联邦调查局

摘要： 一、美英澳三国联合发布《2021年勒索软件全球化威胁升级》【内容简介】2月9日,美国网络安全和基础设施安全局(CISA)与联邦调查局(FBI)、国家安全局(NSA)、澳大利亚网络安全中心(ACSC)以及英国国家网络安全中心(NCSC-UK)联合发布了《2021年勒索软件全球化威胁升级》。报告包括以下3个部分。一是途径与方式。网络钓鱼电子邮件、远程桌面协议(RDP)和软件漏洞是实施勒索软件攻击的三大突破口。攻击者大多采用3种方式进行勒索,即威胁公开发布受害者的敏感信息,破坏受害者的互联网访问功能,将攻击事件通报给受害者的合作伙伴、股东或供应商。

摘要： 美国纽约州副州长涉嫌欺诈性捐款近期,美国联邦检察官和联邦调查局正在对纽约州副州长布莱恩·本杰明是否涉及欺诈性捐款进行调查。据美国媒体报道,联邦检察官已经要求本杰明的竞选委员会、员工和咨询公司提供相关文件,本杰明的竞选顾问和州参议院相关人员已经被传唤。

摘要： 9月5日,美国佛州南区联邦地区法院法官坎农批准任命一名独立专员,审查联邦调查局(FBI)从前总统特朗普海湖庄园查获的材料,还暂停司法部出于调查目的审查或使用这些材料。这是特朗普在持续“咆哮”式的“闹闹闹”后,终于“扳回一局”。自然,这还仅仅是“第一回合”,特朗普仍不会善罢甘休,还会放大“政治迫害”声音,并将之引向今年11月的中期选举和后年的总统大选。司法部以及民主党当然也不会“束手就擒”。

摘要： 联邦调查局特工克里斯来到了山上的一间小屋前。他来抓捕卡尔·理查兹--一个持枪的危险杀人嫌疑犯。透过一扇破烂的窗户,他看见一个留着胡子的中年男子正在密切注视着他。克里斯深吸了一口气,抬腿迈进了小屋,亲切地打招呼:“您好!”一个老人正站在壁炉旁,他看着克里斯,没有出声。那个留胡子的中年男子仍然靠窗站着,手里拿着一把手枪。

摘要： 导论涉及律师的惊人丑闻当然不是什么新鲜事。律师的不当行为导致或加剧了水门事件、储蓄和贷款崩溃、公司会计惨败(它引起20世纪90年代科技股暴跌),以及无数突出的危害。但就其厚颜无耻和惊世骇俗而言,很难超越美国政府精英律师试图逃避国内和国际关于禁止酷刑的法令的做法。美国在“9·11”袭击后不久对阿富汗的入侵,导致许多可能与基地组织有联系的被拘留者被抓获,他们可能掌握有关该组织结构、人员甚至未来恐怖袭击计划的信息。因此,布什政府面临一个紧迫的问题,即如何对军方、联邦调查局、中央情报局以及其他政府人员和民间承包商使用的审讯手段加以限制。国防部官员和总统顾问自然会求助于律师,来解释和适用关于囚犯待遇的国内和国际法律规范。

摘要： 特朗普“临走”前几天,美国华裔科学家又遭罪了。当地时间1月14曰,国际传热、能源转换及纳米科技领域的知名学者,美国工程院院士、麻省理工学院(MIT)教授陈刚在波士顿家中遭联邦调查局(FBI)逮捕。据刑事起诉书显示,陈刚面临三项罪名:“电汇欺诈”(向美国能源部申请经费时未披露从中国多个机构获得合同、任命和奖项),“未提交外国银行和金融账户报告”和“向美国政府机构做虚假陈述”。

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： 美国基钱特·塞威尔成为纽约市首位黑人女性警察局局长12月14日,美国纽约市市长埃里克·亚当斯宣布,将任命基钱特·塞威尔(Keechant Sewell)为纽约市警察局局长。纽约市警察局是全美最大的警察局,成立176年来终于迎来首位女性局长。现年49岁的塞威尔出生于纽约长岛,曾就读于联邦调查局国家学院(FBI National Academy)。

摘要： 举报者钱伯斯出示藏在南瓜里的情报文件,希斯否认与己有关但仍被定罪,至此极右势力主导美国政坛70年前的美国,一场以“麦卡锡主义”为代表的反共、排外运动拉开了序幕。一时间,“间谍”“卖国贼”的帽子满天飞。超过2000万美国公民被列人联邦调查局秘密档案,数百人遭到囚禁,有大约1.2万人因此丢掉工作,甚至有人被逼自杀或被判死刑。

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。

摘要： 本发明公开了一种基于联邦蒸馏的联邦学习模型的训练方法、系统和介质，可应用于模型处理技术领域。本发明方法包括：客户端采用联邦学习算法和本地私有数据集训练并更新本地模型，采用公共数据集和更新后的本地模型预测局部归一化层的第一输出向量，并向服务器上传第一输出向量对应的局部平均输出向量；服务器对所有局部平均输出向量进行全局共识操作并确定全局平均输出向量，向所有客户端下发所述全局平均输出向量；客户端在公共数据集上，采用全局平均输出向量和更新后的本地模型进行知识蒸馏，并在本地私有数据集上训练回调本地模型。本发明能使通信成本只取决于模型输出，不会随模型大小倍数增加，从而有效提高通讯的稳定性和减少延迟。

摘要： 本申请涉及一种联邦学习系统和联邦学习任务处理方法。方法包括：确定与联邦学习任务相关联的至少一个样本ID是否存在于本地样本数据集和非本地样本数据集之间的交集；响应于该至少一个样本ID存在于该交集，调用第一联邦学习模型处理该联邦学习任务；和响应于该至少一个样本ID不存在于该交集，调用第二联邦学习模型处理该联邦学习任务。所述第一联邦学习模型的训练数据集包括该交集。所述第二联邦学习模型的训练数据集至少包括所述本地样本数据集，并且所述第二联邦学习模型的训练基于所述第一联邦学习模型根据所述本地样本数据集生成的处理结果。如此克服数据缺失问题以及避免训练样本的浪费，提升了推理预测效果。

摘要： 本发明公开了一种面向智慧城市物联网信物融合的联邦学习系统，包括设备端和服务端；所述设备端包括MQTT、训练线程、心跳发送线程；所述服务端包括MQTT、模型聚合线程、任务调度线程、心跳监测线程。本发明还提供了基于上述联邦学习系统的联邦学习训练方法，包括：服务器初始化全局模型，在一个通信回合中，服务器选择一定比例的设备，并向被选择的设备发送全局模型；设备接收到消息后，对模型执行训练并更新；将更新的模型重新上传到服务器并进行聚合，得到新的全局模型，进入下一个通信回合；完成预设的通信回合数后，设备接收服务器下发的最新的全局模型并保存供后续使用。本发明具备一定的设备可扩展性、鲁棒性和高效性。