-
公开(公告)号：CN117541252A
公开(公告)日：2024-02-09
申请号：CN202311340198.3
申请日：2023-10-16
Applicant: 北京理工大学
Abstract: 本申请提供一种跨链交易异常账户检测方法、装置、电子设备及存储介质，所述方法包括：获取跨链交易数据，并对跨链交易数据进行汇总，得到跨链交易数据的正常样本和异常样本；提取跨链交易数据的跨链特征，确定不同跨链特征的相关性，响应于任意两个跨链特征的相关性大于第一阈值，则剔除其中任意一个跨链特征，得到修正正常样本和修正异常样本；根据修正正常样本和修正异常样本，得到跨链异常检测模型；利用跨链异常检测模型，对跨链交易进行异常账户检测。通过对正常样本和异常样本中跨链特征相关性分析，剔除其中相关性较高的任一跨链特征，避免对跨链异常检测模型的训练中过拟合，确保跨链异常检测模型在真实的跨链交易环境中的有效性。
-
公开(公告)号：CN117454413A
公开(公告)日：2024-01-26
申请号：CN202311232818.1
申请日：2023-09-22
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于加权蒸馏的异构联邦学习及恶意客户端防御方法，属于人工智能和网络安全技术领域。首先，客户端根据实际需求选择具有不同神经网络结构的本地模型，并使用本地私有数据对模型进行预训练。不同客户端基于服务器所拥有的公共数据集进行知识共享，服务器通过训练得到客户端输出线性组合的最优解，使得结果接近真实的标签分布。然后，异构模型基于KL散度进行本地更新，根据得到的权重进行相互学习。最后，使用私有数据集进行本地学习，防止局部知识的遗忘。重复上述过程，直到模型准确性不再提高或到达预设迭代轮数。与现有技术相比，本方法有效提高了局部模型的准确性，具有良好的鲁棒性、适应性和更高的效率。
-
公开(公告)号：CN114401084B
公开(公告)日：2023-12-29
申请号：CN202111504457.2
申请日：2021-12-10
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于密文变换的第三方随机数传递方法，属于计算机网络应用密码学技术领域。首先，服务集群中的所有服务器约定所用椭圆曲线，生成自己的公私钥对，将每个服务器的公钥进行加和，得到服务集群的公钥。然后，接收方使用曲线参数生成自己的公私钥对。之后，发送方生成随机点，由点映射出待传递的随机数。使用服务集群公钥对随机点进行加密，并将密文发送至服务集群。服务集群中每个服务器分别以接收方的公钥为目标对密文进行转化。服务集群将所有服务器的转化结果与原密文进行加和，得到新密文。接收方从服务集群获得新密文，并使用自己的私钥解密，最终得到发送方传递的随机数。本方法实现了随机数经由第三方传递时的安全可靠。
-
公开(公告)号：CN117294427A
公开(公告)日：2023-12-26
申请号：CN202311193762.3
申请日：2023-09-15
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于身份的隐私保护区块链数据所有权治理方法，属于区块链隐私保护技术领域。本方法利用变色龙哈希技术、基于身份加密技术、代理重加密技术和多项式函数技术，实现隐私保护的区块链数据所有权治理功能。面向基于数字身份的区块链应用场景，构造通过基于变色龙哈希技术控制区块链数据可编辑性、基于身份加密技术和多项式函数技术控制区块链数据可读性、基于代理重加密技术，实现用户高效撤销和问责的隐私保护区块链数据所有权治理方法。本方法具有隐私保护数据所有权治理和支持用户撤销与问责的功能优势，在数据所有权治理粒度、用户撤销和问责性能、用户隐私保护程度、用户端数据处理效率以及方法安全性方面具有显著优势。
-
公开(公告)号：CN117290820A
公开(公告)日：2023-12-26
申请号：CN202311202679.8
申请日：2023-09-18
Applicant: 北京理工大学
Abstract: 本发明涉及一种隐私保护的模型产权鉴别测试方法，属于人工智能神经网络隐私保护技术领域。本方法利用同态加密技术与混淆电路，面向人工智能神经网络隐私保护场景，设计了在双云服务器模型下的基于同态加密、混淆电路与多维度的基于三个维度的六个隐私保护的人工智能模型产权鉴别测试协议和两个辅助协议，实现了对模型数据隐私的保护。对比现有技术，本方法在隐私保护程度、通信开销、模型准确度与训练效率等方面具有显著优势。
-
Patent Agency Ranking
公开(公告)号：CN117135155A
公开(公告)日：2023-11-28
申请号：CN202310591507.8
申请日：2023-05-24
Applicant: 北京理工大学
