关键词： 工业物联网   数据共享   联邦学习   隐私保护  

摘要： 工业物联网在工业数字化进程中发挥着重要作用。通过构建高效的数据共享系统,挖掘工业数据中的潜在知识,优化生产制造流程,这已然成为工业物联网发展的新愿景。近年来,作为一种分布式机器学习训练框架,联邦学习可以在不直接共享用户本地数据的前提下协作训练全局模型,为工业物联网环境下的跨用户数据共享提供了一种可行的解决方案。 然而,面对复杂的工业物联网环境,采用联邦学习进行数据共享仍然面临着很多挑战。首先,工业物联网环境下设备和数据的异构性不仅降低了联邦学习的性能和效率,而且共享同一个全局模型也无法满足不同用户的个性化需求,因此需要个性化的联邦学习算法;其次,在基于联邦学习进行数据共享时,存在隐私泄露的挑战。比如客户端传输的本地模型参数中蕴含大量的隐私信息,恶意者可以从中推断出用户的敏感信息,因此需要增强对用户隐私信息的保护。传统的基于联邦学习的数据共享工作虽然针对上述挑战进行了大量研究,但大都存在各种不足,无法直接应用于工业物联网环境。 针对上述问题,本文对工业物联网环境下支持数据共享的联邦学习方法在应用过程中面临的异构性、个性化需求以及隐私泄露问题展开研究。 (1)针对工业物联网中设备异构的问题,本文提出一种数字孪生赋能的联邦学习架构。通过数字孪生模型实时监控、模拟工业物联网设备的状态,动态调度所有可用设备协作完成本地训练任务,加快全局模型的收敛速度,减轻设备异构性对于联邦学习性能的影响。针对工业物联网中的数据异构性和个性化需求的问题,本文在数字孪生赋能的联邦学习架构的基础上,提出一种基于参数解耦和聚类的个性化联邦学习算法,通过参数解耦方式从全局模型参数中剥离出个性化层,满足用户的个性化需求,并使用聚类方法识别用户之间的关联性,实现相似用户间的深层协作,以此减轻数据异构对于联邦学习效率的影响。最后,本文对提出的联邦学习框架及个性化联邦学习算法进行了理论分析和实验验证,实验结果表明了所提出方案的有效性。 (2)针对基于联邦学习的数据共享过程中隐私泄露的挑战,本文提出一种基于群签名和差分隐私的隐私增强联邦学习方案。首先,本文提出一个基于群签名的客户端匿名及追踪机制,利用群签名技术保护客户端的身份隐私,同时保留追踪恶意参与者身份的权利。其次,为了减少冗余噪声对联邦学习的影响,从用户的角度出发,提出一个基于模糊逻辑的隐私预算转化机制,将用户的隐私保护需求转化为具体的隐私预算值。然后,在此基础上,提出了一个细粒度的差分隐私噪声添加机制,动态调整参数裁剪的阈值,为每个参数计算单独的敏感度,以此减少冗余噪声的添加。最后,对提出方案的安全性和隐私性进行了分析,仿真实验表明所提出的方案的计算和通信成本较低,在相同隐私预算下的性能优于对比方案。

