检索结果

Select

1. 联邦学习中的隐私保护技术研究综述

王腾, 霍峥, 黄亚鑫, 范艺琳

《计算机应用》唯一官方网站 2023, 43 (2): 437-449. DOI: 10.11772/j.issn.1001-9081.2021122072

摘要（1433）

HTML （136）

PDF （2014KB）（1105）

近年来，联邦学习成为解决机器学习中数据孤岛与隐私泄露问题的新思路。联邦学习架构不需要多方共享数据资源，只要参与方在本地数据上训练局部模型，并周期性地将参数上传至服务器来更新全局模型，就可以获得在大规模全局数据上建立的机器学习模型。联邦学习架构具有数据隐私保护的特质，是未来大规模数据机器学习的新方案。然而，该架构的参数交互方式可能导致数据隐私泄露。目前，研究如何加强联邦学习架构中的隐私保护机制已经成为新的热点。从联邦学习中存在的隐私泄露问题出发，探讨了联邦学习中的攻击模型与敏感信息泄露途径，并重点综述了联邦学习中的几类隐私保护技术：以差分隐私为基础的隐私保护技术、以同态加密为基础的隐私保护技术、以安全多方计算（SMC）为基础的隐私保护技术。最后，探讨了联邦学习中隐私保护中的若干关键问题，并展望了未来研究方向。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 综合社区与关联序列挖掘的电子政务推荐算法

黄亚坤, 王杨, 王明星

计算机应用 2017, 37 (9): 2671-2677. DOI: 10.11772/j.issn.1001-9081.2017.09.2671

摘要（475）

PDF （1147KB）（459）

个性化推荐作为一种有效的信息获取手段已成功应用于电商、音乐和电影等领域。已有研究多数聚焦于推荐的精度，缺乏对推荐结果的多样性考虑，忽略了应用领域中被推荐项目的流程特性（如"互联网+政务"中办事项的推荐）。为此提出一种综合用户社区与关联序列挖掘（CAS-UC）的电子政务推荐算法，优先向用户推送利益关联最大的办事项。首先，对用户和办事项的静态基本属性以及动态行为属性分别进行特征建模；其次，基于用户的历史办事记录和属性相似度进行用户社区发现，预筛选出与目标用户最为相似的用户集，提高推荐结果的多样性，减少核心推荐过程的计算量；最后，办事项的关联序列挖掘充分考虑了电子政务的业务特性，加入时间维度的办事项序列挖掘，进一步提高了推荐结果的精度。以芜湖市易户网为平台载体，基于Spark计算平台对用户脱敏后的信息进行仿真，实验结果表明，CAS-UC适用于被推荐项目具有序列或流程特性领域的推荐，与传统推荐算法如协同过滤推荐、矩阵分解以及基于语义相似度的推荐算法相比，具有更高的推荐精度，用户的多社区归属因素增加了推荐结果的多样性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于Bloch球面坐标的量子粒子群算法

陈义雄梁昔明黄亚飞

计算机应用 2013, 33 (02): 316-322. DOI: 10.3724/SP.J.1087.2013.00316

摘要（1076）

PDF （545KB）（383）

为了提高粒子群优化(PSO)算法的优化效率，结合量子理论提出一种基于Bloch球面坐标的量子粒子群优化算法。在Bloch球面坐标下，粒子自动更新旋转角大小和粒子位置，不需将旋转角以查询表的形式设定(或设定为区间上的固定值)，弥补了Bloch球面坐标下量子进化算法和量子遗传算法的不足，算法更具有普遍性;用量子Hadamard门实现粒子的变异，增强了种群的多样性，促使粒子跳出局部极值点。对典型函数优化问题的仿真结果表明，提出的算法稳定性强，精度高，收敛速度快，具有一定的实用价值。

