-
公开(公告)号：CN119996069A
公开(公告)日：2025-05-13
申请号：CN202510436253.1
申请日：2025-04-09
Applicant: 暨南大学
Abstract: 本发明涉及联邦学习安全技术领域，提出一种基于成员推理的联邦学习后门攻击方法及系统。其中包括：设置全局触发器，将全局触发器分解为若干局部触发器并一一发送至恶意客户端；执行联邦学习；其中，恶意客户端执行以下步骤：将局部触发器按照预设的中毒率嵌入到正常样本中得到后门样本，并利用本地恶意数据集执行本地训练后，将更新模型发送至服务器；构建攻击模型，将后门和正常样本输入当前全局模型，得到全局置信度向量，再通过攻击模型得到后门和正常样本的成员概率；以最小化后门与正常样本的成员概率统计分布差异为目标，利用后门样本的成员概率对局部触发器进行优化；重复本地训练直至达到预设的训练轮次或模型收敛，完成后门攻击。
-
公开(公告)号：CN119129769A
公开(公告)日：2024-12-13
申请号：CN202410936235.5
申请日：2024-07-12
Applicant: 暨南大学
IPC: G06N20/00 , G06F16/901
Abstract: 本发明涉及人工智能安全技术领域，提出一种机器学习数据遗忘验证系统及方法。其中所述系统包括数据存储组件、模型链表组件、键链表组件和过滤器，所述键链表组件和过滤器设置于可信执行环境内。本发明适用于通用机器学习模型，通过验证数据删除证明σd、模型学习证明σm和模型预测证明σp的有效性断言服务器正确执行数据遗忘，能够高效实现机器学习数据遗忘验证；本发明采用可信执行环境作为安全内存区域，能够有效防止潜在的完整性攻击，配合可信执行环境内设置的键链表组件和过滤器组成的高内存效率的数据结构，以及可信执行环境外设置的数据存储组件和模型链表组件，能够在低计算成本的情况下实现高数据读写效率及高机器学习数据遗忘验证效率。
-
公开(公告)号：CN117579272B
公开(公告)日：2024-09-20
申请号：CN202311873236.1
申请日：2023-12-29
Applicant: 暨南大学
Abstract: 本发明公开一种跨机构的金融隐私数据共享方法和装置、存储介质，在不公开任何机构所持客户名单和隐私数据的前提下，计算出参与机构之间的共同客户群体，并实现了隐私数据的安全共享，为解决单个机构在数据量上的匮乏提供了全新的解决方案，针对共同客户的分析也提高了计算的准确性和可信度；同时基于密文的进行隐私计算，在保护客户个人隐私数据的同时，实现了客户群体分析以及制定更精准的保险产品策略，具有较高的安全和隐私保护性。
-
公开(公告)号：CN114727259A
公开(公告)日：2022-07-08
申请号：CN202210290875.4
申请日：2022-03-23
Applicant: 暨南大学
Abstract: 本发明公开一种基于多重签名的车联网紧急事件汇报系统构建方法，包括：对紧急事件汇报系统进行初始化，得到车端集合的公私钥对和预计算参数；基于所述公私钥对和预计算参数，得到紧急事件的认证信息；整合所述认证信息，得到紧急事件多重签名；基于所述紧急事件多重签名调控交通状态，完成系统构建。实现了计算资源受限的车端高效生成签名功能，减少了路侧单元的通信压力和计算压力，能够有效防止其他方案中常见的流氓密钥攻击。
-
公开(公告)号：CN107222478B
公开(公告)日：2019-09-17
申请号：CN201710389296.4
申请日：2017-05-27
Applicant: 暨南大学
IPC: H04L29/06
Abstract: 本发明涉及一种软件定义网络(SDN)控制层安全机制构建方法，首先形成可认证的网络流，认证通过的网络流作用于交换机，该网络流及其作用后的交换机状态分别形成网络流交易和网络状态交易，被记录于区块链中；运用区块链上的数据具有不可篡改的特性，通过审计SDN应用的网络流交易及网络状态交易数据，对网络进行排查和追踪；依赖区块链共识机制，在控制器之间达成对网络状态资源的一致性共识；由控制器针对与其连接的SDN应用身份和类别应用基于属性加密的密码工具(ABE)设置资源访问控制策略，实现网络资源的细粒度访问控制。本发明加强了SDN控制层的安全性，使得流向SDN的网络流可认证，网络流和网络状态可追踪审计，实现网络资源的安全访问控制。
-
Patent Agency Ranking
公开(公告)号：CN109685501A
公开(公告)日：2019-04-26
申请号：CN201811471842.X
申请日：2018-12-04
Applicant: 暨南大学
