-
公开(公告)号：CN119854039A
公开(公告)日：2025-04-18
申请号：CN202510322618.8
申请日：2025-03-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本公开提供一种道路交通网络的道路终端接入方法及相关设备。该方法包括：获取来自道路终端的接入请求，所述接入请求包括所述道路终端的属性信息；基于所述接入请求对所述道路终端进行第一次身份认证；响应于所述第一次身份认证通过，向所述道路终端发送随机挑战值和第二次身份认证请求；接收来自所述道路终端针对第二次身份认证请求返回的密文和签名；其中，所述密文基于所述随机挑战值得到，所述签名基于所述密文得到；基于所述密文和所述签名进行第二次身份认证；响应于所述第二次身份认证通过，对所述道路终端的运行环境进行评估以得到评估结果；响应于所述评估结果符合预设要求，允许所述道路终端接入所述道路交通网络。
-
公开(公告)号：CN118842654A
公开(公告)日：2024-10-25
申请号：CN202411315697.1
申请日：2024-09-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广东科技学院
Abstract: 本申请实施例提供一种联邦模型聚合加密方法及系统，包括客户端利用盲因子对本地模型参数盲化，并加密后将密文本地模型参数发送至聚合服务器；聚合服务器基于代理重加密方法将该参数转换为聚合服务器公钥下的密文模型参数，聚合生成聚合密文模型参数，利用聚合服务器的私钥对聚合密文模型参数解密得到聚合模型参数，利用客户端的公钥对聚合模型参数加密，得到客户端公钥下的聚合模型参数；辅助服务器利用客户端的公钥对计算出的聚合盲因子加密，将密文聚合盲因子并发送至聚合服务器；聚合服务器根据聚合模型参数和密文聚合盲因子，确定去盲化的聚合模型参数，客户端利用私钥解密后得到聚合模型参数。能够保证隐私数据的安全性，不会增加资源开销。
-
公开(公告)号：CN118133328A
公开(公告)日：2024-06-04
申请号：CN202410573742.7
申请日：2024-05-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请提供的一种去中心化学习方法、系统及相关设备，包括：获取初始参数，对本地区块链模型进行训练，得到梯度更新参数；根据梯度更新参数确定欧几里得范数；对梯度更新参数进行加密得到加密梯度更新参数；获取范数约束，根据范数约束确定零知识证明；获取其他客户端的加密梯度更新参数及零知识证明，对其他客户端的零知识证明进行验证，生成第一验证结果；响应于客户端属于合规客户端集合，确定合规客户端集合中每个客户端对应的加密梯度更新参数，并计算聚合盲因子，对聚合盲因子进行正确性验证，生成第二验证结果；响应于客户端属于更新后的合规客户端集合，进行安全多方计算得到聚合更新参数；根据聚合更新参数对梯度更新参数进行调整。
-
公开(公告)号：CN119853910A
公开(公告)日：2025-04-18
申请号：CN202510334207.0
申请日：2025-03-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本公开提供一种道路交通终端标识方法及相关装置，该方法包括：客户端对道路交通终端设备采集硬件信息和时间戳，生成对称密钥并创建终端标识码。使用对称密钥加密终端标识码，接收代理节点的代理公钥并加密对称密钥。生成客户端公私钥，用私钥对终端标识码签名。将客户端公钥、加密后的终端标识码、加密后的对称密钥及终端标识签名发送至代理节点，由其生成终端标识解析结果并返回。本公开减轻了终端设备的计算和存储压力，提升了标识管理的效率和安全性，增强了系统的实时性和解析效率。
-
公开(公告)号：CN118842654B
公开(公告)日：2024-11-26
申请号：CN202411315697.1
申请日：2024-09-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广东科技学院
Abstract: 本申请实施例提供一种联邦模型聚合加密方法及系统，包括客户端利用盲因子对本地模型参数盲化，并加密后将密文本地模型参数发送至聚合服务器；聚合服务器基于代理重加密方法将该参数转换为聚合服务器公钥下的密文模型参数，聚合生成聚合密文模型参数，利用聚合服务器的私钥对聚合密文模型参数解密得到聚合模型参数，利用客户端的公钥对聚合模型参数加密，得到客户端公钥下的聚合模型参数；辅助服务器利用客户端的公钥对计算出的聚合盲因子加密，将密文聚合盲因子并发送至聚合服务器；聚合服务器根据聚合模型参数和密文聚合盲因子，确定去盲化的聚合模型参数，客户端利用私钥解密后得到聚合模型参数。能够保证隐私数据的安全性，不会增加资源开销。
-
Patent Agency Ranking
公开(公告)号：CN118114774A
公开(公告)日：2024-05-31
申请号：CN202410535818.7
