-
公开(公告)号：CN118940312A
公开(公告)日：2024-11-12
申请号：CN202410984823.6
申请日：2024-07-22
Applicant: 北京理工大学
Abstract: 本发明提供一种面向跨联盟链的隐私保护数据要素交易审计方法，通过中继链上的智能合约结合联盟链上的数据存证进行数据要素内容的验证和支付管理，通过结合Pedersen承诺和Shamir秘密分享技术构建的零知识证明，可以让数据要素分享者在不暴露数据要素内容的情况下，向数据要素购买者证明其收到的数据要素分片信息与数据要素承诺一致，在隐私保护的情况下保障数据要素交易过程中的数据内容真实性，通过引入一种基于双线性映射的数据要素完整性审计机制，在不暴露数据隐私的情况下让数据要素分享者验证数据要素购买者提供的分片信息收据，在隐私保护的情况下保障数据要素交易过程中的数据完整性，能够有效应对跨联盟链交易过程中可能出现的数据欺诈和支付抵赖。
-
公开(公告)号：CN117668033A
公开(公告)日：2024-03-08
申请号：CN202311829181.4
申请日：2023-12-28
Applicant: 北京理工大学 , 中科信息安全共性技术国家工程研究中心有限公司
IPC: G06F16/2455 , G06F16/27 , G06F21/62 , G06F21/60
Abstract: 一种非交互和可验证的隐私保护区块链按序查询方法是利用科学记数法的形式将当前浮点形式转换为两部分，并丰富顺序揭示加密以保护距离信息；然后结合科学记数法和固有的Merkle树结构，构建了一个认证的混合搜索树（AHSTree）索引结构，支持对比特比密文的经过身份验证的面向顺序操作，其具有由Setup算法、Encrypt算法、Compare算法和Decrypt算法实现。有益效果在于：解决加密区块链数据库的现有解决方案受到多轮通信和高加密成本的影响，利用顺序显式加密、默克尔树结构和科学记数法等技术，提出了第一个具有操作认证和非交互性的加密区块链数据库，满足了实际吞吐量要求，并引入了一个经过身份验证的混合搜索树以确保没有遗漏和篡改。
-
公开(公告)号：CN117422148A
公开(公告)日：2024-01-19
申请号：CN202311225202.1
申请日：2023-09-21
Applicant: 北京理工大学
Abstract: 本发明涉及一种可靠处理异常用户的隐私保护联邦学习方法，属于人工智能神经网络训练隐私保护技术领域。本方法面向人工智能应用场景，利用同态加密技术，利用在单云服务器模型下的基于同态加密的用户可靠性识别与基于可靠性的隐私保护梯度聚合，支持在不泄露用户数据隐私和可靠性隐私的基础上，面向人工智能应用场景，能够高效和准确的联邦学习神经网络模型训练，实现对用户数据隐私和可靠性隐私的保护。对比现有技术，本方法在隐私保护程度、通信开销、模型准确度与训练效率等方面具有显著优势。
-
公开(公告)号：CN112837770B
公开(公告)日：2022-12-02
申请号：CN202110080281.6
申请日：2021-01-21
Applicant: 北京理工大学
IPC: G16H10/60 , G06F16/31 , G06F16/332 , G06F21/60 , G06F21/62
Abstract: 本发明涉及一种大规模电子医疗系统中的隐私保护相似病历查询方法，属于医疗查询及隐私保护技术领域。所述方法包括：步骤1.医疗中心生成密钥，并在收到患者的注册信息后将密钥通过安全的通信渠道发送给患者；步骤2.医疗中心生成加密数据并存储在云服务器；步骤3.患者生成加密的查询请求并发送给云服务器；步骤4.云服务器执行粗粒度查询找到与患者症状关键字组合一致的电子病历集合；步骤5.云服务器在粗粒度查询得到的电子病历集合中执行细粒度查询找到满足患者相似度阈值的电子病历并发送给患者，患者通过密钥解密细粒度查询结果得到相似电子病历进行参考。所述方法能够保证患者信息和云服务器存储数据的隐私性且效率更高。
-
公开(公告)号：CN114139070A
公开(公告)日：2022-03-04
申请号：CN202111404538.5
申请日：2021-11-24
Applicant: 北京理工大学
IPC: G06F16/9537 , G06F21/60 , G06F21/62
Abstract: 本发明涉及一种支持任意地理范围查询的用户选择方法，属于移动群智感知隐私保护技术领域。本方法利用双云模型、多项式函数和随机矩阵乘法，实现任意地理范围查询的用户选择。其中，通过构造基于双云服务器模型来防护合谋攻击，基于矩阵分解技术生成加密与重加密密钥，基于多项式拟合技术生成用户的位置信息和查询范围，基于随机矩阵乘法技术执行检索操作的任意地理范围查询的用户选择。本方法支持在不透露用户位置和查询隐私的情况下，实现线性检索效率的任意地理范围的用户位置检索。对比现有技术，本发明在数据隐私性、检索准确性和模型安全性以及去中心化程度方面，具有显著优势。
-
