非独立同分布下联邦半监督学习的数据分享研究

联邦学习作为一种保护本地数据隐私安全的分布式机器学习方法,联合分散的设备共同训练共享模型。通常联邦学习在数据均有标签情况下进行训练,然而现实中无法保证标签数据完全存在,提出联邦半监督学习。在联邦半监督学习中,如何利用无标签数据提升系统性能和如何缓解数据异质性带来的负面影响是两大挑战。针对标签数据仅在服务器场景,基于分享的思想,设计一种可应用在联邦半监督学习系统上的方法Share&Mark,该方法将客户端的分享数据由专家标记后参与联邦训练。同时,为充分利用分享的数据,根据各客户端模型在服务器数据集上的损失值动态调整各客户端模型在联邦聚合时的占比,即ServerLoss聚合算法。综合考虑隐私牺牲、通信开销以及人工标注成本3个方面的因素,对不同分享率下的实验结果进行分析,结果表明,约3%的数据分享比例能平衡各方面因素。此时,采用Share&Mark方法的联邦半监督学习系统FedMatch在CIFAR-10和Fashion-MNIST数据集上训练的模型准确率均可提升8%以上,并具有较优的鲁棒性。

预算约束下多任务联邦学习激励机制

联邦学习是一种实现数据隐私保护的分布式机器学习范式,性能取决于数据源的质量和数据规模。客户端是理性个体,参与联邦学习将耗费计算、通信和隐私等成本,需要通过激励提高客户端的参与意愿。因此联邦学习能成功应用的关键之一是尽可能多地激励高质量数据客户端参与训练。多任务联邦学习环境下客户端拥有面向不同任务且质量不同的数据,并具有执行能力的约束。为提高多个学习任务的整体性能,在预算受限的条件下设计一种面向任务的客户选择和报酬机制。通过分析影响模型精度的重要因素,提出一种基于客户端数据样本分布特征的质量评估标准,并结合客户端成本信息,设计一种逆向拍卖的激励机制(EMD-MQMFL),实现客户端的任务指派和支付策略。从理论上分析和证明了该机制具有诚实性、个人理性以及预算可行性,并通过大量实验验证了该方法在联邦学习性能上的有效性。在MNIST、Fashion-MNIST、Cifar-10数据集上的实验结果表明,EMD-MQMFL在数据不平衡的情况下,平均模型精度比已有的机制至少提高5.6个百分点。

在线异步联邦学习的客户优化选择与激励

联邦学习能够在保护用户隐私的前提下,使不同的客户端合作共同训练同一模型,如何激励高质量的客户端参与联邦学习是关键。在线联邦学习环境中,由于参与训练的客户端随机到达和离开,每轮参与报价的客户端动态变化,对客户端的在线质量评估与选择是一个难题。针对这一挑战提出了在线联邦学习激励算法,以优化在线客户端的选择和预算分配,提高预算约束下在线环境联邦学习的性能。该算法将预算按阶段划分并根据历史样本信息计算最优的质量密度阈值,其主要思想是对客户端模型质量进行动态评估,在此基础上采用质量阈值准入机制,同时对参与训练的客户端数量进行限制。从理论上证明了激励算法满足激励相容性、预算可行性和个体理性。实验结果表明,提出的在线激励算法在不同比例搭便车客户端的情况下都能有良好的性能,在预算充足且有搭便车和有误标标签的客户端情况下比已有方法在EMNIST-B和CIFAR-10两个数据集上分别提高约4%和10%。

