-
公开(公告)号：CN119884790A
公开(公告)日：2025-04-25
申请号：CN202510345744.5
申请日：2025-03-24
Applicant: 之江实验室
Abstract: 本申请涉及一种数据聚类分析方法、装置及安全计算系统，所述方法应用于安全计算系统中的客户端，所述安全计算系统还包括第一服务器、第二服务器，所述方法包括：将待分析数组拆分为第一数组和第二数组，所述待分析数组的每个元素等于第一数组和第二数组中对应位置的元素之和；将第一数组发送至第一服务器，将第二数组发送至第二服务器；其中，第一服务器和第二服务器基于多个客户端发送的多个第一数组和多个第二数组，执行协作计算得到所述多个客户端两两之间的密文相似度矩阵，并基于密文相似度矩阵对多个客户端进行聚类分析，得到聚类结果并发送至多个客户端，解决了聚类分析中的数据安全性不足的问题。
-
公开(公告)号：CN118195030A
公开(公告)日：2024-06-14
申请号：CN202410391962.8
申请日：2024-04-02
Applicant: 之江实验室
IPC: G06N20/00
Abstract: 本申请涉及基于欧式距离的鲁棒性联邦学习方法、系统及存储介质，该方法包括：通过服务器分别接收每个客户端发送的拆分后的本地梯度数据；在服务器之间进行交互计算，确定每个客户端的本地梯度数据与上一轮联邦学习中目标聚合梯度之间的欧式距离；基于每个客户端对应的欧式距离进行梯度聚合，在两个服务器中分别得到局部聚合梯度，并发送至每个客户端；其中，采用乘法三元组对服务器之间的交互计算进行加密；通过每个客户端，根据局部聚合梯度获得目标聚合梯度，并基于目标聚合梯度更新本地训练模型，进行下一轮联邦学习，直到达到迭代条件。本申请能够高效地确保各个客户端的数据安全和隐私，解决了无法实现高效的联邦学习隐私增强的问题。
-
公开(公告)号：CN118153707A
公开(公告)日：2024-06-07
申请号：CN202410157409.8
申请日：2024-02-04
Applicant: 之江实验室
Abstract: 本申请涉及一种联邦学习系统、基于联邦学习的数据处理方法，该方法通过设置两个服务器，将客户端的梯度数据拆分并分别发送至两个服务器，两个服务器交互判断客户端的梯度数据是否为归一化的数据；其后两个服务器交互计算归一化的梯度数据和上一轮聚合结果之间的余弦相似度、客户端梯度数据的加权系数以及客户端梯度加权聚合值，并分别将聚合梯度值返回客户端，客户端根据聚合梯度值计算总的聚合梯度值，并使用总聚合梯度值更新本地数据训练模型。通过两个服务器之间的交互计算，进而提高了现有联邦学习系统中的数据安全性以及联邦学习的数据处理的效率，有利于在确保系统联邦学习系统拜占庭错误容忍隐私聚合的同时，不会带来巨大的时间开销。
-
Patent Agency Ranking
公开(公告)号：CN118133346A
公开(公告)日：2024-06-04
申请号：CN202410299724.4
申请日：2024-03-15
Applicant: 之江实验室
Abstract: 本申请涉及一种位置查询方法、位置查询装置、电子装置和存储介质，其中，该位置查询方法包括：获取客户端位置加密数据和本地位置加密数据集；对客户端位置加密数据进行随机加掩码运算得到客户端位置加掩码加密数据，对本地位置加密数据集进行随机加掩码运算得到本地位置加掩码加密数据集，并发送至关联服务器；接收客户端位置数据和本地位置数据集的第一欧式距离，根据第一欧式距离计算客户端位置数据与本地位置数据集之间的第二欧式距离，并将第二欧式距离发送至关联服务器；接收由关联服务器发送的目标欧式距离，将目标欧式距离发送给客户端。通过本申请，实现了在位置查询过程中对客户隐私信息的保护。
-
公开(公告)号：CN117614619A
公开(公告)日：2024-02-27
申请号：CN202311539138.4
申请日：2023-11-17
Applicant: 之江实验室
Abstract: 本申请涉及一种数据交集生成方法、数据交集生成装置和存储介质，其中，该数据交集生成方法包括：接收第一初始密文和第二初始密文；其中，第一初始密文为第一客户端的参与数据密文；第二初始密文为第二客户端的参与数据密文；基于非对称密钥，对第一初始密文和第二初始密文进行解密、相乘运算，加密得到目标相乘密文；将目标相乘密文发送至第一客户端和第二客户端；第一客户端和第二客户端分别持有针对目标相乘密文的客户端私钥通过本申请，解决了PSI协议求交集合无法在数据云外包场景适用的问题，实现了数据的高效和安全使用。
-
公开(公告)号：CN117332451A
公开(公告)日：2024-01-02
申请号：CN202311437621.1
申请日：2023-10-31
Applicant: 之江实验室
Abstract: 本申请涉及一种基于联邦学习的数据保护方法、装置和系统，其中，该基于联邦学习的数据保护方法包括：发送联邦学习请求至云端服务器，联邦学习请求包括用户标识；当云端服务器接收的联邦学习请求的用户数量超过预设的数量阈值后，接收云端服务器发送的所有用户标识，并根据用户标识获取目标输入数据；根据目标输入数据，生成加密后的用户数据的密文数据和签名数据，并发送密文数据和签名数据至云端服务器，以使云端服务器生成聚合结果；接收并解密云端服务器发送的聚合结果，根据解密后的聚合结果更新用户模型，以实现用户模型的数据的保护。通过本申请，实现了横向联邦学习中用户的数据安全，进而保护用户隐私。
-
公开(公告)号：CN118194348A
公开(公告)日：2024-06-14
申请号：CN202410347321.2
申请日：2024-03-26
Applicant: 之江实验室
Abstract: 本申请涉及一种数据价值评估方法、数据价值评估装置和存储介质，其中，该数据价值评估方法包括：通过获取本地加密数据和本地加密模型参数，基于联邦学习聚合模型将本地加密模型参数聚合得到聚合加密模型参数；将本地加密数据和聚合加密模型参数进行神经网络模型线性部分隐私计算，得到线性部分隐私计算结果，并将线性部分隐私计算结果发送给关联服务器；获取本地数据的价值评估值，价值评估值为关联服务器根据线性部分隐私计算结果计算得到；将价值评估值、本地加私密数据和目标密钥哈希值发送至数据需求方，以使数据需求方与数据持有方基于价值评估值完成数据交易。实现了在确保数据隐私安全的情况下，对数据进行有效的价值评估和可信流通。
-
公开(公告)号：CN117675356A
公开(公告)日：2024-03-08
申请号：CN202311670476.1
申请日：2023-12-07
Applicant: 之江实验室
Abstract: 本申请涉及数据加权处理方法、装置、电子装置和存储介质，其中，该数据加权处理方法包括：接收各客户端的客户端加权数据密文和客户端权重数据密文；基于非对称密钥，对客户端加权数据密文依次进行连乘和同态运算，得到第一运算结果，并根据第一运算结果得到加权解密结果；基于非对称密钥，对客户端权重数据密文依次进行连乘和同态运算，得到第二运算结果，并根据第二运算结果得到权重解密结果；基于云端公钥和客户端公钥，对加权解密结果和权重解密结果进行运算后加密处理，得到目标加权数据密文；将目标加权数据密文发送至各客户端。通过本申请，提高了多方数据的处理效率和准确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