申请日：2024-04-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/04 , G06F40/284 , G06N3/02 , G06F17/16
Abstract: 本公开提供一种大模型推断方法、装置、电子设备、存储介质及程序产品，包括：向客户端发送词嵌入的嵌入矩阵，接收客户端发送的基于待推断词语、第一秘密共享份额和嵌入矩阵得到的第二密文，以得到第二秘密共享份额，将第一神经网络的参数和第二秘密共享份额发送到所述客户端，得到第一关联结果，基于第一关联结果和第一神经网络的参数得到第一待截断信息，通过预先构建的第一扰动信息对第一待截断信息进行截断，以完成第一神经网络中的矩阵乘法，基于矩阵乘法结果进行处理得到第一输出结果，基于第二神经网络对第一输出结果进行处理，得到第二输出结果，并进行转化处理，得到推断结果。本公开传输数据量较小，计算时间较短，因此效率较高。
-
公开(公告)号：CN118114676A
公开(公告)日：2024-05-31
申请号：CN202410535821.9
申请日：2024-04-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F40/295 , G06F21/60
Abstract: 本公开提供一种命名实体识别方法、系统、设备、存储介质及程序产品，该方法包括：接收模型持有者端发送的模型秘密共享份额和数据持有者端发送的数据秘密共享份额；其中，模型秘密共享份额由基于秘密共享技术对命名实体识别模型进行加密得到，数据秘密共享份额由基于秘密共享技术对待识别数据进行加密得到；在秘密共享域下，基于模型秘密共享份额对数据秘密共享份额进行识别，得到识别结果秘密共享份额；将识别结果秘密共享份额发送到数据持有者端。其中，第三方服务器上处理的是由基于秘密共享技术对命名实体识别模型进行加密得到的模型秘密共享份额和由基于秘密共享技术对待识别数据进行加密得到的数据秘密共享份额，避免了隐私泄露的问题。
-
公开(公告)号：CN116955539B
公开(公告)日：2023-12-12
申请号：CN202311192177.1
申请日：2023-09-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种基于思维链推理隐式生成内容合规性判定方法，包括：步骤一：将安全性未知文本X输入大规模语言模型M；步骤二：询问大规模语言模型M安全性未知文本X中的主客体成份，获取主体文本S以及客体文本T；步骤三：询问大规模语言模型M潜在观点，获得潜在观点文本O；步骤四：根据步骤三获得的潜在观点文本O，询问大规模语言模型M安全性未知文本X表达的意图是否符合规范，如果符合规范，输出：安全，否则输出：不安全。本发明的有益效果是：本发明很好的利用大规模语言模型的常识推断能力以及特定领域的专家知识，合理的提示大规模语言模型进行链式推理，逐步地揭示出深层的文本隐藏语义，大幅度提升了系统文本安全检测系统的性能。
-
公开(公告)号：CN118734940B
公开(公告)日：2025-01-07
申请号：CN202411220041.1
申请日：2024-09-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广东科技学院
Abstract: 本公开提供一种基于无损联邦学习的模型训练方法及相关设备。该方法包括：生成公共参数和所述服务器的服务器公私钥对；向客户端广播所述公共参数和所述服务器的服务器公钥；基于噪声信息对当前全局模型进行全局扰动，得到当前扰动模型，并将所述扰动模型发送至客户端；接收经过所述客户端处理的最新局部模型和所述客户端的客户端公钥；其中，所述客户端基于所述公共参数生成所述客户端的客户端公私钥对；基于所述客户端的客户端私钥和所述服务器公钥获取所述当前扰动模型，并基于本地训练数据对所述当前扰动模型进行训练，得到所述最新局部模型；基于所述最新局部模型进行聚合，得到消除所述扰动的最新全局模型。
-
公开(公告)号：CN118114676B
公开(公告)日：2024-07-23
申请号：CN202410535821.9
申请日：2024-04-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F40/295 , G06F21/60
Abstract: 本公开提供一种命名实体识别方法、系统、设备、存储介质及程序产品，该方法包括：接收模型持有者端发送的模型秘密共享份额和数据持有者端发送的数据秘密共享份额；其中，模型秘密共享份额由基于秘密共享技术对命名实体识别模型进行加密得到，数据秘密共享份额由基于秘密共享技术对待识别数据进行加密得到；在秘密共享域下，基于模型秘密共享份额对数据秘密共享份额进行识别，得到识别结果秘密共享份额；将识别结果秘密共享份额发送到数据持有者端。其中，第三方服务器上处理的是由基于秘密共享技术对命名实体识别模型进行加密得到的模型秘密共享份额和由基于秘密共享技术对待识别数据进行加密得到的数据秘密共享份额，避免了隐私泄露的问题。
-
-
-
-
-
-
-
-
-
Search Results
266
records
(took 0.074 seconds)
