【摘 要】
：
作为数字经济时代的新型生产要素,数据的潜在价值已被广泛认可。但是人工智能在使用数据时面临两个挑战,一是机器学习模型的发展离不开大规模高质量的数据,但现实中数据却分散成一个个“孤岛”。二是以欧盟《GDPR》和我国《个人信息保护法》为代表的法律法规,又对数据安全和个人数据隐私提出了更严格的要求。为了解决数据不共享情况下的联合建模问题,本文提出基于树模型的隐私保护联邦学习算法。首先,针对参与方都是半诚实
论文部分内容阅读
作为数字经济时代的新型生产要素,数据的潜在价值已被广泛认可。但是人工智能在使用数据时面临两个挑战,一是机器学习模型的发展离不开大规模高质量的数据,但现实中数据却分散成一个个“孤岛”。二是以欧盟《GDPR》和我国《个人信息保护法》为代表的法律法规,又对数据安全和个人数据隐私提出了更严格的要求。为了解决数据不共享情况下的联合建模问题,本文提出基于树模型的隐私保护联邦学习算法。首先,针对参与方都是半诚实的场景,本文提出一种基于纵向联邦学习的决策树算法FL-DT。该算法首先构造直方图数据存储结构用于通信传输,通过减少通信次数,有效提升训练效率。然后基于不经意传输的混淆布隆过滤器进行隐私集合求交,得到包含各参与方数据信息的联邦直方图,并以此直方图建立联邦决策树模型。其次,针对存在恶意参与方攻击模型的场景,本文进一步提出了基于区块链的联邦随机森林算法BFL-RF。BFL-RF首先将单棵决策树扩展成集成思想的随机森林算法,克服了单棵决策树预测准确率低和容易过拟合的缺点。然后提出质量证明共识机制Po Q抵御参与方恶意攻击训练模型,并制定奖励分配机制,吸引更多的机构参与模型训练,提高联邦系统的可扩展性。最后,通过实验证明Po Q算法能够有效抵御参与方的恶意攻击,奖励机制公平合理。最后,为了能够在真实场景中应用上述联邦学习算法,本文从算法层面和通信层面两个角度对联邦树模型进行效率优化。在算法层面采用直方图加速算法和并行计算方式加速模型训练效率。在通信传输层面采用高效的g RPC协议作为联邦系统的通信传输协议,并提出批处理预测算法,提升模型的预测效率。本文在六个常用的数据集上,评估了BFL-RF算法的精确性和有效性。实验结果表明,BFL-RF算法在测试集上的准确率比FL-DT高,逼近于数据集中情况下模型的准确率,而且优于其他联邦学习方法。另外,BFL-RF算法的训练和测试效率也有很大优势。
其他文献
深度伪造技术的出现和发展使得视频内容的真实性无法得到保证,同时深度伪造内容的迅速传播和受到的广泛关注使其带来的负面影响和潜在威胁日渐严重。因此,深度伪造检测技术的研究对个人隐私的保护和社会信任体系的维护都有着极其重要的意义。本文的研究内容是面向不同质量的深度伪造检测。现有的检测方法在面向经过压缩的深度伪造图像和视频时,检测准确率会出现明显的下降。本文将检测不同程度压缩率的深度伪造图像和视频定义为不
人群计数任务是指对图像中的人数进行准确估计,在交通控制、安全监测和环境研究等方面有很高的应用价值。近年来,研究者们对基于深度卷积神经网络的人群计数方法进行了深入研究,人群计数模型的性能越来越优异。然而,人群计数任务的泛化性问题却研究较少,不具备泛化性的人群计数方法的应用范围十分受限。基于上述研究背景,本文对人群计数任务的泛化性问题进行探索,并提出了人群计数的泛化性方法。本文完成的主要工作如下:（1
