一种基于协作深度学习的数据共享方法

    公开(公告)号:CN109977694A

    公开(公告)日:2019-07-05

    申请号:CN201910183408.X

    申请日:2019-03-11

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于协作深度学习的数据共享方法,其包括两个服务器,若干参与机构,每个参与机构拥有相同格式的生物医疗数据,服务器负责对参与机构上传的模型参数进行更新和维护,每个参与机构只需要分别从两个服务器下载最新的参数秘密份额,在本地进行秘密重构恢复得到最新的参数,然后利用该参数和自己私有的生物医疗数据在本地进行深度学习模型训练,训练完成后再把更新的模型参数通过秘密分享方案拆分成两份秘密份额,由两个服务器分别对秘密份额进行参数更新操作,供参与机构下载。本发明通过使用协作深度学习方法和秘密分享方案,保护了生物医疗数据共享过程中的数据隐私,对促进生物医疗数据的共享有着极其重要的意义。

    一种基于C/S多级缓存的位置隐私保护方法

    公开(公告)号:CN110290149B

    公开(公告)日:2021-10-22

    申请号:CN201910646620.5

    申请日:2019-07-17

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于C/S多级缓存的位置隐私保护方法,其中,客户端可缓存多个可达的坐标位置;客户端形成查询请求时,随机在距离客户端半径为r的范围内找出k‑1个缓存坐标位置,对每个查询坐标使用哈希函数进行映射得到服务器集群对应编号的服务器,服务器集群匿名化处理后将请求发送给提供基于位置服务的LBS服务器,LBS服务器将处理请求并返回处理结果,处理结果经服务器集群转发后返回给客户端,服务器集群缓存返回结果,客户端保留需要的数据,丢弃不需要的数据;本发明所提出的方法能够有效保护用户的位置隐私,并降低用户与LBS服务器的交互次数,从而降低通信开销,提高查询响应速度。

    一种基于C/S多级缓存的位置隐私保护方法

    公开(公告)号:CN110290149A

    公开(公告)日:2019-09-27

    申请号:CN201910646620.5

    申请日:2019-07-17

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于C/S多级缓存的位置隐私保护方法,其中,客户端可缓存多个可达的坐标位置;客户端形成查询请求时,随机在距离客户端半径为r的范围内找出k-1个缓存坐标位置,对每个查询坐标使用哈希函数进行映射得到服务器集群对应编号的服务器,服务器集群匿名化处理后将请求发送给提供基于位置服务的LBS服务器,LBS服务器将处理请求并返回处理结果,处理结果经服务器集群转发后返回给客户端,服务器集群缓存返回结果,客户端保留需要的数据,丢弃不需要的数据;本发明所提出的方法能够有效保护用户的位置隐私,并降低用户与LBS服务器的交互次数,从而降低通信开销,提高查询响应速度。

Patent Agency Ranking