算力网络环境下基于区块链的自适应联邦学习

算力网络旨在深度融合算力资源与网络资源,实现对泛在离散部署的海量数据和异构资源的高效利用。为了应对算力网络中复杂的多中心计算协同和数据隐私安全的要求,联邦学习在隐私保护和边缘算力资源利用等方面有着先天的优势。然而,基于算力边缘服务器的高度异构和广泛分布,算力网络环境下的联邦学习仍然存在一定的困难。一方面,算力网络中海量边缘服务器之间存在的数据异质性会引起非独立同分布问题,导致联邦学习中局部模型的更新偏离全局最优值。另一方面,由于不同边缘服务器的数据质量存在差异,生成低质量的局部模型会显著影响训练效果。为了解决上述问题,提出了基于区块链的自适应联邦学习(AWFL-BC,adaptiveweightfederatedlearning-blockchain)方案。通过智能合约计算不同边缘服务器的数据分布距离,生成相似度矩阵指导聚合。同时,设计了一种自适应权重聚合算法,以减轻由数据质量差异引起的模型性能和稳定性下降,从而提升模型的准确率,加速模型收敛。最后,结合区块链技术加强了安全保障机制,可有效防止投毒攻击与推理攻击。在3个公有标准数据集上进行的综合实验表明,与最先进的方法相比,AWFL-BC实现了更高的模型准确率,且模型收敛速度更快。

一种处理隐私保护数据的神经网络

神经网络是一种重要的数据分类工具,一个经过良好训练的神经网络可以高效准确的完成对输入数据的分类和预测,在信息处理、模式识别等方面有着广泛的应用.目前对神经网络算法的研究,并在基础上对神经网络的训练,已成为产业界和学术界关注的热点,训练良好的神经网络也逐渐成为诸多数据处理企业的重要知识产权.因此,当普通用户希望借助神经网络进行数据分类时,往往需要将数据托管给专业机构,这时如何保护数据隐私就成为最为重要的问题.此外,目前的神经网络算法计算量较大,无法很好地在计算资源受限的设备上运行.引入云计算服务提供了一种解决方案,可以将复杂的神经网络计算任务委托给云,但同样存在着隐私泄露的风险.为了解决以上问题,本文设计了一种基于同态加密的隐私保护神经网络,使用了同态加密算法对数据进行加密,并借助同态加、乘的性质对神经网络的运算过程进行重写,在保障数据隐私性的前提下保留了数据的可计算性.与以往的隐私保护神经网络相比,可以更好的适用于复杂的神经网络,具有更高的安全性.

从饮食角度看中日文学——以《水浒传》与《心》为例

中国与日本在饮食方面有相同点也存在着很多不同,中国饮食注重调味,日本饮食注重原味。而中国和日本的文学与他们各自的饮食味道有着惊人的相似之处,该文尝试从饮食角度,以施耐庵的《水浒传》和夏日漱石的《心》为例来比较中日文学异同。

加味四逆散治疗慢性期布病的研究

报告了加味四逆散治疗慢性期布病的实验研究。从各项研究结果表明,加味四逆散具有较强的抑制布氏菌作用。对感染布病的小鼠,治疗后,肝、脾、肾等脏器的病理性改变,经病理检查结果显示,基本恢复正常。对慢性布病患者临床治疗观察,总有效率为98.68%,近、远期治愈率分别为84.2%、78.95%。尤其是对患者顽固性关节疼痛和功能障碍,效果更为显著。并对本方剂的药理作用,进行了探讨。

以青春海事之力护航百千帆——记“全国青年文明号”厦门鹭江海事处鼓浪屿(国际邮轮码头)海巡执法大队

厦门鹭江海事处鼓浪屿(国际邮轮码头)海巡执法大队长期负责“海上花园”环鼓浪屿核心风景区周边水域监管工作。由于该区域水上客运船舶密集、航线复杂、客运量大、监管责任重,为保证水上客运工作安全、畅通,大队以青年为主力,实行“白+黑”“5+2”工作制,年平均开展船舶现场监督检查2300艘次,船舶安全检查600艘次,年均保障辖区客运船舶平安航行30万航次,服务旅客水上平安出行约3000万人次。