基于更新质量检测和恶意客户端识别的联邦学习模型

作为分布式机器学习,联邦学习缓解了数据孤岛问题,其在不共享本地数据的情况下,仅在服务器和客户端之间传输模型参数,提高了训练数据的隐私性,但也因此使得联邦学习容易遭受恶意客户端的攻击。现有工作主要集中在拦截恶意客户端上传的更新。对此,研究了一种基于更新质量检测和恶意客户端识别的联邦学习模型umFL,以提升全局模型的训练表现和联邦学习的鲁棒性。具体而言,通过获取每一轮客户端训练的损失值来计算客户端更新质量,进行更新质量检测,选择每一轮参与训练的客户端子集,计算更新的本地模型与上一轮全局模型的相似度,从而判定客户端是否做出积极更新,并过滤掉负面更新。同时,引入beta分布函数更新客户端信誉值,将信誉值过低的客户端标记为恶意客户端,拒绝其参与随后的训练。利用卷积神经网络,分别测试了所提算法在MNIST和CIFAR10数据集上的有效性。实验结果表明,在20%~40%恶意客户端的攻击下,所提模型依旧是安全的,尤其是在40%恶意客户端环境下,其相比传统联邦学习在MNIST和CIFAR10上分别提升了40%和20%的模型测试精度,同时分别提升了25.6%和22.8%的模型收敛速度。

统一规范的气象观测数据传输客户端的设计与实现

随着国内气象观测技术的不断发展,观测设备种类和数量不断增加,同时数值模式预报及实况业务对观测数据传输时效和质量有了更高的要求。目前地面、高空和雷达等测站端所用传输软件种类多样,传输稳定性、完整性和时效性无法得到保障。为此,设计开发了传输客户端软件,统一了从测站至省级的数据传输标准,规范了与观测系统的接口及数据传输流程。软件具备高可靠、可扩展、易维护等特性,针对不同特点的观测数据设计不同传输协议,为气象“云+端”业务技术体制建设提供“直传入云”的应用软件支撑。软件已在全国2400个国家级地面气象自动观测站和600个农气观测站进行部署,传输时效性和完整性有大幅度提高。

面向不平衡类的联邦学习客户端智能选择算法

在联邦学习应用场景下,若客户端设备之间的数据呈现非独立同分布特征,甚至出现类不平衡的情况时,客户端本地模型的优化目标将偏离全局优化目标,从而给全局模型的性能带来巨大挑战。为解决这种数据异质性带来的挑战,通过积极选择合适的客户端子集以平衡数据分布将有助于提高模型的性能。因此,设计了一种面向不平衡类的联邦学习客户端智能选择算法—FedSIMT。该算法不借助任何辅助数据集,在保证客户端本地数据对服务器端不可见的隐私前提下,使用Tanimoto系数度量本地数据分布与目标分布之间的差异,采用强化学习领域中的组合多臂老虎机模型平衡客户端设备选择的开发和探索,在不同数据异质性类型下提高了全局模型的准确率和收敛速度。实验结果表明,该算法具有有效性。

构建“新闻+评论+社交”内容新生态的精细化实践——以潮新闻客户端《读端》栏目为例

浙江日报报业集团(简称浙报集团)的潮新闻客户端品牌栏目《读端》,以打造“新闻+评论+社交”内容新生态而闻名并在业界引起广泛关注。在实践上,《读端》通过“扩大人的连接”来推动“新闻+”,即邀请政府官员、专家学者等各领域人士点评潮新闻客户端的原创新闻,通过短短数百字的独到见解,为受众更好地理解新闻提供全新的视野和思路;在模式上,《读端》通过“以用户为中心”来推动“新闻+”,即从内容生产分发到意见领袖点评,再到进一步扩大传播,构建全新内容生态。

顶端新闻客户端的融合创新之路

媒介和传播技术的快速迭代改变了传统媒体的发展格局,催生了媒体生态系统的变革。面对移动化、数据化、智能化等新趋势的挑战,转型升级与深度融合成为传统媒体发展的必然选择。媒体融合强调不同媒介之间的互动与结合,通过整合传统媒体与新媒体实现跨媒介的运作与转型发展。在这一背景下,建设自主可控的移动新闻客户端被认为是传统主流媒体转型发展的关键路径之一。主流媒体在推动客户端建设方面采取了不同的路径。例如,中央广播电视总台开办了央视频,湖南卫视打造了移动客户端芒果TV,浙江日报报业集团推出了天目云新闻客户端。

新闻客户端特点分析及运营策略思考

随着互联网技术的不断进步,新媒体形式也日趋多样化。从早期的SNS社区、QQ空间,到微博、微信、短视频平台,再到新闻客户端,这些新媒体形式以其即时性、互动性和个性化等特点,迅速吸引了大量用户,对传统媒体产生了巨大冲击。短视频、H5、创意海报……新闻的数字化程度越来越高。在全民新媒体阅读的大环境下,新闻客户端如何吸引更多的用户群体,成为当下需要探讨的话题。

