-
公开(公告)号：CN118114208A
公开(公告)日：2024-05-31
申请号：CN202410062504.X
申请日：2024-01-16
Applicant: 深圳市华汇数据服务有限公司 , 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) , 暨南大学
Abstract: 本发明公开了一种神经网络输出结果产权证明方法、系统和装置，该方法包括：S1、生成证明π；S2、提交证明；S3、添加记录和出示证明π；S4、检验唯一性；S5、验证证明π；该系统包括：生成证明π模块、提交证明模块、添加记录和出示证明π模块、检验唯一性模块、验证证明π模块；通过将原本用于神经网络可验证计算场景的zkCNN协议应用到神经网络输出结果的产权证明场景当中，在保证神经网络权重参数不泄露的同时，生成一份安全可靠且持久有效的证明π，从而证明某个数值或向量确实是由该神经网络计算出来的。
-
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
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：CN118536150B
公开(公告)日：2025-02-28
申请号：CN202410488387.3
申请日：2024-04-23
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) , 暨南大学
IPC: G06F21/62 , G06F16/2455 , H04L9/00
Abstract: 本发明公开了一种基于同态秘密共享的隐私保护数据库JOIN类型查询方法、系统及设备，方法包括设置阶段和查询阶段，在设置阶段生成Paillier加密的公钥N、私钥d及加密私钥E(d)，而后打包送至客户；在查询阶段，客户将加密的客户表发送云服务器，根据查询者指令执行查询任务；云服务器根据同态秘密共享私钥eki，将加密的客户表中的加密值Ix本地转化为秘密份额，云服务器获取各自的秘密份额表；各个云服务器根据拥有的加密的客户表和秘密份额表执行安全连接协议，分别得到连接表的秘密份额；查询者根据各连接表的秘密份额重构连接表。本发明通过结合不经意排序和同态秘密共享的特点，设计安全连接协议，避免了匹配阶段的通信开销。
-
公开(公告)号：CN119094128B
公开(公告)日：2025-02-25
申请号：CN202411570482.4
申请日：2024-11-06
Applicant: 深圳市华汇数据服务有限公司 , 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) , 暨南大学
Abstract: 本发明公开了一种基于秘密共享的隐私保护特征工程方法及系统，包括以下步骤：S100、在数据集秘密分发阶段，n个数据提供方#imgabs0#分别将各自的隐私数据特征及其标签#imgabs1#通过加法算术秘密共享分发给第一服务器S1和第二服务器S2，得到数据特征的秘密份额和数据标签的秘密份额；S200、在两方分布式运算阶段，第一服务器S1和第二服务器S2基于获得的数据特征的秘密份额和数据标签的秘密份额在密态环境分别进行安全两方分布式运算，第一服务器S1与第二服务器S2之间不共谋。本发明的技术方案能够在任何一个环节都能保证数据的隐私安全的同时兼顾计算效率，具有更强的拓展性和完整的系统。
-
公开(公告)号：CN118114208B
公开(公告)日：2025-02-11
申请号：CN202410062504.X
申请日：2024-01-16
Applicant: 深圳市华汇数据服务有限公司 , 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) , 暨南大学
Abstract: 本发明公开了一种神经网络输出结果产权证明方法、系统和装置，该方法包括：S1、生成证明π；S2、提交证明；S3、添加记录和出示证明π；S4、检验唯一性；S5、验证证明π；该系统包括：生成证明π模块、提交证明模块、添加记录和出示证明π模块、检验唯一性模块、验证证明π模块；通过将原本用于神经网络可验证计算场景的zkCNN协议应用到神经网络输出结果的产权证明场景当中，在保证神经网络权重参数不泄露的同时，生成一份安全可靠且持久有效的证明π，从而证明某个数值或向量确实是由该神经网络计算出来的。
-
Patent Agency Ranking
公开(公告)号：CN118536150A
公开(公告)日：2024-08-23
申请号：CN202410488387.3
申请日：2024-04-23
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) , 暨南大学
IPC: G06F21/62 , G06F16/2455 , H04L9/00