Abstract: 本发明涉及资源约束条件下基于联盟链联邦学习客户端选择优化方法，属于区块链技术领域。包括下列步骤：给出联盟链网络、智能合约、k‑折交叉验证、模型状态定义；构建联盟链网络并设置共识机制以及相关节点；任务发布者通过在联盟链网络上部署相关智能合约来发布联邦学习任务；对于给定的联邦学习任务，选择分配池中的客户端设备及其对应的神经网络模型结构进行本地训练，并将本地训练的更新数据广播发送给联盟链中的总控节点；总控节点验证更新，根据相关智能合约聚合全局模型；联盟链节点执行智能合约，打包全局模型，产生新区块，并将区块上传至联盟链网络中。同现有技术相比，本发明具有良好的安全性和良好的扩展性，并且提高了训练效率。
-
公开(公告)号：CN117093905A
公开(公告)日：2023-11-21
申请号：CN202310314335.X
申请日：2023-03-28
Applicant: 北京理工大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于高鲁棒流量特征表示的加密流量分类方法，属于互联网加密流量分类技术领域。本方法通过分析流量特征在正常和混淆加密流量中的信息泄露，发现每个时间间隔内发送的数据包数量在不同流量间具有较强的区分性和鲁棒性。在此基础上，细化特征表示粒度并引入数据包方向信息，即统计每个时隙内上下行数据包的数量，构建出流量聚合矩阵。最后，对卷积神经网络等深度神经网络进行训练，获得更鲁棒的加密流量分类模型。与现有加密流量分类技术相比，本方法不仅可以精准分类加密流量，而且可以在加密流量通过混淆或分割技术隐藏其明显特征的场景下，提供更高的有效性和鲁棒性。
-
公开(公告)号：CN115314248B
公开(公告)日：2023-11-10
申请号：CN202210782283.4
申请日：2022-06-24
Applicant: 北京理工大学
Abstract: 本发明公开一种基于区块链的节点分层访问控制方法，属于区块链系统安全提升技术领域。本发明的一种基于区块链的节点分层访问控制方法，基于入网访问控制、区块链账本、网络管理员、属性服务器、投票者节点、投票者权重、共识机制、网络管理员等待决策时间阈值以及网络活跃度实现；通过网络管理员及节点注册、发送入网请求、分发入网请求、获取节点属性、属性验证及决策，实现网络节点的入网控制。本发明的一种基于区块链的节点分层访问控制方法，发送的一切数据为加密数据，保证在属性传输及验证过程中的数据安全性；能够动态调整投票者权重的评估，具有良好的可靠性；能够抵御女巫攻击，具有良好的安全性；数据存储成本及通讯成本低。
-
公开(公告)号：CN116861991A
公开(公告)日：2023-10-10
申请号：CN202310591411.1
申请日：2023-05-24
Applicant: 北京理工大学
IPC: G06N3/098 , G06N20/20 , G06F18/243 , G06F18/214 , H04L9/00 , H04L9/06 , H04L9/40
Abstract: 本发明涉及一种基于随机抽样和多层拆分的联邦决策树训练方法，属于联邦学习技术领域。所述方法包括下列步骤：建立纵向联邦学习概念，建立决策树模型，设定损失函数，设定残差计算，设定bagging策略，组织基于k层拆分的决策树；初始化；联邦决策树训练；以及模型预测。本发明方法基于哈希映射原理，将经过相同哈希的ID作为样本唯一标识附加传输，实现主动方和被动方之间的数据安全分批传输；基于bagging策略对数据特征进行降维，实现在小数据子集上进行单轮迭代过程，减少训练过程中的计算量；基于“部分随机”的思想，将多轮的相互通信减少为单轮，同时进行多个内部节点的拆分，提高决策树模型的构建和训练效率。
-
公开(公告)号：CN115913749B
公开(公告)日：2023-09-29
申请号：CN202211554244.5
申请日：2022-12-06
Applicant: 北京理工大学
IPC: H04L9/40 , G06N3/0442 , G06N3/098 , G06F18/214
Abstract: 本发明公开了一种基于去中心化联邦学习的区块链DDoS检测方法，本发明属于隐私计算中的联邦学习技术领域，包括：建立联邦学习系统，所述联邦学习系统包括若干本地节点，获取若干所述本地节点的本地数据集；初始化本地节点的LSTM模型；对所述本地节点的本地数据集处理，得到本地节点预处理数据，其中，所述本地节点预处理数据包括训练集和测试集；将所述本地节点预处理数据的训练集对应输入到本地节点的LSTM模型进行训练，得到本地节点的最终模型；将所述测试集输入本地节点的最终模型，得到本地节点检测攻击的准确率。本发明既能确保有效检测区块链中DDoS攻击的同时又能保证大幅减少训练过程中的通信开销。
-
-
-
-
-
-
-
-
-
Search Results
444
records
(took 0.05 seconds)