新闻客户端以媒体服务塑造客户端品牌策略探究

随着信息时代的快速发展,新闻客户端作为媒体服务的重要平台,其品牌塑造在日益激烈的市场竞争中显得尤为关键。基于此,本文以媒体服务为视角,首先阐述媒体服务在新闻客户端品牌塑造中的重要性,其次分析新闻客户端媒体服务的现状,再次探讨媒体服务对新闻客户端品牌塑造的影响机制,最后提出新闻客户端以媒体服务塑造品牌的策略与实践,旨在为新闻客户端品牌塑造提供有益的参考。

瘦客户端/云服务器模式的实现方法研究

为了解决用户获取服务器图形化界面的需求,在局域网下探究了以远程桌面服务为关键技术的瘦客户端/云服务器模式的实现方法,基于云平台搭建Linux云服务器,研究了RDP和RFB两种远程桌面协议在云服务器上的配置方法及过程,在实验室环境下对搭建的瘦客户端/云服务器模式的服务效果进行测试和比对,结果表明:在云服务器上配置的RDP和RFB协议均能实现良好的远程画面和控制效果,且RDP协议在数据传输时占用CPU和带宽资源更少,RFB协议则在画面还原上性能更优。为基于远程桌面协议实现瘦客户端/云服务器模式的改进优化研究提供了参考。

内存高效的持久性分布式文件系统客户端缓存DFS-Cache

为了在数据密集型工作流下有效降低缓存碎片整理开销并提高缓存命中率,提出一种持久性分布式文件系统客户端缓存DFS-Cache(Distributed File System Cache)。DFS-Cache基于非易失性内存(NVM)设计实现,能够保证数据的持久性和崩溃一致性,并大幅减少冷启动时间。DFS-Cache包括基于虚拟内存重映射的缓存碎片整理机制和基于生存时间(TTL)的缓存空间管理策略。前者基于NVM可被内存控制器直接寻址的特性,动态修改虚拟地址和物理地址之间的映射关系,实现零拷贝的内存碎片整理;后者是一种冷热分离的分组管理策略,借助重映射的缓存碎片整理机制,提升缓存空间的管理效率。实验采用真实的Intel傲腾持久性内存设备,对比商用的分布式文件系统MooseFS和GlusterFS,采用Fio和Filebench等标准测试程序,DFS-Cache最高能提升5.73倍和1.89倍的系统吞吐量。

主流媒体客户端新闻推送的特征及价值导向

新媒体时代,主流媒体客户端在以主流思想引领多元舆论、以主流价值凝聚社会共识方面承担着重要作用。新闻推送作为客户端唤醒用户、增加用户黏性的有效手段,越发受到重视,成为媒体间日常竞争的主战场。本文以主流媒体客户端在新闻推送方面的实践创新为研究对象,从价值自觉、主动意识、注重实效等视角出发,着重研究作为主流媒体运营的新媒体如何通过新闻推送实现价值导向引领,以期提升新闻推送传递主流价值导向的自觉性、主动性、针对性、实效性。

地市主流媒体新闻客户端的困局与对策

当前,地市主流媒体新闻客户端已经初具规模,也有了一定的发展。但是,除了极少数客户端相对有较好的发展态势外,多数地市媒体的客户端仍普遍发展艰难,不能代替传统媒体成为新的增长点。一、地市媒体新闻客户端当下困局(一)阅读量困局:客户端打开率低,用户黏性不高地市媒体建客户端的态度,普遍经历了抗拒、犹豫、观望到开始尝试、不断努力的过程.

基于TEE的多客户端函数加密方案研究

随着云计算的兴起,对加密数据进行联合计算变的越来越重要。近年来,多客户端函数加密的发展使用户能够在不需要任何交互的情况下对私有输入进行联合计算。在云计算中,确保安全性与可靠性是极为重要的需求。针对多客户端函数加密方案出现的隐私安全问题,本文提出了一种基于TEE技术的去中心化多客户端函数加密方案。利用Python语言、开发环境PyCharm 2020.3.0版本、以及Python的PyCryptodome V3.10.1密码学库下对本文方案的关键算法或协议进行了仿真实验。综上试验结果及分析表明本方案在保障隐私安全的同时,具有较好的计算性能。这为在云计算环境中处理敏感数据提供了一种高效且安全的解决方案,因此具有一定的实际应用意义。

虚拟现实技术在新闻客户端运用的实践分析

随着网络科技时代的发展,新闻领域也受到了科技的影响,新科技和新技术逐渐渗透到新闻媒体的工作中,新闻工作者也在努力寻找跟上时代步伐的发展道路。基于新媒体时代背景和新闻客户端的发展趋势,本文以央视新闻客户端的虚拟现实(Virtual Reality,VR)新闻为例,首先分析VR新闻的特点,其次阐述VR技术在央视新闻客户端各栏目中的运用,最后结合VR技术在新闻领域的发展困境,提出相关策略。

