-
公开(公告)号：CN117972795A
公开(公告)日：2024-05-03
申请号：CN202410382369.7
申请日：2024-04-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于数据安全的技术领域，更具体地，涉及一种基于异或过滤器的密态空间关键字安全检索方法及装置。该方法包括：数据拥有者端基于安全异或过滤器和地理哈希编码构建安全树索引，使用密钥对空间文本数据集进行加密，并将安全树索引及加密的空间文本数据集上传云服务器端；用户端给定查询，基于查询生成陷门并上传云服务器端；云服务器端根据陷门在安全树索引中搜索目标空间对象，并将由目标空间对象的密文构成的结果集返回给用户端；用户端根据结果集查询完整的密文信息，并使用密钥对密文信息进行解密，得到明文信息。本发明实现在一定空间范围内返回用户期望查询的空间文本数据信息并提供隐私保护，同时提高查询结果的准确性。
-
公开(公告)号：CN114338161B
公开(公告)日：2022-08-16
申请号：CN202111632491.8
申请日：2021-12-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请公开了一种面向隐私保护的信息物理系统的攻击检测方法、系统、装置、设备及计算机可读存储介质，在传输监控终端采集的实时数据时，将基于差分隐私机制生成的加噪聚合数据进行预设非线性变换得到的待传输聚合数据通过网络通信通道传输，数据接收端对接收到的第一聚合数据进行预设非线性变换的逆变换，得到第二聚合数据，再根据第二聚合数据和基于卡尔曼滤波对当前时刻的聚合数据进行最优估计得到最优估计值的估计残差进行攻击检测，通过增加实时聚合数据的随机性消减了由于差分隐私机制引起的检测阈值过高，导致错误数据注入攻击者更容易注入攻击信号的问题，从而获得更好的检测率。
-
公开(公告)号：CN118886003A
公开(公告)日：2024-11-01
申请号：CN202411355197.0
申请日：2024-09-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06N3/0442 , G06N3/092 , G06Q50/06 , G06N7/01
Abstract: 本发明属于电子数字数据处理的技术领域，更具体地，涉及面向智能电网隐蔽性攻击的时序预测强化学习检测方法。所述方法包括以下步骤：首先，对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；其次，将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计；然后，将智能电网中的攻击检测问题建模为部分可观测马尔可夫决策问题；最后，利用强化学习方法解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。本发明可以以较低的延迟和误检率来检测智能电网中的隐蔽攻击。
-
公开(公告)号：CN118643055B
公开(公告)日：2024-10-15
申请号：CN202411102971.7
申请日：2024-08-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/242 , G06F21/62
Abstract: 本发明属于数据安全技术领域，具体涉及一种多属性成本约束下的隐私保护动态空间关键字查询方法、装置、电子设备及存储介质。该方法包括：数据拥有者利用密钥加密空间对象以及构建安全树索引并上传至云服务器；用户向服务代理发送包含更新信息的请求，服务代理利用密钥加密更新信息生成更新陷门和更新空间对象的加密结果，用以更新安全树索引和加密空间对象；用户向服务代理发送包含搜索信息的请求，服务代理基于密钥和搜索信息生成搜索陷门，用以在安全树索引中搜索目标空间对象并计算其综合属性成本指数，以得到有序的#imgabs0#密文集合，对该#imgabs1#密文集合解密得到结果集，最后根据结果集找到相应密文信息并返回给用户进行解密。
-
公开(公告)号：CN118468041A
公开(公告)日：2024-08-09
申请号：CN202410924362.3
申请日：2024-07-11
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/214 , G06F18/2135 , G06N3/094 , G06N3/098
Abstract: 本发明属于联邦学习数据安全的技术领域，更具体地，涉及基于生成对抗网络的联邦学习拜占庭节点检测方法、装置及计算机可读存储介质。包括客户端与服务器完成数据集的分配以及对客户端和服务器的模型进行初始化；客户端根据全局模型参数更新本地模型参数并进行训练，训练完成后，将更新后的本地模型参数发送至服务器；服务器进行拜占庭节点检测并排除掉拜占庭节点对应的本地模型参数后，对剩余的客户端本地模型参数进行聚合，得到新的全局模型参数，并下发至客户端；重复上述步骤至训练轮次阈值，得到优化的全局联邦学习模型参数。本发明解决了拜占庭攻击者可以通过对本地参数进行修改并发送给聚合服务器，以使得全局模型性能失稳的问题。
-
Patent Agency Ranking
公开(公告)号：CN117932125A
公开(公告)日：2024-04-26
申请号：CN202410331043.1
申请日：2024-03-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/903 , G06F21/62 , G06F21/60 , G06F16/901