Patent Agency Ranking
公开(公告)号：CN112995189B
公开(公告)日：2022-01-21
申请号：CN202110264972.1
申请日：2021-03-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于隐私保护的公开验证矩阵乘法正确性的方法，属于可验证计算与隐私保护技术领域。所述方法包括：1)委托者生成其函数矩阵并加密，随后生成其公开验证密钥，委托者公开加密函数矩阵与公开验证密钥；2)委托者加密其输入矩阵并发给执行者；3)执行者执行委托者的计算任务得到结果密文并生成计算证明，计算证明被发给验证者，结果密文被发给委托者；4)验证者通过执行验证过程的算法得出执行者的计算结果是正确还是错误并将验证结果返回委托者；5)委托者根据验证结果做出选择：若计算结果正确，委托者对结果密文进行解密，否则委托者不对结果密文进行解密。所述方法能保证委托者的隐私得到保护并有效提高整体的计算效率，降低计算开销。
-
公开(公告)号：CN109344637B
公开(公告)日：2021-08-24
申请号：CN201811239671.8
申请日：2018-10-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种可搜索和保护隐私的数据共享云辅助电子医疗系统，属于电子医疗保健以及数据共享技术领域。利用加密方法和两个云服务器相互协作实现隐私保护和数据安全，采用消息认证码和变型的布隆过滤器完成文件的完整性以及正确性认证和高效的数据分组，使用提出的同态加密下的隐私相等测试协议进行关键字范围搜索实现患者和第三方医疗保健服务提供商之间的数据共享。所述数据共享云辅助电子医疗系统使第三方医疗保健服务提供商以安全有效的方式搜索和访问人们的个人健康信息文件，从而远程监控他们的健康状况并及时提供诊断。最后，通过在真实数据集下的实验和对数万个虚拟数据集的广泛模拟证明了所提出的系统在实际医疗应用中的可行性和效率。
-
公开(公告)号：CN112837770A
公开(公告)日：2021-05-25
申请号：CN202110080281.6
申请日：2021-01-21
Applicant: 北京理工大学
IPC: G16H10/60 , G06F16/31 , G06F16/332 , G06F21/60 , G06F21/62
Abstract: 本发明涉及一种大规模电子医疗系统中的隐私保护相似病历查询方法，属于医疗查询及隐私保护技术领域。所述方法包括：步骤1.医疗中心生成密钥，并在收到患者的注册信息后将密钥通过安全的通信渠道发送给患者；步骤2.医疗中心生成加密数据并存储在云服务器；步骤3.患者生成加密的查询请求并发送给云服务器；步骤4.云服务器执行粗粒度查询找到与患者症状关键字组合一致的电子病历集合；步骤5.云服务器在粗粒度查询得到的电子病历集合中执行细粒度查询找到满足患者相似度阈值的电子病历并发送给患者，患者通过密钥解密细粒度查询结果得到相似电子病历进行参考。所述方法能够保证患者信息和云服务器存储数据的隐私性且效率更高。
-
公开(公告)号：CN109344637A
公开(公告)日：2019-02-15
申请号：CN201811239671.8
申请日：2018-10-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种可搜索和保护隐私的数据共享云辅助电子医疗系统，属于电子医疗保健以及数据共享技术领域。利用加密方法和两个云服务器相互协作实现隐私保护和数据安全，采用消息认证码和变型的布隆过滤器完成文件的完整性以及正确性认证和高效的数据分组，使用提出的同态加密下的隐私相等测试协议进行关键字范围搜索实现患者和第三方医疗保健服务提供商之间的数据共享。所述数据共享云辅助电子医疗系统使第三方医疗保健服务提供商以安全有效的方式搜索和访问人们的个人健康信息文件，从而远程监控他们的健康状况并及时提供诊断。最后，通过在真实数据集下的实验和对数万个虚拟数据集的广泛模拟证明了所提出的系统在实际医疗应用中的可行性和效率。
-
公开(公告)号：CN119834964A
公开(公告)日：2025-04-15
申请号：CN202411891562.X
申请日：2024-12-20
Abstract: 本发明提供一种基于排名联邦学习的隐私保护且通信高效的图像识别方法，通过传输基于排名的投票数而不是传统的梯度，以提高通信效率。结合秘密共享协议和Diffie‑Hellman密钥协议，设计了一种能够保护客户端本地上传的基于排名参数隐私的双重掩码机制，恶意云服务器或客户端均不能使用其掌握的信息来推断其他客户端的隐私信息，解决了联邦学习中客户端共享的中间模型参数仍可能暴露本地数据信息的问题。此外，通过一些在线客户端交互实现掩码重建，以支持在联邦学习过程中客户端退出时的准确聚合。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.031 seconds)
