龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京工业大学
摘要：本发明提出了一种软件缺陷预测隐私保护方法，该方法基于联邦学习机制，整个流程首先是构建软件缺陷预测模型，这一模型会进行软件缺陷的预测和训练工作，计算出相应的损失和局部梯度，采用DP‑fedsam算法，对梯度进行扰动处理，得到受保护的梯度，并将其上传至中央服务器：在服务器端，聚合梯度，更新全局模型参数，更新后的参数会被分发给企业内部各个部门，使其继续训练和优化本地的模型；本发明在有效保护企业数据隐私的同时，充分利用了分散在各部门的大量数据资源进行模型训练，从而训练出既准确又无偏的软件缺陷预测模型，这一创新方法不仅提升了模型训练的效率和准确性，还为企业数据安全提供了强有力的保障。
主权项：1.基于联邦学习的软件缺陷预测隐私保护方法，其特征在于：包括软件缺陷预测模型构建方法，以及应用联邦学习技术对所述的软件缺陷预测模型进行训练，针对部门数据，实现缺陷预测；其包括如下步骤：步骤一：首先，我们选定一组由企业内不同部门构成的客户端，这些客户端将共同参与模型的协作训练过程。在每次训练时，系统会随机选取其中的某个部门，该部门将输入其本地存储的源代码数据。随后，这些数据将通过软件缺陷预测模型进行预测和训练。完成此步骤后，将进入步骤二；步骤二：在部门的本地设备中，会对输入的源代码数据进行预处理。采用Bootstrap采样策略为每个决策树生成训练集。基于这些训练集，我们利用决策树分类器构建随机森林算法，从而形成软件缺陷预测模型。完成这一步骤后，将进入步骤三；步骤三：在部门本地设备上，我们根据本地的数据集进行软件缺陷预测和模型训练，得到预测结果yi。抽取局部数据ξi，我们计算出局部模型的梯度g。完成这一步后，将进入步骤四；步骤四：对局部模型梯度g进行梯度剪裁，然后应用稀疏化技术，得到受保护的梯度，然后进入步骤五；步骤五：大量部门客户端将受保护的模型梯度上传到服务器，利用联邦学习技术，由服务器聚合所有上传的模型梯度，得到聚合梯度使用聚合梯度更新服务器中维护的全局模型参数w，然后将更新的全局模型分发给部门设备，以更新其局部模型参数。重复此过程，直到模型训练收敛。
全文数据：
权利要求：
百度查询： 南京工业大学 基于联邦学习的跨项目软件缺陷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号