基于机器学习的湖羊断奶体重预测研究

本研究以初生羔羊信息预测羔羊断奶体重,预测结果作为判断对初生羔羊是否需要进行早期饲喂、治疗等干预的依据。本研究收集了湖州某羊场8 836只羊的性别、血统号、出生日期、羔皮品质、初生体重、同胎羔数、断奶体重等信息,通过观察特征间关系,使用斯皮尔曼秩相关系数进行特征相关性检测,筛选出4个重要特征变量(性别、出生月份、初生体重、同胎羔数),基于这些重要特征变量运用线性回归、随机森林、XGBoost、支持向量机回归、深度神经网络模型(DNN)对羔羊断奶体重进行回归预测。结果显示:5种模型的预测值与真实值误差小于1.5 kg的正确率均在81%以上,其中构建的DNN模型正确率可达88.40%,均方误差(MSE)值为2.96,平均绝对误差(MAE)值为0.87,均为最优。对预测的羔羊体重进行排序,以二分类形式判断是否需要干预饲喂,得出混淆矩阵与受试者工作特征曲线(ROC)图,显示DNN模型效果最好。

基于模型质量评分的联邦学习聚合算法优化

在联邦学习环境中,客户端数据的质量是决定模型性能的关键因素。传统的评估方法依赖于在中心节点的验证集上衡量客户端模型的损失,从而对数据质量进行评估。在缺乏有效验证集的情况下,数据质量的评估是困难的。为了解决上述问题,提出了一种根据同伴信息进行模型质量评分的方法。通过对客户端上传的模型参数进行裁剪处理,基于正确评分规则的相关理论设计模型质量评分机制,并在此基础上优化聚合算法,降低低质量客户端对全局模型的影响。在MNIST、Fashion-MNIST和CIFAR-10等数据集上的实验表明,提出的评分机制无须复杂的算法,且能有效辨别搭便车、噪声、错误标签三类低质量数据客户端,提高联邦学习性能的鲁棒性。

基于众筹预售和众包生产的两阶段最优定价机制

为实现农产品产销供应链中按需生产,供需平衡的同时,提高电商平台的期望收益。分析了电商平台整个产销供应链的问题模型,提出一种基于电子商务平台众筹预售和众包生产的产销模式。基于迈尔森最优拍卖理论设计了众筹预售和众包分配的两阶段最优拍卖定价机制,能够在保证参与用户诚实报价的基础上,最大化电商平台的期望收益。实验结果表明,对比传统的先到先服务算法(FCFS),平均收益在需求数量区间为均匀分布时至少增加了5%,为指数分布时至少增加了18%,且至少能达到假设用户诚实报价下的最优利润(OP)收益的50%。

融合区块链的农产品溯源系统设计

为减少因供应链信息不真实而引起的农产品食品安全问题,设计一种融合区块链的农产品溯源体系.该溯源系统采用具有去中心化、不可篡改等特性的区块链作为存储数据的数据库,并通过物联网设备自动采集数据,实时将数据上传至区块链,以保证溯源信息的真实可信.该溯源系统基于SSM框架开发,消费者可通过溯源码查询农产品的全生命周期溯源信息,从而得到真实可信的农产品溯源信息.

基于可达关系的安全协议保密性分析

借助形式化的方法或工具分析安全协议是非常必要而且行之有效的.进程演算具有强大的描述能力和严格的语义,能够精确刻画安全协议中各个参与者之间的交互行为.作者以进程演算为基础,嵌入消息推理系统以弥补进程演算固有的缺乏数据结构支持的特点,尝试地提出了一个基于可达关系的安全协议保密性分析模型.基于此模型,形式化地描述了安全协议的保密性,证明了一定限制条件下的可判定性.并且以TMN协议为例,给出了该模型的实例研究.

不平衡数据下预算限制的联邦学习激励机制

联邦学习的提出解决了在隐私保护下完成多客户合作的机器学习问题,而激励客户参与联邦学习是模型性能提高的一个重要前提。针对客户数据非独立同分布特征会导致联邦学习性能下降这一问题,考虑预算约束下,设计了基于单位数据成本和数据特征—EMD距离的客户端筛选方式,提出一种有效的联邦学习激励机制(EMD-FLIM),从理论上证明了机制具有诚实性,即每个客户会诚实披露数据成本和数据分布信息,同时机制具有预算可行性、个人理性及计算有效性。实验结果显示,提出的激励机制在数据分布不平衡情况下模型精度至少能达到数据量最优选择(不考虑激励)下的94%以上,与不考虑数据分布特征的激励机制相比较,模型精度平均可提高5%以上。

