检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进CFSFDP算法的聚类联邦学习

华北理工大学学报（自然科学版） 2024年第3期46卷 112-121页

作者：彭璐璐张淑芬陈海田徐超华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210 唐山市大数据安全与智能计算重点实验室河北唐山063210

联邦学习是一种基于多个用户协作训练全局模型的分布式训练范式,旨在解决由数据孤岛造成的数据碎片化问题。然而,在真实环境中,参与联邦学习的各个节点的数据分布通常是不平衡的,这会导致联邦学习模型的精确率下降。针对上述问题,提出... 详细信息

联邦学习是一种基于多个用户协作训练全局模型的分布式训练范式,旨在解决由数据孤岛造成的数据碎片化问题。然而,在真实环境中,参与联邦学习的各个节点的数据分布通常是不平衡的,这会导致联邦学习模型的精确率下降。针对上述问题,提出了基于改进CFSFDP算法的聚类联邦学习方法——FL_CDP。此方法对CFSFDP算法中的局部密度定义进行了优化,并通过二阶差分实现自动选择聚类中心。通过评估客户端模型的推理相似度,对客户端节点进行了聚类,进而缓解了联邦学习中因节点数据分布不均所带来的模型准确度下降问题。在MNIST和FashionMNIST数据集上的实验结果证明,相较于传统的联邦学习算法,基于改进CFSFDP算法的聚类联邦学习算法在模型准确率方面有着显著提升。

关键词：联邦学习隐私保护不平衡数据二阶差分

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于本地化差分隐私的权重图发布方法

计算机仿真 2024年第8期41卷 433-438页

作者：褚治广王园园李刚张兴北京工业大学信息学部辽宁省工业互联网网络与数据安全重点实验室

针对现有的图数据收集研究主要集中在简单图网络建模，而没有考虑边权重隐私保护，缺少对于相关领域的研究，在此基础上提出了一种基于本地化差分隐私(LDP)权重图发布方法。首先使用LDP图度量估计框架，可以在不泄露隐私的情况下估计目... 详细信息

针对现有的图数据收集研究主要集中在简单图网络建模，而没有考虑边权重隐私保护，缺少对于相关领域的研究，在此基础上提出了一种基于本地化差分隐私(LDP)权重图发布方法。首先使用LDP图度量估计框架，可以在不泄露隐私的情况下估计目标图度量，然后使用EdgeProjection处理权重值，采用一元编码方式使得随机响应适用于任何实数。为节省隐私预算，只对部分数据进行收集。使用随机跳转算法RJ,减小全局敏感度，减少噪声添加量。并在数据集BA1和IMDB上进行仿真，实验结果表明，在同样确保数据隐私的情况下，相比其它同类型方法，减少了更多信息损失，保证了数据有效性。

关键词：图数据隐私保护随机相应随机跳转

基于网络药理学和实验验证研究丹参饮治疗心衰的作用机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国药理学通报 2024年 1773-1780页

作者：王晶李莉刘冰周昆于英莉天津中医药大学药物安全评价中心省部共建组分中药国家重点实验室

目的用网络药理学方法及体外实验验证,研究丹参饮(Danshenyin,DSY)治疗心衰的药理作用并探讨治疗机制。方法使用中药系统药理学分析平台(TCMSP),UniProt等数据库筛选丹参饮的有效成分及作用靶点,以“heart failure”为关键词检索Gene ... 详细信息

目的用网络药理学方法及体外实验验证,研究丹参饮(Danshenyin,DSY)治疗心衰的药理作用并探讨治疗机制。方法使用中药系统药理学分析平台(TCMSP),UniProt等数据库筛选丹参饮的有效成分及作用靶点,以“heart failure”为关键词检索Gene Cards等数据库得到疾病靶点,二者交集得到核心靶点。用STRING数据库构建核心靶点蛋白质-蛋白质相互作用网络,利用DAVID数据库进行生物功能和信号通路富集分析。构建“药材-成分-靶点-疾病”网络,将活性成分与靶点分子对接验证。手术结扎小鼠心脏冠状动脉左前降支建立心衰模型,丹参饮干预,超声检测、蛋白免疫印记对预测结果进行实验验证。结果网络药理学分析显示,丹参饮通过丹参醛、丹参酮ⅡA、miltiononeⅡ等成分发挥对心衰的治疗作用,其作用机制可能与参与MAPK信号级联的生物调控过程以及调控MAPK等信号通路相关;动物实验对这一发现进行了初步验证:实验发现丹参饮治疗后小鼠左心室心功能、流出道血流等超声指标得到改善;心肌组织中MAPK信号通路蛋白ERK、JNK、p38磷酸化水平降低(P 保护心肌,影响MAPK通路从而发挥对慢性心衰的治疗作用。

