 毛云龙叶竹静张渊仲盛
- “互联网+”背景下用户隐私泄露与保护研究
- 互联网的迅猛发展，一方面带动了社会的进步，“互联网+”发展方向的提出催生了许多新生产业;另一方面也加速了计算机科学的研究，5G网络、大数据、人工智能、区块链等新兴研究领域不断涌现。新的产业和新的技术为人们的生活带来了更加...
- 毛云龙
- 关键词：网络安全隐私保护数据泄露移动互联网网络服务
- 文献传递
- 抗大数据分析的隐私保护:研究现状与进展被引量：7
- 2016年
- 隐私保护对于大数据时代的数据分享和利用起到了至关重要的作用。传统的隐私保护方法无法有效地应对在大数据环境中可能存在的数据间的深度关联带来的隐私泄露。因此,需要能够抗大数据分析的隐私保护方法。首先,调研了国内外学者的相关研究工作,并将当前和抗大数据分析的隐私保护相关的工作总结为海量高维异构数据隐私保护、地理位置隐私保护以及高可用性隐私保护发布方案3个方面。其次,着重介绍了南京大学COSEC研究团队在这方面取得的一些研究进展。最后,得到了抗大数据分析的隐私保护的重要性和前瞻性的结论,并介绍了未来可能的研究方向。
- 仝伟毛云龙陈庆军王彬入张保佳仲盛
- 关键词：隐私保护