相关文章 | 多维度评价

Select

4. 求解全局优化问题的正交协方差矩阵自适应进化策略算法

黄亚飞梁昔明陈义雄

计算机应用 2012, 32 (04): 981-985. DOI: 10.3724/SP.J.1087.2012.00981

摘要（1063）

PDF （767KB）（708）

针对协方差矩阵自适应进化策略(CMAES)求解高维多模态函数时存在早熟收敛及求解精度不高的缺陷, 提出一种融合量化正交设计(OD/Q)思想的正交CMAES算法。首先利用小种群的CMAES进行快速搜索, 当算法陷入局部极值时, 依据当前最好解的位置动态选取基向量, 接着利用OD/Q构造的试验向量探测包括极值附近区域在内的整个搜索空间, 从而引导算法跳出局部最优。通过对6个高维多模态标准函数进行测试并与其他算法相比较, 其结果表明, 正交CMAES算法具有更好的搜索精度、收敛速度和全局寻优性能。

参考文献 | 相关文章 | 多维度评价

Select

5. 异构数据库加解密系统的关键技术研究与实现

郝文宁赵恩来刘玉栋黄亚刘军涛

计算机应用 2010, 30 (9): 2339-2343.

摘要（1178）

PDF （800KB）（1018）

对数据进行加密是保护信息机密性的一种有效途径，针对一般加解密系统的异构数据库兼容性差以及密文查询方式单一的问题，提出了一种新的数据库加密方式：以领域元数据为支撑，采用对象关系映射模型屏蔽异构数据库，通过构建密文索引来实现灵活多样的密文查询；设计并实现了异构数据库加解密系统。实验结果和理论分析表明：系统能够支持多种类型数据库的加解密，提供多种方式的密文查询，并提高了数据库加密的安全性。

相关文章 | 多维度评价

Select

6. 基于BP神经网络的非线性网络流量预测

刘杰黄亚楼

计算机应用

摘要（1595）

PDF （614KB）（1546）

传统的流量分析建立在线性模型的基础上，但是由于复杂的拓扑结构和网络行为，网络流量表现为一个非线性的系统。根据实际网络中测量的大量网络流量数据，建立一个时间相关的基于神经网络的流量模型，预测和分析网络流量状况。相对于传统线性模型该模型具有较高的预测精度、自适应性和鲁棒性。

相关文章 | 多维度评价

Select

7. 一种基于聚类的文本特征选择方法

张文良黄亚楼倪维健

计算机应用

摘要（1987）

PDF （575KB）（1785）

传统的文本特征选择方法存在一个共性，即通过某种评价函数分别计算单个特征对类别的区分能力，由于没有考虑特征间的关联性，这些方法选择的特征集往往存在着冗余。针对这一问题，提出了一种基于聚类的特征选择方法，先使用聚类的方法对特征间的冗余性进行裁减，然后使用信息增益的方法选取类别区分能力强的特征。实验结果表明，这种基于聚类的特征选择方法使得文本分类的正确性得到了有效的提高。

相关文章 | 多维度评价

Select

8. 关联规则的分层表达

戴敏;黄亚楼

计算机应用

摘要（1096）

PDF （656KB）（750）

关联规则通常以规则列表形式表达，而许多关联规则挖掘算法往往产生大量规则，这给用户理解规则和从中找出感兴趣的规则带来了极大困难。为了标识重要的规则，而又保持挖掘结果的完整性，提出了根据规则的通用性，按照由概括—具体的方式分层表达关联规则。先用挖掘结果的最概括规则集表达出最通用、最基本的领域知识，再根据用户要求分层查看概括规则下面更具体的规则。这种表达方式可以在不同层次上查看关联规则，使挖掘结果更容易管理和被人理解。

相关文章 | 多维度评价

Select

9. 基于双档案种群大小自适应方法的改进差分进化算法

黄亚伟钱雪忠宋威

《计算机应用》唯一官方网站 DOI: 10.11772/j.issn.1001-9081.2023121744
预出版日期: 2024-03-11

Select

10. 联邦学习中的隐私保护技术研究综述

王腾霍峥黄亚鑫范艺琳