基于进程演算和知识推理的安全协议形式化分析

安全协议的形式化分析是当前安全协议研究的热点,如何扩充现在已经成熟的理论和方法去研究更多的安全性质,使同一系统中各种安全性质在统一的框架下进行分析和验证是一个亟待解决的问题.进程演算是一强有力的并发系统建模工具,而结合知识推理可以弥补进程演算固有的缺乏数据结构支持的特点,以此提出了一个安全协议形式化分析的一般模型.基于此模型,形式化地定义了一些安全性质,给出了一个实例研究,并指出了进一步完善此模型的研究方向.

基于类pi演算的电子支付协议安全性形式化研究

设计一个满足安全需求的协议非常困难,并且极易出错,因此利用形式化方法来检验安全协议引起了人们极大的关注。使用了类pi演算来验证电子支付协议的认证性和匿名性。

基于TCP/IP路由技术的网络拓扑图自动搜索实现

提出了基于TCP/IP路由技术实现网络拓扑图自动搜索的方法。即在实现访问管理信息库MIB中的路由表基础上，采用广度优先搜索算法实现网络拓扑图的遍历；解决了同一路由设备捆绑多个IP地址的判定问题；并以发现FDDI环为例论述了如何区别不同网络互连方式。

基于身份的电子医疗文书签名系统

传统的电子医疗文书缺乏法律效能,各级医院都面临着如何实施电子签名的难题.通过比较基于公钥基础设施和基于身份的两种公钥密码系统结构,针对电子医疗文书的数字签名问题,给出了基于身份的电子医疗文书签名体系及其数字签名算法.

基于MobiSPOC的翻转课堂教改探究

阐述利用移动互联技术构建MobiS POC平台,从而实现对教学过程的管控,同时介绍翻转课堂结合MOOC资源的混合式教学模式,通过合理引入"弹性末位"淘汰机制,有效引导学生提升自主学习能力。

公钥密码的研究与发展

阐述了公钥密码的理论基础，详细介绍了各种典型的公钥密码算法及其特点，并探讨了公钥密码的发展及今后的研究方向．

开放型试题库系统的设计和实现

阐述了开放型试题库管理系统的设计与实现,介绍了系统的设计思想,分析了系统的主要数据组织.详细地讨论了系统成卷。

一种语义网络情报分析模型的研究和应用

本文给出了一种特殊的语义网络情报分析数学模型,基于此模型完成了计算机软件的设计和实现。

ASP技术动态智能题库建设平台的设计和实现

为了提高题库建设的效率 ,我们设计和实现了一个动态智能题库建设平台 .系统选择WindowsNT作为服务器端操作系统 ,SQLSERVER为数据库平台 ,采用ASP技术开发 .组卷模块包括了手工组卷和智能组卷 .基于系统数据动态性的思想 ,我们集成了参数重评功能 .系统既采用密钥又采用密码的方法大大提高了系统的安全性 .

基于域策略形成算法的研究与实现

本文在深入分析域、策略的基础上 ,提出了基于域为单位的策略形成算法 。

计算机专业本科生三阶段能力培养体系的改革与实践

随着信息技术的快速发展和我国各行各业对计算机专业人才需求的变化.各高校必须对计算机专业本科生培养体系进行改革.为此,提出了计算机本科生的三阶段能力培养体系方案,即本科低年级要求学生夯实数理基础,提高学习能力,培养学生的程序设计能力;三年级要求学生扎实专业基础,并通过大型课程设计培养学生的系统设计能力;四年级通过企业互动进行实习和毕业设计,培养学生的实际工作能力.此方案通过三年实践,近两年学生考上研究生比率提高了60%,考证通过率提高60%以上,毕业就业率保持在95%以上.