关键词：丹参饮心力衰竭网络药理学超声作用机制分子对接

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种面向工业物联网的远程安全指令控制方案

计算机工程 2024年第3期50卷 28-35页

作者：陈纪成包子健罗敏何德彪武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室湖北武汉430072

随着工业领域对智能化要求的不断提高,工业物联网(IIoT)得到了快速发展,其可以有效提高工业生产中的流程效率和决策质量,具有广阔的应用前景。然而,近年来IIoT的安全问题逐渐凸显。针对远程指令控制这一应用场景,设计一种基于SM9标识密... 详细信息

随着工业领域对智能化要求的不断提高,工业物联网(IIoT)得到了快速发展,其可以有效提高工业生产中的流程效率和决策质量,具有广阔的应用前景。然而,近年来IIoT的安全问题逐渐凸显。针对远程指令控制这一应用场景,设计一种基于SM9标识密码算法的两方协同群签名算法,并结合区块链实现面向IIoT的远程安全指令控制方案,以保障IIoT中远程指令操作的安全性。该方案基于国密SM9标准,群管理员审核指令,并与发起指令签署请求的用户协同完成群签名,群签名在保护签名者身份隐私的同时可以由群管理员在必要时公开签名者身份。通过引入区块链技术,实现IIoT平台的去中心化管理,并通过智能合约获取指令执行历史数据,方便后续审计与追责。此外,方案在签名验证阶段通过批量验证来有效减少计算消耗。安全性及性能分析结果表明:在签名数量超过20条时,该方案通过批量验证的方式可以使得计算量减少50%以上;相较对比方案,所提方案在IIoT环境下安全性和实用性更高。

关键词： SM9标识密码算法群签名两方协同签名工业物联网区块链

在线全文

学校读者我要写书评

暂无评论

结构化加密图的最短路径查询

信息安全学报 2024年第4期9卷 79-94页

作者：潘瑛颖陈兰香福建师范大学计算机与网络空间安全学院福州350117 福建省网络安全与密码技术重点实验室福州350117

随着云计算的快速发展,数据用户将大量图数据外包给云以节约存储和管理成本。然而,外包数据的安全隐私问题是云计算面临的一大挑战。由于云是半诚实的,为保护敏感信息的隐私安全,数据拥有者希望在将图数据外包给云服务器之前对其加密,... 详细信息

随着云计算的快速发展,数据用户将大量图数据外包给云以节约存储和管理成本。然而,外包数据的安全隐私问题是云计算面临的一大挑战。由于云是半诚实的,为保护敏感信息的隐私安全,数据拥有者希望在将图数据外包给云服务器之前对其加密,同时保留对加密的图数据进行查询和处理的能力。最短路径查询查找图中给定两节点之间的最短路径,是图应用中最基础的查询类型之一。目前已有许多研究者提出一系列高效的方案,以支持加密图上近似或精确最短距离查询、约束最短距离查询和top-k最近关键字查询,但支持最短路径查询的方案较少,且已有方案的存储与时间开销较大。本文提出一种支持在加密图上进行两节点间最短路径查询的结构化加密图方案。在本方案中,我们基于2-Hop标签技术构造支持有向图上最短路径查询的标签索引并加密,然后将加密的标签外包给云服务器。利用改进的保序编码算法编码距离值,实现加法运算和值的比较,提高最短路径查询的效率。在查询阶段,通过递归式地计算两节点间最短路径上的第一条边和最后一条边,最终输出完整的最短路径。安全性和性能分析证明本文方案是安全有效的,能以较小的存储和较高的查询效率实现两节点间的最短路径查询并保护图数据的隐私。

关键词：云计算图加密结构化加密最短路径查询

在线全文

学校读者我要写书评

暂无评论

面向铁路网络安全风险的监控预警系统研究

网络安全技术与应用 2024年第5期 101-104页

作者：魏长水王震华程浩宇中国国家铁路集团有限公司科技和信息化部北京100844 中国铁路西安局集团有限公司陕西710054 北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室北京100044

铁路关键信息基础设施的安全关系着国家经济和民生安全,现存的各种铁路网络安全系统在处理网络安全风险时,缺乏监督、检测、分析、处置的联动过程,尚未建立强有力的联动措施。本文研究了一种针对铁路网络安全风险的监控预警系统,分步实... 详细信息

铁路关键信息基础设施的安全关系着国家经济和民生安全,现存的各种铁路网络安全系统在处理网络安全风险时,缺乏监督、检测、分析、处置的联动过程,尚未建立强有力的联动措施。本文研究了一种针对铁路网络安全风险的监控预警系统,分步实现资产探测、漏洞整治、追踪溯源、风险预警、自动评估五大安全能力,将技术与管理深度融合,构建网络安全监测检查和防御预警综合体系。本文为铁路网络安全风险监控和预警问题提供了解决方案,可以及时发现和处理网络安全风险,为铁路网络的安全可持续发展提供保障。

关键词：监控预警铁路安全网络安全风险评估资产探测

在线全文

学校读者我要写书评

暂无评论

车联网隐私保护技术研究

信息安全学报 2024年第2期9卷 1-18页

作者：李瑞琴胡晓雅张倨源王励成北京邮电大学信息安全中心网络与交换技术国家重点实验室北京100876

随着汽车智能化、网联化程度的不断加深,车辆、用户及第三方机构之间的数据共享日益成为刚需,由车辆、用户、路边单元等通信实体之间构建的网络车联网应运而生,而车联网的高移动性和网络拓扑多变性使其更容易遭受攻击,进而导致严重的车... 详细信息

