-
公开(公告)号：CN119004515A
公开(公告)日：2024-11-22
申请号：CN202411464594.1
申请日：2024-10-21
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明属于区块链技术领域，提供了一种基于区块链的电力数据安全访问控制方法及系统，其技术方案为接收数据访问请求者的访问请求，当数据访问请求者的身份验证通过后，将用电数据与数据拥有者绑定；数据拥有者基于用电量数据确定挖掘节点，基于确定的挖掘节点对用电量数据进行处理后上传至区块链；数据拥有者构建访问控制策略，基于访问控制策略加密数据得到数据密文；判断数据访问请求者的属性集合是否符合访问策略，若是，数据拥有者生成解密密钥并传输给数据访问请求者；数据访问请求者利用解密密钥解密数据得到明文数据。能够有效地拦截不符合属性要求的解密请求，从而在保障数据安全性的同时，显著优化了系统性能。
-
公开(公告)号：CN119004515B
公开(公告)日：2025-01-24
申请号：CN202411464594.1
申请日：2024-10-21
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明属于区块链技术领域，提供了一种基于区块链的电力数据安全访问控制方法及系统，其技术方案为接收数据访问请求者的访问请求，当数据访问请求者的身份验证通过后，将用电数据与数据拥有者绑定；数据拥有者基于用电量数据确定挖掘节点，基于确定的挖掘节点对用电量数据进行处理后上传至区块链；数据拥有者构建访问控制策略，基于访问控制策略加密数据得到数据密文；判断数据访问请求者的属性集合是否符合访问策略，若是，数据拥有者生成解密密钥并传输给数据访问请求者；数据访问请求者利用解密密钥解密数据得到明文数据。能够有效地拦截不符合属性要求的解密请求，从而在保障数据安全性的同时，显著优化了系统性能。
-
公开(公告)号：CN118740378B
公开(公告)日：2024-11-08
申请号：CN202411223043.6
申请日：2024-09-03
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明涉及模式匹配技术领域，特别是涉及基于不经意传输的安全参数化模式匹配方法及系统，用户客户端和服务器分别对持有字符串进行参数预处理，将字符串中每个参数符号映射为对应的非负整数；用户客户端与服务器均设有原始秘密；构造元组，服务器根据预处理后的字符串，对原始秘密进行拆分，得到若干个真实份额；对每一个真实份额，构造对应的随机份额，并将真实份额和随机份额均存储到对应的元组中；服务器和用户客户端，按位执行不经意传输协议，用户客户端按位对元组中的份额进行选择，得到元组中的一个份额；用户客户端将获得的全部份额进行秘密重构，若重构秘密与原始秘密一致，则说明参数化模式匹配完成。保障了双方数据的安全。
-
公开(公告)号：CN119918088A
公开(公告)日：2025-05-02
申请号：CN202510021706.4
申请日：2025-01-07
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明提出了基于多项式链接的同态关键字隐私信息检索方法及系统，涉及信息检索技术领域，包括：将数据库中的数据项进行分割；利用布谷鸟哈希对数据库中的关键词进行处理，并公布所用的哈希函数；利用处理后的表内元素创建零值多项式，并用多项式链接技术以哈希值为根在分割后的数据项上创建插值多项式；利用公布的哈希函数分别计算期望查询的关键字的哈希值；使用全同态加密技术对期望查询的关键字的哈希值进行加密，再分别计算各个多项式的值；解密第一个零值多项式的值，如果存在0说明存在关键词与查询匹配，则解密插值多项式的值，并输出查询所得的结果。本发明拓展了私有信息检索的实用性。
-
公开(公告)号：CN119834973A
公开(公告)日：2025-04-15
申请号：CN202411991869.7
申请日：2024-12-31
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明提出了一种可抵御密钥混合匹配的隐私保护方法及系统，涉及信息安全技术领域，包括：多个加密者、解密者和密钥管理者；密钥管理者通过初始化算法随机生成一组密钥，并将密钥分发给对应加密者；密钥管理者随机生成标签#imgabs0#和#imgabs1#，并发送给所有加密者；加密者接收本轮标签并计算掩码；加密者通过加密算法计算密文，并将密文发送给解密者；密钥管理者接收解密者发来的向量，使用本轮标签#imgabs2#计算解密密钥，并将解密密钥和本轮标签#imgabs3#返回给解密者；解密者接收密文集合、解密密钥和标签#imgabs4#，计算解密结果，求解离散对数，得到内积结果。本发明可抵御密钥混合匹配攻击，对机器学习场景进行隐私保护和加密。