关键词： 联邦学习   拜占庭鲁棒   隐私保护   零知识证明  

摘要： 随着大数据时代的发展,数据已成为社会重要的生产要素。在数据推动技术变革的同时,隐私与数据安全问题也日益突出。以联邦学习为代表之一的隐私计算技术成为数据安全问题的解决方案。联邦学习作为一种新兴的分布式机器学习方法使得多个客户端在无需共享私有训练数据的前提下,完成机器学习模型的训练。现有研究表明,联邦学习容易受到模型投毒攻击(拜占庭攻击)和隐私推理攻击。模型投毒攻击指恶意客户端可能提交有毒的模型参数,造成聚合后模型的可用下降;隐私推理攻击指服务器可能从客户端提交的梯度中恢复出参与模型训练的原始数据。这两种攻击对联邦学习的可靠性和隐私安全性造成了极大的威胁。然而,现有的面向隐私保护的拜占庭鲁棒联邦学习方法存在准确率降低或开销过大的局限性,且由于鲁棒聚合大多为非线性运算,很难使用已有的隐私保护聚合方法完成。因此,如何在联邦学习鲁棒聚合的同时,实现对客户端的隐私保护,是一个亟待解决的问题。 为解决上述问题,本文提出一种模型安全性验证方法和一种模型隐私保护方法,以实现在拜占庭鲁棒联邦学习中对客户端的隐私进行保护。本文的主要工作可概括如下: 1.本文提出一种基于零知识证明的模型安全性验证方法,以防御联邦学习中的模型投毒攻击。该方法使用欧式距离和余弦相似度构建客户端本地模型安全性约束的零知识证明电路。客户端向服务器提交本地模型的同时提交本地模型的安全性证明。由服务器对证明进行验证,只有通过验证的本地模型,才可参与到全局模型的聚合。该方法通过对客户端本地模型进行安全性检查,实现了对模型投毒攻击的防御,有助于提升联邦学习系统的鲁棒性。 2.本文提出一种基于同态加密的模型隐私保护方法,其核心思想为使用掩码向量隐藏客户端本地模型的真实值,使本地模型对服务器保密。掩码向量通过掩码向量协商协议产生,该协议基于同态加密技术,使得所有客户端共同协商产生一个相同的且对服务器保密的掩码向量。由于掩码向量的引入,恶意客户端可能伪造零知识证明以欺骗服务器通过验证,为此本文提出一种基于Hash函数的证明防伪造方法。通过验证掩码向量的Hash值保证客户端使用的掩码向量的真实性,进一步保证客户端证明的真实性。 3.本文将模型安全性验证方法和模型隐私保护方法在联邦学习系统中进行了实现,并对该系统的复杂度以及安全性进行了理论分析。在复杂度方面,该系统中客户端的计算与通信复杂度分别为O(dlog d+d)和O(d);服务器的计算与通信复杂度均为O(nd)。在安全性方面,本文从理论上证明了该系统的隐私安全性、完备性和可靠性。 4.本文设计了实验从性能、鲁棒效果和隐私保护效果三方面对该系统进行了评估。当客户端数量为50,全局模型参数量为50K时,客户端和服务器的执行时间分别为19.91秒和6.42秒。在鲁棒效果方面,多种先进的模型投毒攻击对本系统的攻击影响,在IID数据集上均低于6%,在Non-IID数据集上低于10%。在隐私保护效果方面,实验中选用的三种先进的隐私推理攻击DLG、i DLG和R-GAP均无法恢复出客户端的原始训练数据。 本文以零知识证明为技术基础,结合同态加密和数据相似度度量技术,提出面向隐私保护的拜占庭鲁棒联邦学习系统,使联邦学习系统在进行模型训练时可拥有防御模型投毒攻击和隐私推理攻击的能力,有助于提升联邦学习的鲁棒性和隐私安全性。

关键词： 消费需求   产业升级   机器学习  

摘要： 改革开放以来,我国经济高速发展,社会变革加快,人均收入稳步提升,推动居民消费行为和消费结构迅速改变,消费规模不提升,形成了长期的需求扩张过程。与此同时,我国正处在转变发展方式、优化经济结构、转换增长动力、推动经济社会高质量发展的关键时期,党的二十大报告指出科技是第一生产力,创新是第一动力。因此在需求扩张的视角下,研究需求侧对产业升级的推动作用对提高我国科技创新水平,实现高质量发展有着重要意义。 本文从理论和实证两个方面来论述需求引致推动产业升级的理论机理和影响机制。从理论层面看,需求扩张对产业升级的推动作用可以看成是需求侧对供给侧的影响,根据“需求引致创新理论”和“本土市场效应理论”,需求侧的结构和规模的变化会通过市场机制传递给供给侧,供给侧为了适应需求侧的变化会自发的进行结构调整和技术调整。从现实机制层面看,本文通过梳理现有研究成果,并结合我国消费升级和产业升级的现状将需求扩张定义为消费结构变迁,消费品质升级和消费需求规模的扩大,将产业升级定义为技术进步为主导的产业结构和产品品质同时升级。消费需求可以通过需求弹性机制、要素配置机制、恩格尔效应和鲍莫尔效应牵引产业升级。 从实证层面看,消费需求和产业升级之间存在着复杂的非线性关系,通过对比计量模型的与机器学习的实证结果,本文认为机器学习模型能更好的识别数据中的非线性特征,因此选择了机器学习模型进行实证研究。首先本文针对当前机器学习领域的主流算法进行了系统性的评估与筛选,选择了随机森林和XGBoost两个解释能较强的模型进行实证分析研究,之后通过三大产业之间的结构关系构建产业结构高级化和产业结构合理化指标来描述产业升级中的产业结构变化,通过将全要素生产率分解得到技术的变化指数来描述产业升级中的技术进步。然后选取2000年至2022年的31个省份的面板数据来寻找最优模型参数,训练机器学习模型,构建部分依赖图从产业结构变化和技术进步两个角度刻画消费需求引致产业升级的过程,并分析其中的非线性关系。最后采用改变训练集和测试集的比例和“置换特征重要性方法”以及训练拟合能力较强的支持向量机模型和神经网络模型进行实证结果对比来进行稳健性检验。 本文从理论和实证共同得出结论,从整体上看,消费需求扩张对产业结构变化和技术变化均有正向积极的影响,可以促进产业结构调整升级和技术进步,从两方面共同牵引产业升级,促进我国科技进步。从变量的非线性结构看,消费规模的变化会对产业结构的转变产生稳定持续的影响,能够促进第二第三产业的占比提升。消费规模对产业均衡程度和技术进步的影响则存在积累效应,需要经过一定规模的积累,之后才能对产业均衡发展和技术进步产生较大的促进作用。消费结构的变化对产业均衡程度和技术水平存在稳定持续的影响,能够持续促进产业结构均衡合理化和技术水平的不断提升。消费结构对产业结构的转变则存在积累效应。