Abstract: 本发明属于数据安全的技术领域，更具体地，涉及一种支持隐私保护的可验证空间关键字查询方法及装置。该方法包括：数据拥有者端加密其空间数据集，构建密文索引，并将空间数据集和密文索引上传云服务器端；查询用户端根据数据拥有者端提供的密钥信息和辅助参数生成搜索令牌并提交云服务器端；云服务器端根据搜索令牌检索密文索引，并向查询用户端返回相应的空间对象密文信息和验证信息；查询用户端基于密钥信息、辅助验证信息、空间对象密文信息和验证信息，先进行本地验证，再对验证通过的空间对象密文信息进行解密。本发明用于在用户给定的空间范围内返回其所期望的空间数据对象，在保证安全性的同时实现高效搜索，并支持对结果的验证。
-
公开(公告)号：CN117349894B
公开(公告)日：2024-03-01
申请号：CN202311629347.8
申请日：2023-12-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/62 , G06F21/60 , G06F21/33 , G06N5/022 , G06N5/02 , G06F16/36 , G06F16/901 , G06F16/903 , H04L9/40 , H04L9/00 , H04L9/06 , H04L9/08
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种基于填充字典加密的图结构最短路径查询方法。所述方法包括数据拥有者构造填充字典结构的密文图；数据拥有者向有查询需求的用户通过安全信道发送授权令牌；生成查询令牌,用户将查询令牌发送至云服务器端；云服务器在接收到密文图和查询令牌之后，进行最短距离查询；获取明文查询结果。本发明解决了现有技术中用户的数据存储在第三方服务器上，可能会面临数据泄露和安全漏洞的风险以及查询效率较低的问题。(56)对比文件于莹莹.图数据精确最短距离的隐私保护外包计算方案《.计算机工程》.2023,第49卷(第9期),第158-171页.Xin Wang 等.App-Net: A Hybrid NeuralNetwork for Encrypted Mobile TrafficClassification《.IEEE INFOCOM 2020 - IEEEConference on Computer CommunicationsWorkshops (INFOCOM WKSHPS)》.2020,第424-429页.Meng Li 等.Graph Encryption forShortest Path Queries with k UnsortedNodes《.2022 IEEE International Conferenceon Trust, Security and Privacy inComputing and Communications (TrustCom)》.2022,第89-96页.
-
公开(公告)号：CN115834248A
公开(公告)日：2023-03-21
申请号：CN202310063509.X
申请日：2023-02-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于数据处理相关技术领域，提出了面向信息物理系统的攻击和异常数据流检测方法及装置，包括：获取信息物理系统中实时数据流并将所获取的数据流转换为数据对象集；对所述数据对象集进行预处理后输入至训练好的反向传播网络中，得到数据对象集所对应的数据标签；根据数据对象集所对应的数据标签判断当前数据是否被攻击或攻击类型，对可能存在的威胁进行快速检测。
-
公开(公告)号：CN119808896A
公开(公告)日：2025-04-11
申请号：CN202510296997.8
申请日：2025-03-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F21/62 , G06F18/2132 , G06F18/214
Abstract: 本发明属于隐私保护的技术领域，更具体地，涉及面向保隐私异构去中心化学习的正则约束自适应调整方法。所述方法包括：将每个客户端#imgabs0#的本地模型#imgabs1#划分为共享模型#imgabs2#和保留模型#imgabs3#，对共享模型#imgabs4#进行正则化约束；客户端#imgabs5#使用上一轮聚合后的共享模型#imgabs6#和本地保留模型#imgabs7#，基于本地数据集#imgabs8#进行梯度下降更新；通过KL散度对正则化参数#imgabs9#进行动态更新调整；对共享模型进行差分隐私保护，然后将加噪后的共享模型广播给邻居客户端；客户端i的邻居客户端接收加噪后的共享模型并进行聚合，以得到下一迭代轮次的本地模型。本发明在保护数据隐私的同时，减轻数据异质性和差分隐私噪声对模型性能的负面影响。
-
公开(公告)号：CN119293861A
公开(公告)日：2025-01-10
申请号：CN202411845784.8
申请日：2024-12-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/0464 , G06N3/098
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及面向异构联邦学习的自适应差分隐私保护方法。所述方法包括在模型的不同层次上引入自适应噪声。模型的各层次对整体学习效果的贡献存在差异，为了在加噪的同时尽可能减小对关键特征的破坏，本文基于模型层次的重要性程度对不同部分进行差异化加噪，即在较重要的层次上施加较少噪声，而在次要层次上施加更多噪声。本发明解决了传统的差分隐私联邦学习方法由于噪声的引入，通常会对模型的性能产生负面影响，尤其是降低模型的收敛速度和精度的问题。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.041 seconds)
