联邦机构

摘要： 2021年10月,美国国家科学技术委员会下属量子科学经济与安全影响小组发布《国际人才在量子信息科学中的作用》,指出美国在该领域存在人才缺口,应在构建开放创新的科研生态和维护国家安全之间寻求平衡。报告建议联邦机构制定量子信息科技人才发展战略规划,制定协调、全面的技术保护计划,与国际伙伴合作构建一个积极且安全的国际量子信息科研生态系统。量子信息科技是对经济和安全有重要意义的关键新兴技术。谁能领导量子信息科技的发展,谁就有机会在经济和国家安全方面获得竞争优势。

摘要： 美国拜登签署“关于改善国家安全、国防部和情报界系统网络安全的国家安全备忘录”美国白宫网站2022年1月19日消息,美国总统拜登签署“关于改善国家安全、国防部和情报界系统网络安全的国家安全备忘录”,为美国防部、情报界和其他联邦机构运行的敏感国家安全系统(NSS)设定了新的网络安全要求,并为如何实现这些网络安全需求制定了时间表和指导方针:一是加快国家安全系统的云迁移进程;二是更新国家网络安全系统的保护计划;三是确保跨域解决方案的安全。备忘录显著扩大国家安全局局长的网络安全授权,通过其作为国家安全系统国家经理人的角色,制定具有约束力的操作指令,要求机构识别本机构的国家安全系统并上报网络事件,针对已知或可疑的网络安全威胁和漏洞采取具体行动。

摘要： 在机构改革和新修订的档案法出台的双重背景下,当前我国档案行政监管面临着许多实践领域的问题与挑战,如执法力量不足、执法权威有待提升、如何依法开展有效监管等。相比较而言,美国的档案行政监管体系将档案监管内嵌进了联邦机构乃至总统的文件形成环节,利用档案来更好地进行政府行政行为和业务活动监管,表现出强监管、严执法、重管控等特点。

摘要： 美国拜登签署《联邦网络劳动力轮岗计划法案》美国白宫网站显示,2022年6月21日,美国总统拜登签署了《联邦网络劳动力轮岗计划法案》(Federal Rotational Cyber Workforce Program Act),作为招募和留住联邦政府网络安全专业人员努力的一部分,允许网络安全专业人员在多个联邦机构中轮换,助力提高其网络安全专业知识。由于政府机构通常无法与硅谷科技巨头提供的薪水和其他福利竞争,但却能够提供服务国家和保卫网络前线的宝贵机会。

摘要： 国家档案局与中国人民大学信息资源管理学院人员共同编译《美国国家档案与文件署关于联邦机构灾害响应与恢复档案工作情况的专项检查报告》,以期对国内档案监督检查工作、重大活动和突发事件应急处置档案管理工作的开展提供借鉴。

摘要： (接上期)2.档案保管期限表要求调查结果4:灾害响应与恢复档案的保管期限表已经过时,各机构对相同或类似档案保管期限的规定各不相同灾害响应与恢复档案的形成是一个动态过程。形成档案的类型和档案管理方式经常变化。NARA发现,许多被检机构的档案保管期限表已不能适应灾害响应与恢复工作的变化,已经过时,需要重新审查和修订。

摘要： 2017年6月30日,美国总统特朗普签署行政命令,要求重新组建国家太空委员会(National Space Council,NSpC),目的在于对太空领域国家政策、战略制定和实施方案进行整体协调和控制。根据总统行政命令的要求,将同时成立用户咨询小组(Users''Advisory Group,UAG),为国家太空委员会提供来自工业界和其他非联邦机构的有关航天事务的外部建议,进而提升商业航天代表在联邦政策上的发言权。

