内容提供者
基于联邦学习的数据查询方法、装置、设备及存储介质.pdf
2023-05-01
10金币
623KB
13页
文宣****66
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共13页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于联邦学习的数据查询方法、装置、设备及存储介质.pdf
本发明涉及数据处理技术领域,揭露一种基于联邦学习的数据查询方法,包括:接收第一终端对第二终端的第一查询请求并生成执行任务,根据执行任务向第一终端发送第一查询语句并向第二终端发送第二查询语句;接收第一终端的第二查询请求和第二终端的第三查询请求,根据执行任务将第二查询请求的查询内容和第三查询请求的查询内容分配到联邦学习各终端的工作节点;接收工作节点返回的查询结果并进行汇总生成结果集,将结果集进行加密后发送至第二服务器进行计算得到数据表,将数据表返回第一终端和第二终端;根据第二终端发送的查询数据和数据同步请求将
2023-05-01
10
623KB
基于联邦学习的数据查询方法、装置、设备及存储介质.pdf
本发明涉及数据处理技术领域,揭露一种基于联邦学习的数据查询方法,包括:接收第一终端对第二终端的第一查询请求并生成执行任务,根据执行任务向第一终端发送第一查询语句并向第二终端发送第二查询语句;接收第一终端的第二查询请求和第二终端的第三查询请求,根据执行任务将第二查询请求的查询内容和第三查询请求的查询内容分配到联邦学习各终端的工作节点;接收工作节点返回的查询结果并进行汇总生成结果集,将结果集进行加密后发送至第二服务器进行计算得到数据表,将数据表返回第一终端和第二终端;根据第二终端发送的查询数据和数据同步请求将
2023-05-04
10
623KB
基于联邦学习的数据交互方法、装置、设备及存储介质.pdf
本申请提供了一种基于联邦学习的数据交互方法、装置、设备、存储介质及程序产品，所述方法包括：服务端设备接收客户端设备发送的携带有主任务数据交互请求；根据加密特征生成伪任务，加密特征是由参与联邦学习的至少一个客户端设备持有的本地特征进行加密处理得到的；基于主任务和伪任务构建并训练初始模型，得到全局模型；将全局模型发送至发送请求的目标客户端设备，以使目标客户端设备从全局模型中去除伪任务对应的伪任务子模型，得到主任务子模型。通过加入伪任务，改变训练模型结构，能够实现提高模型的安全性，防止模型被反向攻击导致私有数据
2023-07-21
10
1.1MB
基于联邦学习的数据生成方法、装置、设备及存储介质.pdf
本发明涉及人工智能领域，公开了基于联邦学习的数据生成方法、装置、设备及存储介质，用于提高各个机构车辆业务数据的安全性。基于联邦学习的数据生成方法包括：获取多个机构业务基础数据和对应的多个机构业务利率数据；获取模型训练指令，根据模型训练指令、多个机构业务基础数据和多个机构业务利率数据进行同态加密和计算，生成多个目标同态加密业务数据；结合模型训练指令、进行模型训练与模型收敛，生成目标车辆业务联邦学习模型；获取待识别车辆基础数据，将待识别车辆基础数据输入目标车辆业务联邦学习模型中进行计算，生成目标车辆业务数据。
2023-07-25
10
799KB
基于区块链的数据查询方法、装置、设备及存储介质.pdf
本申请提供一种基于区块链的数据查询方法、装置、设备及存储介质，基于区块链的数据查询方法，包括：当检测到区块链上产生新区块时，提取所述新区块中的索引字段；基于预设区块框架从所述索引字段中筛选目标索引字段，以及所述目标索引字段对应的索引数据，生成索引区块；根据本地存储空间中各第一存储区域关联的时间信息，以及所述索引区块的时间信息，从所述第一存储区域中选择目标第一存储区域保存所述索引区块；接收数据查询请求，获取所述本地存储空间中所述查询请求对应的目标索引区块并输出。通过减少索引区块的数据量，提升索引区块检索高效
2023-07-21
10
1KB