摘要： 阅读不仅是一门基础性的语言学科，更是心灵的旅行、灵魂的对话，让我们在字里行间与作者、作品共鸣。每一次深度阅读都是对自我认知与情感世界的深刻洗礼。让我们一起回归文字的纯粹与深邃，静下心来细细品味文章背后的情感和思想，体验人生百态与世事变迁。一、阅读意义（一）思想启迪阅读文学作品对我们价值观与世界观的形成有着深远影响。

关键词： 排水管道   缺陷识别   缺陷评估   深度学习   FMECA  

摘要： 排水管道作为人们生活必不可少的基础设施,其内壁缺陷种类识别与失效等级评估是管道维护的重要环节,现有的人工视觉识别方式存在误判和漏检等问题,不易及时发现和正确评估排水管道内壁缺陷,以致引发严重的管道安全事故。因此,研究一类能够高效、准确地识别和评估排水管道内壁缺陷的方法,对预防潜在安全风险、优化城市排水系统管理具有重要意义。 本文基于CCTV闭路电视设备所获取的排水管道图像数据源,通过灰度化、均衡化、降噪等过程进行数据预处理,采用局部二值模式进行图像特征纹理提取,通过对比分析确定像素块尺寸值为2是缺陷纹理的提取标准。在此基础上,选用深度学习方法跨任务图神经网络作为缺陷识别工具,通过编码器选择、解码器构建、邻接矩阵建立三个阶段完成基于CT-GNN的缺陷识别模型构建过程,通过仿真实验验证了模型在完成多缺陷识别任务方面的准确性和有效性,结果显示,CT-GNN的m F1和MF1综合得分较单任务学习基准模型平均提升6.7%,在多任务学习中则平均提升13.3%。为了能够进一步评估排水管道各缺陷的严重程度,本文基于模糊FMECA思想,构建了包含严重度指数、风险指数、可探测度三类指标的指标内容及评价等级,引入模糊推理机制,将排水管道的整体性能映射到4个不同的性能等级区间,以此降低评估指标中模糊性语言的影响,确定管道的性能状态和潜在风险。最后以芜湖市弋江区部分排水管道的图像数据集为实例进行缺陷识别与评估模型验证,结果证实了模型的有效性,按照各管段性能评估等级,对照基于模糊FMECA的排水管道养护策略,提出了限定年份内的立即养护、无需养护等措施,以确保排水管道的稳定运行。 本文所构建的基于深度学习CT-GNN的排水管道缺陷识别模型和提出的模糊FMECA的缺陷评估方法,可以提升内壁缺陷的识别效率和准确性,为管道运维企业进行管道检测和维护提供决策依据。

关键词： 英语创意写作   英语教育   二语写作   叙事技巧  

摘要： 本研究为基于实践的个案研究(practice-led research),在英语创意写作教学框架下,运用叙事学及文体学理论,对学习者在“导师反馈-学生修改”写作过程中多个历时性习稿进行分析,呈现修改过程如何提高文稿的质量,聚焦结构与连贯、叙事声音、叙事视角、人物话语与思想等宏观的叙事技巧,词汇、句法等微观的语言选择和跨文化表达方式,探讨学习者如何提高写作能力、语言能力、文学素养及跨文化表达能力,从而论证创意写作对英语教育的意义。

摘要： 高中历史的学习，不仅在于对事实和年代的记忆，更在于对历史现象背后逻辑的深入探究与思考。“以古为镜，可以知兴替。”反思性学习有助于我们透过表象去质疑历史事件的因果，去分析权力、制度、经济、文化等多重因素的影响。这种学习方式强调思考的主动性和多维性，使我们摆脱对历史的被动接受，转而成为深度的探索者与批判者。