手部姿态与形状估计技术在人机交互、增强现实、虚拟现实、智能机器人等领域具有广泛的应用。近些年,随着深度学习的迅猛发展,涌现出大量基于计算机视觉的手部姿态与形状估计方法。尽管这些方法已经取得较高的估计精度,但是它们通常需要借助大量含有3D标签的数据进行训练,而3D标签的获取需要消耗大量的人力成本,因此研究不依赖于3D标签数据的手部姿态与形状的弱监督估计方法是十分必要的。为了减轻网络对3D标签的依赖,
舰船检测在海洋环境监测与港口安全保障中起着至关重要的作用,而基于传统光学图像的方法易受光照与天气条件影响。合成孔径雷达（Synthetic Aperture Radar,SAR）图像凭借其全天时、全天候的优势,成为舰船检测的重要数据源。随着机器学习等相关领域的发展,SAR图像舰船检测方法的性能不断提高。然而,近岸区域作为各个领域的重点关注区域,其舰船检测仍存在诸多亟需解决的问题。一方面,由于近岸区
人手是人机交互领域的重要研究对象,而基于视觉的手部姿态估计是虚拟现实、手语识别、机械手智能操作等人机交互应用的重要环节。近年来,随着深度学习和神经网络技术的快速发展,涌现出大量优秀的基于视觉的手部姿态估计方法。但是在手物交互的情境下,由于物体的遮挡问题,会加深手部姿态的模糊性,影响手部姿态估计结果的精准度。目前手物交互情境下的手部姿态估计方法仍有提升的空间,有必要对此展开研究。针对物体的遮挡问题,
针对工程中因现场条件限制需设置超高桥台的问题，基于Midas有限元分析软件，按不同比例考虑台前土压力作用，计算桥台内力，分析台前土压力对桥台内力、变形等的影响，结合项目实际观测情况，得到一个相对合理的台前土压力计算值。
医疗图像是辅助医生诊断的工具,已经广泛应用于现代医学诊疗之中。随着人工智能时代的到来,基于深度学习的肿瘤识别、病灶区域分割等技术不断涌现。而这些深度学习模型的建立,需要大量的数据及对其清晰准确的标注。但是在实际生活中,不同于普通图像数据,医疗图像数据具有以下的特点:医疗图像的处理与标注专业性强,且对准确性要求高,因此资源匮乏且不易获取;数据中包含极其敏感的隐私信息,受到法律法规的保护,因此各医疗机
为了开采、利用和保护海洋资源,人类在水下的活动越来越频繁,因此,对于高效和可靠的水下通信具有迫切的需求。相较于水声通信和水下射频通信,水下无线光通信具有速率高、带宽大、时延超低、保密性好、成本低等优势,受到了学界和业界的广泛关注。但是,相较于陆地通信环境,水下环境动态、复杂和多变,光信号在水中传播除了受到水体的吸收和散射造成的衰减之外,还会受到水下湍流造成的光信号的严重衰落,对通信的距离和服务质量
红外小目标检测技术在气象灾害预警、医学图像处理、辅助驾驶等领域有着广泛的应用。红外图像特征不明显且杂波干扰较多,这会极大增加小目标的检测的难度。在一些应用场景下,检测跟踪算法的实现装置需要具备隐蔽性、低功耗、实时性等特点,普通移动端设备很难满足此需求。为了满足上述要求,使用带有硬件加速特性的小型边缘计算设备是非常必要的,本文经过综合考虑最终选用ARM+FPGA的异构计算平台Zynq作为实现红外弱小
随着人工智能领域的快速发展,智能机器人已经从方方面面渗透到人们的日常生活中,人机交互的地位日益凸显。基于人手的人机交互在许多场合都发挥着重要作用,例如在虚拟现实中使用手进行信息输入、屏幕转换、信息获取等操作。因此作为手部交互的基础性工作,3D手势姿态估计具有很重要的研究价值。近年来,随着深度学习和卷积神经网络的发展,基于RGB图像的3D手势姿态估计引起了广泛的关注与研究,也取得了不错的成果,但是由