公开(公告)号：CN113553610B

公开(公告)日：2021-12-31

申请号：CN202111103182.1

申请日：2021-09-22

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)

Inventor： 蒋琳 ,  刘成金 ,  赵鑫 ,  王轩 ,  刘洋 ,  廖清 ,  漆舒汉 ,  张加佳 ,  吴宇琳 ,  陈倩

IPC: G06F21/60 ,  G06N20/00 ,  H04L9/00

Abstract: 本发明公开了一种基于同态加密和可信硬件的多方隐私保护机器学习方法，包括：将私钥sk发送给各个数据方和可信硬件R；服务器S整合各个数据方上传的密文数据得到密文数据集；服务器S在密文数据集的基础上，将普通机器学习算法中的线性运算替换为同态加法和同态乘法，在密文状态下进行机器学习建模；服务器S在完成密文下的机器学习建模后，将加密的模型密文下发给各个数据方；各个数据方利用私钥解密模型密文，得到由各个数据方的数据D训练得到的模型。本发明利用全同态加密的性质、以及依靠可信硬件实现的模拟自举和执行激活函数功能，能够获得与对未加密数据进行机器学习训练的模型一致的准确率。

公开(公告)号：CN117454941B

公开(公告)日：2024-04-26

申请号：CN202311801348.6

申请日：2023-12-26

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)

Inventor： 蒋琳 ,  杨鹏 ,  庄杰航 ,  陈倩 ,  王轩

IPC: G06N3/0464 ,  H04L9/08 ,  G06N3/08

Abstract: 本发明公开了一种基于函数秘密共享的安全二值神经网络推理系统。该系统包括输入层、隐含层和隐含层，根据实际神经网络结构设置若干个安全全连接运算单元、安全卷积运算单元、安全批量归一化运算单元、安全二值激活函数运算单元和安全最大池化运算单元。本发明通过生成矩阵乘法三元组，并基于此构建了高效的安全全连接层运算单元和安全卷积运算单元，结合离线‑在线计算范式，大大减少了客户端所需的计算和通信。此外，本发明基于函数秘密共享技术构建了安全二值激活函数运算单元和安全最大池化运算单元，能够支持混合位宽计算，减少了非线性函数计算所需的通信代价。

公开(公告)号：CN117454941A

公开(公告)日：2024-01-26

申请号：CN202311801348.6

申请日：2023-12-26

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)

Inventor： 蒋琳 ,  杨鹏 ,  庄杰航 ,  陈倩 ,  王轩

IPC: G06N3/0464 ,  H04L9/08 ,  G06N3/08

Abstract: 本发明公开了一种基于函数秘密共享的安全二值神经网络推理系统。该系统包括输入层、隐含层和隐含层，根据实际神经网络结构设置若干个安全全连接运算单元、安全卷积运算单元、安全批量归一化运算单元、安全二值激活函数运算单元和安全最大池化运算单元。本发明通过生成矩阵乘法三元组，并基于此构建了高效的安全全连接层运算单元和安全卷积运算单元，结合离线‑在线计算范式，大大减少了客户端所需的计算和通信。此外，本发明基于函数秘密共享技术构建了安全二值激活函数运算单元和安全最大池化运算单元，能够支持混合位宽计算，减少了非线性函数计算所需的通信代价。

公开(公告)号：CN114844621A

公开(公告)日：2022-08-02

申请号：CN202210365746.7

申请日：2022-04-08

Applicant: 哈尔滨工业大学(深圳) ,  暨南大学

Inventor： 蒋琳 ,  王轩 ,  王泓潇 ,  顾嘉婧 ,  刘洋 ,  漆舒汉 ,  方俊彬 ,  廖清 ,  张加佳 ,  李晔 ,  吴宇琳 ,  姚霖 ,  陈倩 ,  赵鑫

IPC: H04L9/00 ,  H04L9/14 ,  H04L9/08 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于多密钥全同态加密的多用户隐私保护机器学习方法及装置，方法包括：由公共字符串CRS进行多密钥全同态加密算法的初始化、生成安全参数λ及生成公共参数集mkparams；服务器S整合各个数据提供方上传的单密钥密文数据Encski(di)得到多密钥密文数据集Encsk(D)；服务器S在多密钥密文数据集Encsk(D)的基础上将普通机器学习算法中的线性运算替换为全同态加法和全同态乘法，对多密钥密文数据集Encsk(D)进行机器学习建模训练；服务器S将多密钥加密的模型密文Encsk(model)下发给各个数据提供方DPi和解密方DE；解密多密钥模型密文Encsk(model)，从而得到由各个数据提供方DPi的数据D训练得到的模型model＝Decsk(Encsk(model))。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成隐私计算任务。

公开(公告)号：CN114844621B

公开(公告)日：2023-04-07

申请号：CN202210365746.7

申请日：2022-04-08

Applicant: 哈尔滨工业大学(深圳) ,  暨南大学

Inventor： 蒋琳 ,  王轩 ,  王泓潇 ,  顾嘉婧 ,  刘洋 ,  漆舒汉 ,  方俊彬 ,  廖清 ,  张加佳 ,  李晔 ,  吴宇琳 ,  姚霖 ,  陈倩 ,  赵鑫

IPC: H04L9/00 ,  H04L9/14 ,  H04L9/08 ,  G06N3/04 ,  G06N3/08 ,  G06N3/048 ,  G06N20/00

Abstract: 本发明公开了一种基于多密钥全同态加密的多用户隐私保护机器学习方法及装置，方法包括：由公共字符串CRS进行多密钥全同态加密算法的初始化、生成安全参数λ及生成公共参数集mkparams；服务器S整合各个数据提供方上传的单密钥密文数据Encski(di)得到多密钥密文数据集Encsk(D)；服务器S在多密钥密文数据集Encsk(D)的基础上将普通机器学习算法中的线性运算替换为全同态加法和全同态乘法，对多密钥密文数据集Encsk(D)进行机器学习建模训练；服务器S将多密钥加密的模型密文Encsk(model)下发给各个数据提供方DPi和解密方DE；解密多密钥模型密文Encsk(model)，从而得到由各个数据提供方DPi的数据D训练得到的模型model＝Decsk(Encsk(model))。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成隐私计算任务。