主流媒体新闻客户端传播创新探索

融媒体时代的主流媒体面临严峻的发展难题,如何借助新媒体技术实现报纸的转型发展,既要在社交媒体平台创办新媒体传播账号,也要创办拥有自主管理权限的新闻客户端,借助大数据技术实现新闻信息精准推送和社群传播。新闻客户端虽然具有创新性,但却在用户流量、技术应用和用户互动方面存在不足,如何健全新闻客户端的采编机制,以新闻客户端为基础实现主流媒体的融媒体转型,是采编人员面对的难题。

地方主流媒体新闻客户端传播创新研究

新媒体技术的发展推动了商业媒体和社交媒体的快速发展,主流媒体的转型大多数需要依托于非官方创办的媒体平台,如新浪微博、微信公众号平台、抖音等,在获得大流量的同时,也失去了对传播账号的终端管理权。为了解决“受制于人”的传播管理权限问题,各类官方媒体纷纷开设新闻客户端,打造具有完整权限的传播平台,构建社群传播环境。地方媒体由于影响力有限,新闻客户端的发展受到较大的局限,如何创新此类客户端的采编和发展策略,是地方主流媒体实现新转型的重要机遇。本文结合青岛地方媒体创建新闻客户端的实践案例,探索如何创新地方媒体新闻客户端的传播策略。

媒介融合环境下增强新闻客户端用户黏性的评论研究

在媒介融合环境下,用户既是新闻客户端稳健发展的基础,又是新闻客户端的流量收益之源。因此,广电媒体要高度重视增强新闻客户端的用户黏性。新闻评论作为新闻客户端的常见新闻文体,在用户黏性方面发挥着不可或缺的作用。本文主要从新闻评论选题、形式、语言、互动等角度探讨了媒介融合环境下新闻客户端的新闻评论发展现状,明确了新闻评论存在的问题,进而提出了相应的改进策略。

打造多元平台,赋能社会治理——以甬派客户端为例

在用户阅读兴趣不断分屏化、分端化的时代,宁波日报报业集团敏于时而勇于行,积极拥抱变化,探索移动优先,建设与宁波“打造一流城市,跻身第一方阵”这一城市定位相匹配的一流媒体,在2015年就推出了甬派客户端,并于2023年将它与甬上客户端合并。按照“打造数字化城市治理的应用大平台”这一定位,甬派通过营造平台生态、打造多元应用、驱动队伍转型等举措,整合各方资源,延伸触角,积极参与网上网下社会治理。

传统媒体新闻客户端发展现状及创新分析

本文围绕传统媒体新闻客户端发展现状开展分析,探讨其发展过程中存在的问题,包括原创内容后劲不足、商业模式有待优化、同类客户端竞争激烈、政务优势未充分体现等。在此基础上,提出树立用户思维、优化用户功能、实现差异化运营、落实多元化运营、加快战略转型等一系列传统媒体新闻客户端发展创新路径,以期契合用户的个性化需求,提高传统媒体的传播地位以及新闻客户端的开发运营水平。

基于模型相似度与本地损失的双重客户端选择算法

联邦学习是一种分布式机器学习技术,通过聚合客户端本地模型参数共建全局模型。现有的联邦学习客户端选择算法作用于训练前或者训练后。面对统计异质的客户端数据,训练前选择算法会使一些性能较差的客户端参与聚合,导致模型的准确率下降。而训练后选择算法要求所有客户端参与训练,需要大量的通信开销。为此,提出双重客户端选择(DCS)算法,在训练前选择1个客户端训练子集,以减少全局模型的下发,在子集训练后选择部分客户端参与聚合,以减少本地模型的上传。在本地训练前,服务器根据本地与全局模型的余弦相似度进行层次聚类,得到不同的选择概率分布,从中选出无偏的训练子集,以便更好地适应客户端数据的统计异质性。在子集训练后,服务器不仅考虑了本地损失,还结合了本地与全局模型的余弦相似度筛选出聚合子集,提高全局模型准确率。在Fashion-MNIST和CIFAR-10数据集上的实验结果表明,DCS算法相比于基线算法的测试准确率最大可提升8.55个百分点,同时上行和下行链路的通信开销分别为O(mn+2d)和O(dn+m)。

深度融合背景下广电新闻客户端的智慧化发展

在媒体深度融合背景下,新闻客户端已成为广电媒体发展的重要抓手之一。然而,广电新闻客户端如何寻求创新突破,仍然是一道难题。本文基于国内广电新闻客户端的成功经验,结合人工智能应用,从智慧化发展的视角提出广电新闻客户端的发展建议。笔者认为,广电新闻客户端要突出服务理念,构建主流智慧平台;打造融合产品,树立智慧融媒品牌;提升运营能力,夯实智慧发展基石。