[目的/意义]隐私数据要素的流转是保证粮食供应链安全高效运行的重要基础。实现粮食供应链中隐私数据要素的协同计算对保障粮食质量安全具有重大意义。[方法]针对供应链中不同主体间因数据的隐私性而无法共享并参与计算的难题,提出基于...[目的/意义]隐私数据要素的流转是保证粮食供应链安全高效运行的重要基础。实现粮食供应链中隐私数据要素的协同计算对保障粮食质量安全具有重大意义。[方法]针对供应链中不同主体间因数据的隐私性而无法共享并参与计算的难题,提出基于工业互联网标识解析技术与联邦学习的粮食供应链数据流转与协同计算架构,设计了支撑联邦学习数据互通的数据标识编码和任务标识编码及对应的参数、信息和评价数据模型;搭建了不同主体数据特征同构的单环节横向联邦学习模型和数据特征异构的跨环节纵向联邦学习模型,基于逻辑回归算法对模型参数进行快速调整计算,以粮食供应链安全风险评估场景为对象,依托开源FATE (Federated AI Technology Enabler)联邦学习平台进行测试验证。[结果和讨论]相比传统的单一主体评估计算,横向联邦学习评估准确率提升6.7%,纵向联邦学习评估准确率提升8.3%。[结论]采用联邦学习的方式提高了评估的准确性。本研究可为粮食供应链安全高效稳定运行提供技术支撑。展开更多
通过Cite Space对Web of Science的SCI数据库中收录的协同计算领域的2 297篇文献进行分析,具体对国际协同计算领域的发文量时间分布、研究力量及合作、研究方向、研究主流、发展演变过程、研究热点及前沿进行了分析。结果表明该领域的...通过Cite Space对Web of Science的SCI数据库中收录的协同计算领域的2 297篇文献进行分析,具体对国际协同计算领域的发文量时间分布、研究力量及合作、研究方向、研究主流、发展演变过程、研究热点及前沿进行了分析。结果表明该领域的研究正处于上升期;国家、地区以美国、中国和欧洲为核心,其研究机构以美国和中国的机构为核心,虽然我国已经具备了一定的科研实力,但缺乏该领域的高产研究者,总体来看欧洲各国之间的合作最为密切;研究方向的构成以计算机科学为主;Foster I为该领域中最具影响力的主流研究者,该领域的主流期刊(文献)包括Lecture Notes in Computer Science、Commun ACM等,主流分支领域包括网格计算等9部分;发展演变过程为前期相关研究—分布式计算—网格计算—云计算,同时穿插协同过滤的发展路径;云计算、网格计算等关键词代表了当前该领域的热点,网格计算、云计算、分布式计算、网络服务、协同过滤等关键词则代表了当前该领域的前沿,且已经广泛渗透、融合到生物学、病理学、气候学、教育学、企业信息系统、社会网络、多媒体、文本分析、产学研等领域中,体现了协同计算这一领域具有较强的跨学科特点。展开更多
文摘[目的/意义]隐私数据要素的流转是保证粮食供应链安全高效运行的重要基础。实现粮食供应链中隐私数据要素的协同计算对保障粮食质量安全具有重大意义。[方法]针对供应链中不同主体间因数据的隐私性而无法共享并参与计算的难题,提出基于工业互联网标识解析技术与联邦学习的粮食供应链数据流转与协同计算架构,设计了支撑联邦学习数据互通的数据标识编码和任务标识编码及对应的参数、信息和评价数据模型;搭建了不同主体数据特征同构的单环节横向联邦学习模型和数据特征异构的跨环节纵向联邦学习模型,基于逻辑回归算法对模型参数进行快速调整计算,以粮食供应链安全风险评估场景为对象,依托开源FATE (Federated AI Technology Enabler)联邦学习平台进行测试验证。[结果和讨论]相比传统的单一主体评估计算,横向联邦学习评估准确率提升6.7%,纵向联邦学习评估准确率提升8.3%。[结论]采用联邦学习的方式提高了评估的准确性。本研究可为粮食供应链安全高效稳定运行提供技术支撑。