CPC classification number: G06Q20/389 , G06Q20/3829 , G06Q40/02
Abstract: 本发明公开了一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法，解决了深度学习模型训练中的参数缺乏的问题，使得多个相似模型的训练者可以在保护隐私同时可审计共享参数正确性的情况下合作进行深度学习模型的训练。该发明取得的技术效果如下：首先，模型训练者使用的加密方法保证了参数的隐私性，且解密更新后参数的过程需要所有参与者协同，从而更进一步降低参数泄露的可能性；其次，加密后的参数以状态的形式存放于区块链中，只有参与者及授权的矿工才能访问；第三，基于区块链的激励机制的存在，保证了参数的有效性；参与者在提交参数时需要缴纳抵押金，如果参数无效，则抵押金会被没收，从而保证了共享参数的可审计性。
-
公开(公告)号：CN107633469A
公开(公告)日：2018-01-26
申请号：CN201710714140.9
申请日：2017-08-18
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链技术的奖学金管理方法及系统，包括奖学金方案管理者、学院审批者、财务处教师以及学生；奖学金方案管理者在项目创建时部署相应方案智能合约自动完成审批过程，学生用户对奖学金进行申请；在学院审批者和奖学金方案管理者进行审批确认时加入部门电子签章和用户数字签名；在完成审批操作后进入公示阶段，公示期后将获批的奖学金信息记录到待发放奖学金序列中，并生成相应的奖学金数字证书，向其他节点广播；由财务处老师创建的智能合约发起对奖学金所得学生用户的电子账户进行奖学金的发放，并将发放奖学金的信息向其他节点广播。本发明能够实现奖学金项目整个生命周期的自动化安全管理。
-
公开(公告)号：CN119995876A
公开(公告)日：2025-05-13
申请号：CN202510313508.5
申请日：2025-03-17
Applicant: 暨南大学
Abstract: 本发明提供一种具有前向安全且可抵抗量子攻击的可更新属性条件代理重加密方法，包括授权管理者生成并公开公共参数；委托方和受托方根据公共参数生成委托方和受托方的公私钥对；委托方对明文进行加密生成加密密文发送至云服务器；委托方根据受托方的公钥为受托方生成更新后的公钥、用来更新受托方私钥的密文；委托方生成与控制策略相关联的重加密密钥；云服务器对加密密文进行重加密，生成重加密密文并发送给受托方；受托方生成更新后的私钥；受托方用更新后的私钥对重加密密文进行解密。本发明的可更新属性条件代理重加密方法基于密钥异步更新机制，允许定期轮换接收方的公私钥，实现前向安全性；通过属性控制结构，实现密文转换的细粒度控制。
-
公开(公告)号：CN118984216A
公开(公告)日：2024-11-19
申请号：CN202411041676.5
申请日：2024-07-31
Applicant: 暨南大学
Abstract: 本发明提供一种基于格上可更新代理重加密的医疗数据安全共享方法，本发明涉及委托方、受托方、云服务器；委托方更新受托方的公钥，并使用更新后的受托方的公钥和委托方的私钥生成重加密密钥，并将其发送给云服务器对密文进行重加密；所述的云服务器将重加密后的重加密密文发送给受托方，受托方在接收到重加密密文后首先更新自己的私钥，然后使用更新后的私钥对重加密密文进行解密。本发明通过密钥交换技术、比特分解技术、格上的原像采样算法和格上的陷门生成算法实现了可更新代理重加密，从而达到了HRA安全，并且能够有效抵抗量子计算攻击；每进行一次代理重加密，委托方更新一次受托方的公钥；从而避免密钥泄露问题；实现了前向安全性。
-
公开(公告)号：CN117579272A
公开(公告)日：2024-02-20
申请号：CN202311873236.1
申请日：2023-12-29
Applicant: 暨南大学
Abstract: 本发明公开一种跨机构的金融隐私数据共享方法和装置、存储介质，在不公开任何机构所持客户名单和隐私数据的前提下，计算出参与机构之间的共同客户群体，并实现了隐私数据的安全共享，为解决单个机构在数据量上的匮乏提供了全新的解决方案，针对共同客户的分析也提高了计算的准确性和可信度；同时基于密文的进行隐私计算，在保护客户个人隐私数据的同时，实现了客户群体分析以及制定更精准的保险产品策略，具有较高的安全和隐私保护性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.026 seconds)
