基于智能合约和联邦存储的异步联邦学习模型

公共安全突发事件中对数据安全的重视程度越来越高,联邦学习由于不再需要上传数据到中心服务器进行计算,减少了隐私泄露的可能而受到广泛关注。然而当前基于智能合约的联邦学习由于运算较大,存在着效率低等缺陷,因此本文提出了一种面向公共卫生突发事件检测的智能合约与联邦存储的异步联邦学习方法。该方法允许联邦节点在任何时间加入和退出联邦学习;依托智能合约与分布存储,进一步增加了公共卫生安全领域的数据安全与训练效率;同时采用自适应的差分隐私对其上传到分布式存储节点的梯度进行动态保护,进一步降低了隐私泄露的风险。在公共数据集和公共卫生安全数据集上大量的实验表明,本文提出的方法在精度上优于已知的对比方法,且在达到相同精度的情况下所需时间更少。

比较法视阈下图书馆与政府数字化信息公开的互动研究——以美国《存储图书馆法》与政府数字化信息公开的实施为研究对象

文章以美国《存储图书馆法》与政府数字化信息公开的实施为研究对象,分别考察了政府数字化信息公开的历史发展、实践做法、完善途径等内容。我国政府数字化信息公开应借鉴其经验,各级政府应在新闻出版机构内设立政府信息出版部门;国务院应制定《图书馆存储条例》;国家图书馆应完善"中国政府公开信息整合服务平台";国家图书馆应加强对政府信息数字化的技术支持。

分布式仿真系统非阻塞式协同检查点协议

联邦存储是实现分布式仿真系统容错的基础,IEEE1516-2000中提供了一种阻塞式的系统状态存储协议,实际使用时会给系统带来很大开销。根据对系统状态存储过程中仿真组件状态变化影响因素的分析,提出了一种非阻塞式的系统状态存储协议,该协议完整地解决了由于在系统状态存储期间允许时间推进导致所保存的RTI状态和对应成员状态时间上的不一致、由于成员间消息传递导致不同成员状态的不一致及in-transit消息问题。先完成状态保存的成员不需阻塞,该协议在一定程度上降低了联邦存储的开销。证明了该协议的正确性。