摘要： 美参议院发布国会山骚乱事件调查报告据新华社消息,美国国会参议院6月8日就今年1月发生的国会山骚乱事件发布调查报告,认为多个联邦机构严重误判且未充分分享所截获的相关情报,是导致骚乱事件发生的重要原因。报告认为,国会警察局情报部门、联邦调查局和国土安全部在骚乱发生前已截获相关威胁言论,但国会警察局情报部门认为国会山遭袭的可能性"很小"甚至"不可能",未将全部情报告知警察局领导层和普通警察及其他执法机构。联邦调查局和国土安全部也低估了网上威胁言论,未向负责华盛顿地区安全的执法部门发布威胁评估或情报简报。多个部门在情报工作方面的严重失误导致执法人员在骚乱发生前未能得到充分预警。

摘要： 美国仇恨犯罪创12年来新高据《芝加哥华语论坛》报报道,当地时间8月30日,美国联邦调查局(FBI)发布报告称,由于针对黑人和亚洲人的袭击不断增加,美国的仇恨犯罪数量在2020年上升至12年来的最高水平。联邦机构2020年总共统计了7759起仇恨犯罪,这是动荡的12个月,标志着全球新冠肺炎流行、分裂的总统选举和经济动荡。与2019年相比,这一数字增长了6%,是2008年以来的最大增幅。

摘要： 美国全球定位系统(GPS)卫星群为导航App、银行、电网以及其他商业和政府基础设施提供关键数据。但在过去的10年里,它一直在没有安全网、没有备份系统的情况下运行。现在,美国两家联邦机构想要改变这一现状,他们或许能在9月前选出一个或多个替代方案。4月晚些时候,美国交通部(DOT)将潜在GPS支援技术的最新演示结果提交给国家执行委员会.

摘要： 本发明公开了一种基于机构内递归与机构间递归相结合的联邦学习故障诊断方法，旨在解决隶属不同公司风力发电机关键部件监测数据面临的样本结构不一致的问题。这种由于传感器多速率采样、网络随机丢包带来的问题会使得联邦平均方法无法综合来自不同机构的数据。因此，提出了一种联邦学习策略，首先单个机构内划分为采样率不同的数据建立多个参与方模型，然后在联邦中心以资源分配策略将各机构的同一参与方进行联邦，在各机构内通过递归迁移的方式实现参与方内的模型优化。最后把更新之后的相同参与方模型上传到联邦中心进行下一轮的联邦，从而达到利用其他机构信息更新本机构深度学习故障诊断模型的目的，使数据利用更加充分，故障诊断更加准确。

摘要： 本说明书实施例提供用于经由至少两个第一成员设备和第二成员设备训练业务模型的联邦学习方法，联邦学习装置和联邦学习系统。各个第一成员设备具有本地数据，第二成员设备维护待训练的业务模型。在进行联邦学习时，在各个第一成员设备从第二成员设备接收当前业务模型后，各个第一成员设备使用本地数据训练所接收的当前业务模型，确定本地训练出的业务模型与所接收的业务模型之间的模型相关性，并且仅仅在模型相关性满足预定条件时才将本地训练出的模型更新量提供给第二成员设备。第二成员设备根据从各个第一成员设备接收的模型更新量更新业务模型。

摘要： 本说明书实施例提供用于经由至少两个第一成员设备和第二成员设备训练业务模型的联邦学习方法，联邦学习装置和联邦学习系统。各个第一成员设备具有本地数据，第二成员设备维护待训练的业务模型。在进行联邦学习时，在各个第一成员设备从第二成员设备接收当前业务模型后，使用本地数据训练所接收的当前业务模型，基于本地训练出的业务模型中的模型参数的参数更新量，确定各个模型参数的参数稳定性，并且将被确定为参数不稳定的模型参数的本地更新值提供给第二成员设备。第二成员设备根据从各个第一成员设备接收的模型参数的本地更新值更新业务模型。

摘要： 本发明公开了一种基于联邦学习的金融机构客户信用风险分析方法及系统，包括客户端和服务端，所述客户端通过网络接口访问服务端，所述服务端管理客户端地址和版本，服务端实时配置客户端的认证信息；所述客户端包括框架应用、训练应用和预测应用；所述服务端包括框架服务、版本服务和模型服务；该基于联邦学习的金融机构客户信用风险分析方法及系统，本发明可以在保证数据安全与保护数据隐私的情况下，打破数据孤岛，训练金融机构客户信用风险预测模型并对未来数据进行预测；模型闭环管理，服务端管理训练前各个客户端的模型预处理，管理客户端训练后的模型参数合并，实现闭环的流程管控。