Abstract: 本发明公开了一种基于同态秘密共享的隐私保护数据库JOIN类型查询方法、系统及设备，方法包括设置阶段和查询阶段，在设置阶段生成Paillier加密的公钥N、私钥d及加密私钥E(d)，而后打包送至客户；在查询阶段，客户将加密的客户表发送云服务器，根据查询者指令执行查询任务；云服务器根据同态秘密共享私钥eki，将加密的客户表中的加密值Ix本地转化为秘密份额，云服务器获取各自的秘密份额表；各个云服务器根据拥有的加密的客户表和秘密份额表执行安全连接协议，分别得到连接表的秘密份额；查询者根据各连接表的秘密份额重构连接表。本发明通过结合不经意排序和同态秘密共享的特点，设计安全连接协议，避免了匹配阶段的通信开销。
-
公开(公告)号：CN115622684B
公开(公告)日：2023-03-28
申请号：CN202211433166.3
申请日：2022-11-16
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) , 暨南大学
Abstract: 本发明公开了一种基于全同态加密的隐私计算异构加速方法及装置，本发明从内存和指令两个层级对全同态加密算法进行优化，根据计算负载动态调配GPU中的Block块，将计算量过大的任务拆小，计算量小的任务合并变大，控制结果合并过程中的访存竞争。利用GPU中的内存层次结构，减少SM上同时分配的访存量大的任务数，分配更多的共享内存提升内存命中率，减少与全局内存的通信；设计异构计算流：从时间上和空间上，共享有限的硬件资源。本发明在GPU中实现NTT/INTT算法的挑战是高效地分配线程以实现高利用率，为了获得最佳性能，所有线程都应该是繁忙的，每个线程的工作负载应该是相等的。
-
公开(公告)号：CN115455488B
公开(公告)日：2023-03-28
申请号：CN202211420158.5
申请日：2022-11-15
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) , 暨南大学
Abstract: 本发明公开了一种基于复制秘密共享的密态数据库查询方法及装置，方法包括：用户将查询需求编译成复制秘密共享下的安全多方计算原语并将其交递给计算层，计算层向存储层请求共享查询需求所对应数据的表；每个数据提供方调用布尔复制秘密共享算法生成秘密份额并传输给计算方；计算方调用安全三方计算算法并利用密态过滤算子、密态连接算子、密态排序算子和密态聚合算子中的一个或多个进行安全三方计算，得到秘密共享形式的计算结果的秘密共享份额并发送给用户；调用秘密重构算法将计算结果的秘密共享份额重构之后得到最终的查询结果。本发明每个数据提供方将自己的数据以秘密共享的形式分成三个秘密份额发给计算方，性能更好。
-
公开(公告)号：CN115499247A
公开(公告)日：2022-12-20
申请号：CN202211432463.6
申请日：2022-11-16
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) , 暨南大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于零知识证明的属性凭证验证方法及装置，方法包括：构造属性凭证；签发属性凭证，用户向作为签发者的可信第三方提出属性凭证申请；签发者生成每个用户唯一的随机盐值，签发者对已认证的属性信息和随机盐值进行凭证签发；验证属性凭证，用户从安全信道中获取验证者所需的验证约束条件，用户使用凭证证明生成模块生成对应的零知识的属性值消息，用户将零知识的凭证证明消息通过可信信道发送给验证者；验证者在收到用户发来的凭证证明消息后对消息内容进行解析，验证凭证证明的正确性和有效性。本发明具有保护用户数据隐私和细粒度验证策略的优点，同时以比较低的交互次数和交互通信量完成凭证的签发和证明。
-
公开(公告)号：CN115100279A
公开(公告)日：2022-09-23
申请号：CN202210654874.3
申请日：2022-06-10
Applicant: 暨南大学
IPC: G06T7/73 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于BN‑CNN的高速可见光定位图像处理方法、系统及介质，方法为：获取信号发射端LED灯的唯一标识符并编码为交叉二五码，通过调制器使用开关键控对LED灯进行调制，驱动LED灯发出不同频率的光信号；使用CMOS图像传感器在信号接收端捕获光信号图像，并划分为训练集和测试集；将条纹图像训练集导入设计好的批规范化卷积神经网络进行训练，使用连续梯度下降法优化损失，获得条纹图像分类模型；将条纹图像测试集导入条纹图像分类模型进行识别，判断条纹图像所属类别及类别对应LED灯的唯一标识符，确定信号接收端的位置。本发明通过批规范化卷积神经网络来进行深度学习，提高了高速运动下捕捉到的模糊图像的识别速度和准确率，具有良好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.03 seconds)