随着汽车智能化、网联化程度的不断加深,车辆、用户及第三方机构之间的数据共享日益成为刚需,由车辆、用户、路边单元等通信实体之间构建的网络车联网应运而生,而车联网的高移动性和网络拓扑多变性使其更容易遭受攻击,进而导致严重的车联网用户隐私泄露问题。如何平衡数据共享和隐私保护之间的关系成为车联网产业发展所面临的一个关键挑战。近年来,学术界针对车联网隐私保护问题进行了深入的研究,并提出了一系列解决方案,然而,目前缺少对这些方案从隐私属性方面进行分析。为此,本文首先从车联网的系统架构、通信场景及标准进行阐述。然后对车联网隐私保护的需求、攻击模型及隐私度量方法进行分析与总结。在此基础上从车联网身份隐私、匿名认证位置隐私和车联网位置服务隐私三个方面出发,介绍了匿名认证、假名变更、同态加密、不经意传输等技术对保护车联网用户隐私起到的重要作用,并讨论了方案的基本原理及代表性实现方法,将方案的隐私性从不可链接性、假名性、匿名性、不可检测性、不可观察性几个方面进行了分析与总结。最后探讨了车联网隐私保护技术当前面临的挑战及进一步研究方向,并提出了去中心化的车辆身份隐私技术以保护车辆身份隐私、自适应假名变更技术以支持匿名认证、满足个性化隐私需求的位置服务隐私保护技术,以期望进一步推动车联网隐私保护技术研究的发展与应用。

关键词：隐私保护车联网匿名认证假名变更位置服务

在线全文

学校读者我要写书评

暂无评论

面向联邦学习的后门攻击与防御综述

计算机应用 2024年

作者：陈学斌屈昌盛华北理工大学理学院河北省数据科学与应用重点实验室(华北理工大学) 唐山市数据科学重点实验室(华北理工大学)

联邦学习是一种分布式的机器学习方法，允许不同参与方利用各自的本地数据集合作训练一个机器模型，能够解决数据孤岛与用户隐私保护问题。但是，由于联邦学习本身的分布式特性，更容易受到后门攻击，这为其在实际应用带来更大的挑战。... 详细信息

联邦学习是一种分布式的机器学习方法，允许不同参与方利用各自的本地数据集合作训练一个机器模型，能够解决数据孤岛与用户隐私保护问题。但是，由于联邦学习本身的分布式特性，更容易受到后门攻击，这为其在实际应用带来更大的挑战。因此，深入了解联邦学习环境下的后门攻击与防御方法对该领域的发展至关重要。首先介绍了联邦学习的定义、流程和分类以及后门攻击的定义；然后从联邦学习环境下的后门攻击和后门防御方案两个方面进行详细介绍与分析,并对后门攻击和后门防御方法进行对比；最后，对联邦学习环境下后门攻击与防御方法的发展进行了展望。

关键词：联邦学习后门攻击后门防御隐私保护机器学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于标签分类的联邦学习客户端选择方法

计算机应用 2024年

作者：张祖篡陈学斌高瑞邹元怀唐山市数据科学重点实验室(华北理工大学) 华北理工大学理学院河北省数据科学与应用重点实验室(华北理工大学)

联邦学习作为一种分布式的机器学习方法，在保护数据隐私的同时可以充分挖掘其中的价值。由于传统的联邦学习训练方法只是随机选择参与客户端，因此难以适应非独立同分布(Not Identically and Independently Distributed,Non-IID)数据... 详细信息

联邦学习作为一种分布式的机器学习方法，在保护数据隐私的同时可以充分挖掘其中的价值。由于传统的联邦学习训练方法只是随机选择参与客户端，因此难以适应非独立同分布(Not Identically and Independently Distributed,Non-IID)数据集。针对Non-IID数据下联邦学习模型精度低、收敛速度慢等问题，提出一种基于标签分类的联邦客户端选择(Federated Client Selection based on Label Classification,FedLCCS)方法。首先对客户端数据集标签按照频数统计结果进行分类排序，其次选择拥有高频数标签的客户端参与训练，最后通过调节自有参数来获取不同精度的模型。在MNIST、Fashion-MNIST和Cifar-10数据集下的实验表明，结合FedLCCS方法后的联邦平均(Federated Averaging,FedAvg)、联邦近端优化(Federated Proximal,FedProx)两种基线方法在初始数据集标签选择比例下准确率最多提高约17个百分点，收敛速度最多提升约60%，整体运行时间最多降低约35%。验证了FedLCCS方法可以优化联邦模型的精度、收敛速度和运行时间，并且能够训练不同精度的模型应对多样化的需求。

关键词：联邦学习非独立同分布客户端选择频数统计分类排序