摘要： 本发明公开了一种基于信任度的分散式联邦学习的医疗机构数据共享方法，包含以下步骤：所有医疗机构随机分组，选出代表性机构；每组计算平均梯度值与可信度；代表性医疗机构计算自己与其余代表性医疗机构的欧氏距离；代表性机构之间根据信任度/欧氏距离选出最终参与聚合的代表性医疗机构的参数；计算所选机构参数的平均值更新全局模型。本发明基于分散式联邦学习实现分层聚合，以此实现隐私保护与鲁棒性；实验结果表明，在不同规模的恶意医疗机构场景下，本方法均能取得较好的实验效果。

摘要： 本说明书实施例提供一种联邦学习方法及联邦学习系统。方法包括：在联邦学习用于训练的目标模型确定特征配置前，联邦学习的成员对象按照所述联邦学习的数据仓库的数据结构化配置，对本地的私有数据进行预处理；以及，联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至数据仓库。在所述目标模型确定特征配置后，所述集中计算平台根据所述目标模型的特征配置，对所述数据仓库记录的私有数据进行特征提取，得到适用于训练所述目标模型的特征数据；以及，所述集中计算平台基于提取到的特征数据，对所述目标模型进行训练，并将所述目标模型的训练结果发送至所述联邦学习的成员对象。

摘要： 本发明公开了一种在线联邦学习任务分配方法、装置、联邦学习方法及系统，在给定联邦学习训练框架下，将边缘计算联邦学习训练过程分为节点选择计划确认和节点数据状态更新两个阶段，通过Lyapunov优化理论和深度强化学习的计算，提供使得损失函数最小化的、在不完全信息状态下保证数据集状态稳定不拥塞的任务分配方法，由此解决现有的任务分配机制仅必须知道完全信息的情况下且数据集需要独立同分布的分配阶段，导致不能解决在线联邦学习中数据非独立同分布的技术问题。

摘要： 本申请涉及一种联邦学习专用处理器、联邦学习处理芯片及芯片。该处理器包括彼此独立的多个处理引擎，其每一个包括并行的至少一个处理子引擎且属于加密、解密、密文运算以及密钥管理的类别中的一个。该处理器用于生成联邦学习任务的任务配置信息，确定多个处理引擎的调用次序和被调用的处理引擎，根据任务配置信息和被调用的处理引擎的状态生成引擎配置信息，根据引擎配置信息完成联邦学习任务。多个处理引擎中的至少一个处理引擎所包括的处理子引擎由第一部分和第二部分组成，第一部分的个数根据联邦学习通用业务场景预先设定，第二部分的个数可根据与联邦学习任务关联的联邦学习子业务场景调整。如此实现数据流驱动的引擎分配机制及优化设计。

摘要： 本说明书实施例提供一种联邦学习模型的训练方法和调用方法以及联邦学习系统。该训练方法包括：获取多个参与者中的每个参与者的水印化训练数据集；以及基于多个参与者中的每个参与者的水印化训练数据集进行联邦学习训练，以分别产生每个参与者的作为联邦学习模型的一部分的碎片模型，其中，水印化训练数据集包括水印训练数据，参与者的水印训练数据的数据标识彼此对应，且多个参与者中的至少一个参与者的水印训练数据包括水印标签。

摘要： 本说明书实施例提供一种联邦学习模型的训练方法和调用方法以及联邦学习系统。该训练方法包括：分别由多个参与者中的每个参与者获取该参与者的水印化训练数据集，其中，水印化训练数据集包括具有水印标签的水印训练数据，和基于该水印化训练数据集进行训练，以产生该参与者的本地模型；以及将多个参与者的本地模型进行聚合，以产生联邦学习模型。