-
Patent Agency Ranking
公开(公告)号：CN119760770A
公开(公告)日：2025-04-04
申请号：CN202411821481.2
申请日：2024-12-11
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明属于联邦学习领域，提供了一种基于同态加密聚类的个性化联邦学习隐私保护方法及系统，在客户端聚类阶段，该框架利用同态加密的特性，对分布特征的密文进行简单运算，随后基于解密后的结果对客户端进行精确聚类。此方法显著提升了聚类的准确性，同时减少了计算资源的消耗。在客户端训练阶段，该框架为每一组设置了两个模型：组内模型和组外模型。组内模型指通过聚合组内用户的模型得到的模型，组外模型则是由其他组的组模型聚合而成。该框架采用近端优化的思想，以组内模型为基础获取组外模型的知识，提升模型的泛化能力，使其更适用于符合实际数据分布的场景，旨在应对由类别不平衡引发的数据异构性问题。
-
公开(公告)号：CN118740378A
公开(公告)日：2024-10-01
申请号：CN202411223043.6
申请日：2024-09-03
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明涉及模式匹配技术领域，特别是涉及基于不经意传输的安全参数化模式匹配方法及系统，用户客户端和服务器分别对持有字符串进行参数预处理，将字符串中每个参数符号映射为对应的非负整数；用户客户端与服务器均设有原始秘密；构造元组，服务器根据预处理后的字符串，对原始秘密进行拆分，得到若干个真实份额；对每一个真实份额，构造对应的随机份额，并将真实份额和随机份额均存储到对应的元组中；服务器和用户客户端，按位执行不经意传输协议，用户客户端按位对元组中的份额进行选择，得到元组中的一个份额；用户客户端将获得的全部份额进行秘密重构，若重构秘密与原始秘密一致，则说明参数化模式匹配完成。保障了双方数据的安全。
-
公开(公告)号：CN118504709B
公开(公告)日：2025-04-15
申请号：CN202410611222.0
申请日：2024-05-16
Applicant: 济南大学
Abstract: 本公开提出了一种基于本地差分隐私噪声控制的联邦学习方法及系统，方法包括：客户端将本地模型和全局模型之间的差异作为约束因子，更新本地局部模型；基于更新的本地局部模型参数和全局模型参数，采用互信息计算扰动添加值；将扰动添加值添加到更新的本地局部模型的参数中，将添加扰动的本地局部模型参数发送给中心服务器；中心服务器对接收到的添加扰动的本地局部模型参数进行聚合，根据聚合后的数据对模型进行重构得到本轮训练的全局模型，再下发给各客户端。通过将本地模型和全局模型之间的距离作为约束因子对本地模型进行训练，并利用互信息计算待添加扰动，实现了在保护客户端本地隐私的同时保证联邦学习全局模型训练的性能。
-
公开(公告)号：CN113855036B
公开(公告)日：2024-12-10
申请号：CN202111165430.5
申请日：2021-09-30
Applicant: 济南大学 , 山东齐鲁现代教育研究院有限公司
Abstract: 本发明提供了一种心电信号可视化方法及装置，包括：采集用户的心电信号数据并进行降噪；将降噪处理后的心电信号转化成电流信号；根据电信号控制磁流体的运行状态；根据磁流体的运行状态，得到不同心率范围内对应的显示结果；本发明将时间局部性原理和集成式小波降噪方法结合起来，可以应对复杂噪声环境；通过采集心电，将心电可视化，使用者可以观察自己的心率情况。本发明为心电研究人员提供了全新的心电可视化展示方式。
-
公开(公告)号：CN115299947B
公开(公告)日：2024-10-22
申请号：CN202211084909.0
申请日：2022-09-06
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
Abstract: 本发明提供了基于多模态生理数据的心理量表置信度评估方法及系统，涉及生理数据评估技术领域，包括采集被试者在心理量表测试过程中单题目的多模态生理信号数据，并分别进行预处理；对单题目时刻生理信号按时间戳进行数据切片，标准为时间戳工具数据，完成各模态分段操作；对各模态分别训练预测模型获得单题目置信度，并在特征层和决策层分别设计策略进行融合，获得更准确地单题目置信度；将各量表单题目置信度和行为数据输入至概率密度模型进行量表置信度的预测；对于测试者来说，在部分量表的测评上缩短了时间，更是避免了测谎题在特殊情况下失效。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.044 seconds)
