专利交易市场

0本发明属于联邦元学习方法的技术领域，更具体地，涉及一种基于数据增强与隐私增强的组联邦元学习方法。方法包括本地客户端处理阶段；服务器端根据本地客户端的数据分布表示对本地客户端进行初始分组，再将收到的本地元模型进行平均聚合生成组元模型；所有本地客户端收到服务器下发的初始化全局元模型后，进行更新本地元模型；服务器根据更新的数据分布表示更新分组，然后将更新的本地元模型进行更新后的组内聚合，生成新的组元模型；进行更新迭代；本地客户端进行模型个性化。本发明解决了现有技术中存在数据异构性、数据稀缺、类别不平衡的情况，在处理罕见病医疗领域中本地模型泛化效果较差，医疗数据存在被泄露的风险的问题。

0本发明属于智能电网窃电检测隐私保护技术领域，更具体地，涉及一种基于相对熵优化的双重隐私保护电力盗窃检测方法。本方法包括：边缘服务器对本地用电数据进行分配转换得到最终转换数据；检测服务器建立检测模型，利用集成学习训练检测模型；边缘服务器将基于得到的最终转换数据上传到检测服务器，检测模型提取最终转换数据的中间特征输出到边缘服务器；边缘服务器构建后处理神经网络，通过检测模型返回的中间特征判断信息为积极或消极，确定是否发生窃电行为。本发明解决了现有技术中缺乏对用电量数据隐私性和检测模型的同步关注、在推理阶段缺乏对隐私的关注和推理效率较低和传输存储成本较高等问题。

0本发明提出了基于双层聚焦‑注意力特征交互的点云配准方法及系统，涉及计算机视觉技术领域，包括：在粗尺度和精细尺度上，对待配准的两个点云分别进行采样和局部特征提取，得到超点及对应的粗尺度特征、精细点及对应的精细尺度特征；通过密集特征交互和聚焦注意力特征交互，对超点的粗尺度特征进行特征增强，在特征空间和几何空间的双重约束下进行超点匹配，得到超点的对应关系；对精细点的精细尺度特征进行聚焦注意力特征交互及特征相似度计算，得到精细点的对应关系；依据精细点的对应关系计算候选变换，从候选变换中选择两个点云间的最终变换；本发明消除不合理的交互，同时保留超点和点级别的上下文感知，以建立准确的对应关系。

0本发明涉及一种跨平台恶意代码检测方法及系统，包括：(1)使用多个平台上良性程序样本，训练一个预训练模型来捕捉程序指令上下文中的结构、语义相关性以及不同平台程序指令间的结构、语义共性；(2)在预训练模型之上，使用多个平台有限规模的良性程序样本和恶意程序样本构建跨平台恶意代码检测模型，对跨平台恶意代码检测模型进行参数微调，将预训练模型中的知识迁移到跨平台恶意代码检测模型中；(3)使用构建的跨平台恶意代码检测模型，对不同平台上的未知程序样本进行检测，判断其为恶意或良性。本发明使用多个平台的程序样本进行模型训练，充分利用不同平台程序在结构、语义上下文上的共性，缓解了单一平台恶意代码训练样本不足的问题。

0一种基于时空超图卷积的加密应用程序行为流量检测方法，涉及网络安全领域，首先，通过捕获加密应用程序行为流量，然后通过使用CICFlowMeter提取流量的流特征数据，然后对这些特征数据进行清洗。分别将这些特征数据输入到GRU和1DCNN中，其中GRU可以很好地捕获加密流量的时序特征信息，1DCNN可以有效地捕获加密流量的空间特征信息。接下来，将这些捕获到的时序特征信息和空间特征信息进行融合，构建超图结构。构建超图后，我们将其输入到改进的超图卷积中，可以很好地学到流之间的多元关系信息，进而提升了模型的精度和泛化能力，改进的超图卷积学到的结构信息也具有更好的鲁棒性。