一种新的隐私保护下非交互式的K近邻分类方法

    公开(公告)号:CN109359588B

    公开(公告)日:2021-02-09

    申请号:CN201811200446.3

    申请日:2018-10-15

    Abstract: 本发明公开了一种新的隐私保护下非交互式的K近邻分类方法,涉及大数据安全技术领域,步骤如下:1.客户端通过向量同态加密方法对由若干个带有标签的训练数据组成的训练数据集中的训练数据进行特征加密,得到密文数据集和中间矩阵,并上传至云端;2.客户端接收待分类明文向量组并对其进行加密,得到密文向量组,并上传至云端;3.云端根据密文数据集和中间矩阵计算密文向量组中每一个密文向量与密文数据集包含的所有密文数据的相似度,再根据近邻分类算法得出该密文向量组的分类结果集,将分类结果集发送至客户端。本发明极大地提高了加密的效率和安全性,实现非交互式技术,达到真正的外包计算,减小了客户端的计算压力。

    一种针对以太坊智能合约的静态代码审计系统及方法

    公开(公告)号:CN109684838A

    公开(公告)日:2019-04-26

    申请号:CN201811404851.7

    申请日:2018-11-23

    Abstract: 本发明公开了一种在区块链的以太坊平台上针对智能合约的静态代码审计系统及方法,属于信息安全技术领域。本发明能够检测以太坊平台上使用Solidity语言编写的智能合约上存在的安全威胁,定位到具体位置,阐明危害并给出相应的解决方法。本发明方法:首先,用户将待检测的项目目录或者单个文件的路径输入系统,系统对输入内容进行预处理操作,将整个项目复制到临时工作目录中并删除其中的Solidity文件中的注释内容;其次,系统将通过词法分析和语法分析等操作将每一个Solidity文件都解析成语法树的形式;然后,系统将语法树结构与预先制定的逻辑匹配特征进行静态特征匹配,得到匹配结果;最后,系统将匹配后的结果分类并汇总,生成报告文件,即为检测结果。

    一种新的隐私保护下非交互式的K近邻分类方法

    公开(公告)号:CN109359588A

    公开(公告)日:2019-02-19

    申请号:CN201811200446.3

    申请日:2018-10-15

    CPC classification number: G06K9/00885 G06K9/6276 G06K2009/00953

    Abstract: 本发明公开了一种新的隐私保护下非交互式的K近邻分类方法,涉及K近邻分类算法在隐私保护下的向量分类领域,步骤如下:1.客户端通过向量同态加密方法对由若干个带有标签的训练数据组成的训练数据集中的训练数据进行特征加密,得到密文数据集和中间矩阵,并上传至云端;2.客户端接收待分类明文向量组并对其进行加密,得到密文向量组,并上传至云端;3.云端根据密文数据集和中间矩阵计算密文向量组中每一个密文向量与密文数据集包含的所有密文数据的相似度,再根据近邻分类算法得出该密文向量组的分类结果集,将分类结果集发送至客户端。本发明极大地提高了加密的效率和安全性,实现非交互式技术,达到真正的外包计算,减小了客户端的计算压力。

    一种基于NTRU同态外积的隐私信息检索方法

    公开(公告)号:CN119323056A

    公开(公告)日:2025-01-17

    申请号:CN202411529650.5

    申请日:2024-10-30

    Abstract: 本发明提供了一种基于NTRU同态外积的隐私信息检索方法,首先将数据库看成一个v+1维的超立方体,用户User以此由查询索引idx生成对应的查询元组(i,j1,j2,...,jv),将查询元组压缩编码和加密得到一个作为询问的RLWE密文cquery,将密文cquery发送给服务器Server,服务器Server基于密文询问扩展算法将cquery扩展为v+1组密文CTNtru,CTNtruGSW,0,CTNtruGSW,1,…,CTNtruGSW,v‑1,并按照数据库超立方体形式,采用NTRU同态外积计算,生成密文响应结果crespond,发送给用户User,用户采用NTRU解密算法恢复出结果didx。本发明方案实现了对数据库数据记录的隐匿查询,减少了密文查询向量扩展算法的复杂度,提升了隐私信息检索的吞吐量和查询计算效率。

    一种基于动态层选择的高效联邦学习大模型训练方法

    公开(公告)号:CN119026707A

    公开(公告)日:2024-11-26

    申请号:CN202410907389.1

    申请日:2024-07-08

    Abstract: 本发明公开了一种基于动态层选择的高效联邦学习大模型训练方法,涉及联邦学习的高效训练技术领域。在本发明中,由服务器端选出部分最重要的层,交由客户端进行训练,即将部分计算量摊派到服务器端上,而客户端仅需更新极少部分的层的参数量,从而实现了对客户端计算压力与上传压力的极大减少,显著降低了客户端的计算压力和通信压力;本发明选出部分最重要的层具体为:服务器基于少量的本地训练数据对待训练模型进行初步训练,并获取待训练模型的每一线性层的梯度值,并基于该梯度值计算每一线性层的重要性评分,服务器选择前若干最高重要性评分和后若干个最低重要评分所对应的线性层作为当前的重要层;客户端根据本地训练结果仅训练部分最重要的层,从而极大减少了训练的计算需求和上传数据的参数量。同时,本发明无需对模型进行额外更改,因而具有很强的可扩展性。

    一种智能合约短地址攻击检测工具的实现方法

    公开(公告)号:CN113190850B

    公开(公告)日:2022-10-11

    申请号:CN202110568452.X

    申请日:2021-05-24

    Abstract: 本发明涉及信息技术领域,提供了一种智能合约短地址攻击检测工具的实现方法。目的在于检测和发现短地址攻击发生时,使得在短地址攻击发生时,拒绝这笔交易请求,以此来极大程度地保障了合约的安全性。主要方案包括利用反编译模块对智能合约以字节码处理得到函数id,反编译模块的输出进入TASE模块,TASE模块将获取每个函数id对应的参数列表,并将函数id与对应的参数列表进行组合输出函数签名;得到的函数签名作为输入,当用户调用智能合约时从调用数据中获取函数签名id,然后找出对应的函数签名中的参数列表;对于函数签名中的每个参数在调用数据中借助TASE定位实际参数,并检查其填充是否正确,如填充错误,则判断为攻击。

    在移动群智感知系统中可验证的、具有隐私意识的真值发现的方法

    公开(公告)号:CN112104609B

    公开(公告)日:2021-12-03

    申请号:CN202010842682.6

    申请日:2020-08-20

    Abstract: 本发明提供一种在移动群智感知系统中可验证的、具有隐私意识的真相发现的方法,在现有真值发现的基础上增加了:1)扰动机制,每个用户在将原始的感知数据提交到云之前,首先要独立地干扰其感知数据。另外,要求每个用户对扰动感知数据进行数字签名,以利于服务器随后生成证明。2)验证机制,云服务器执行保护隐私的真相发现算法,将聚合结果以及相应的证明消息返回给任务请求者。任务请求者可以仅通过检查证明消息来验证从云服务器返回的聚合结果的正确性,从而选择接受还是拒绝聚合结果。本发明满足公开可验证、高效率、可扩展、无前缀功能和多个数据提供者需求,在聚合精度、计算和通信开销方面具有优越的性能。

Patent Agency Ranking