自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 收藏
  • 关注

原创 差分隐私相关论文阅读

对手模型的多样性:不同的差分私有多方学习模型基于不同的假设,例如服务器或参与者可能是“诚实但好奇”的,或者存在恶意的外部攻击者。然而,很少有模型能够同时抵御多种类型的对手,尤其是在多个参与者可能串通的情况下。因此,需要一个更全面的框架来处理这些不同的威胁。隐私保护级别:记录级差分隐私可能不足以保护多方设置中的隐私。用户级差分隐私可能更适合,因为它提供了更有效的隐私保障。此外,仅依赖差分隐私可能无法在提高模型精度的同时实现全面的隐私保护,因此需要结合其他隐私保护技术。

2025-02-04 21:48:08 1010 1

原创 联邦学习相关论文阅读

采用了对脑电数据独特的处理方式,然后传入传统的联邦模型中进行训练,更多的是迁移学习的知识,联邦学习的对象只有两个一个是源域一个是目标域(借用迁移学习中的流形学习方法,将其应用于跨主题、跨会话任务的联邦设置中)使用四层进行联邦学习:流形约简层(III-B)、公共嵌入空间(III-C)、切线投影层(III-D)和联邦层(III-E)输入为协方差矩阵:将EEG信号的空间协方差矩阵作为FTL架构的输入。流形约简层:将高维SPD流形映射到低维公共SPD流形,以便于后续处理。

2025-02-01 23:29:09 336 1

原创 灵神算法基础(4)

函数实现:找到数组中第一个target数字。三种写法、本章先只写一种闭区间的写法。

2025-01-27 15:37:57 109

原创 灵神算法基础(3)

滑动窗口的内层循环结束时,右端点固定在 right,左端点在 left,left+1,…,right 的所有子数组都是合法的,这一共有 right−left+1 个。2.右端点右移,导致窗口扩大,是不满足条件的罪魁祸首;使用到了unordered_map<char,map>3.左端点右移目的是为了缩小窗口,重新满足条件。,请你返回子数组内所有元素的乘积严格小于。如果不存在符合条件的子数组,返回。,请你找出其中不含有重复字符的。1.维护一个有条件的滑动窗口;个正整数的数组和一个正整数。的连续子数组的数目。

2025-01-27 14:49:53 152

原创 灵神算法基础笔记(2)

的柱子的高度图,计算按此排列的柱子,下雨之后能接多少雨水。轴共同构成的容器可以容纳最多的水。找出其中的两条线,使得它们与。返回容器可以储存的最大水量。个非负整数表示每个宽度为。方法1 创建了两个数组。

2025-01-26 22:57:20 187

原创 灵神基础算法学习笔记(1)

题号 167给你一个下标从开始的整数数组numbers,该数组已按,请你从数组中找出满足相加之和等于目标数target的两个数。如果设这两个数分别是和,则。以长度为 2 的整数数组的形式返回这两个整数的下标index1和index2。你可以假设每个输入,而且你重复使用相同的元素C++中不能直接使用方括号[]来创建返回的向量(vector)。

2025-01-26 22:15:19 206

原创 对抗样本(FGSM,BIM)

FGSM(fast gradient sign method)是一种基于梯度生成对抗样本的算法,属于对抗攻击中的无目标攻击(即不要求对抗样本经过model预测指定的类别,只要与原样本预测的不一样即可)在平时求解损失函数的时候,都是最小化损失函数,在梯度的反方向移动,符号使用减号,也就是所谓的梯度下降算法;FGSM可以理解为梯度上升算法,也就是使用加号,使得损失函数最大化。上面是FGSM的公式,和dp神经网络类似,但是是一个反向的逆过程。

2024-09-08 20:29:52 793

原创 脆弱模型概述

深度模型的应用已经参与到人们生活的各个方面,同时如后门攻击、投毒攻击等对模型的篡改攻击也给人工智能带来众多风险问题。脆弱水印作为一种有效的检测方法,可以用于定期或不定期的模型检查,确保其可靠部署运行。完整性检验也是众多模型遭受攻击后恢复模型的前置条件,即检测出异常,而现有防御工作往往忽略了这关键一环。

2024-09-07 14:50:00 1844

原创 基于扩散模型的数字水印框架

扩散概率模型(为了简单起见,我们将其称为“扩散模型”)是一个参数化的马尔可夫链,它使用变分推理进行训练,在有限时间后产生与数据匹配的样本。学习这个链的过渡来反转一个扩散过程,这是一个马尔可夫链,它在采样的相反方向上逐渐向数据添加噪声,直到信号被破坏。当扩散由少量高斯噪声组成时,将采样链过渡也设置为条件高斯就足够了,从而允许特别简单的神经网络参数化。

2024-08-31 22:39:29 2025

原创 基于DWT-DCT的数字水印技术_应用于脑机数据(嵌入+评价+提取)

对脑机数据进行水印嵌入、提取、攻击等操作。本项目提供了几个传统鲁棒水印嵌入的baseline方法对脑电数据进行水印嵌入以及提取和水印质量检测的工作,同时也提出了基于DWT-DCT的水印嵌入算法模型框架。参考北京邮电大学的杨瑜老师的教科书《信息隐藏与数字水印》进行python的代码实现基于小波变换的EEGNet的水印嵌入。

2024-08-29 22:57:23 2443

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除