-
公开(公告)号：CN110943833A
公开(公告)日：2020-03-31
申请号：CN201911230845.9
申请日：2019-12-05
Applicant: 成都信息工程大学
IPC: H04L9/08
Abstract: 本发明属于量子通信网络技术领域，公开了一种基于节点信任评估的灵活量子信任模型构建方法及系统，在可信中继网络中引入了信任第三方，利用TTP可以评估节点间的信任度；在节点之间进行通信之前，根据节点的属性计算节点的信任值，该信任值是通过量子纠缠和量子隐形传态得到的；通过计算节点的信任值，可判断节点是否可信。本发明在现有技术条件下能够实现较好效率的量子信任评估模型，通过使用六粒子GHZ态纠缠系统，能抵御量子信道中存在的噪音干扰；通过STP的操作，两个节点u和v之间的信任评估过程得到了较大的简化；通过使用更为灵活的QT，结合共享的密钥对，可以较大程度提升协议的安全性能。
-
公开(公告)号：CN110474770A
公开(公告)日：2019-11-19
申请号：CN201910786316.0
申请日：2019-08-23
Applicant: 成都信息工程大学
Abstract: 本发明属于半量子通信技术领域，公开了一种基于单光子的多方半量子秘密共享方法及系统，秘密分发者将经典信息编码拆分为量子态；参与者通过半量子密码通讯收到所述量子态，然后通过量子操作恢复出秘密信息的一部分，并通过诚实合作恢复出原始秘密信息。本发明的秘密共享方案不依赖于纠缠态粒子，而是采用单粒子，在实际中具有更强的实用性；本发明的协议不需要经典方具备完备量子能力，降低了量子设备资源的需求；本发明完成了秘密分发者与多方间的秘密共享，而不仅限于三方间的秘密共享；本发明的方案能够抵御内部攻击和外部纠缠攻击，具有安全可行性。
-
公开(公告)号：CN110166251A
公开(公告)日：2019-08-23
申请号：CN201910412292.2
申请日：2019-05-17
Applicant: 成都信息工程大学
Abstract: 本发明属于量子通信技术领域，公开了一种基于量子行走的半量子群签名方法及系统，采用半量子的通信方式进行群组内部通信；采用基于量子行走的方式进行群组外部的通信，使纠缠态粒子在行走的过程中自动生成，对通信消息采用基于量子行走的隐形传态进行传输；对分发的信息在群组成员进行签名时，使用一定的编码规则对消息进行盲化处理，使盲化之后的信息不被其他群组成员以及外部的潜在攻击者获取；以及对盲化之后的信息进行抗抵赖、抗否认、抗伪造性、截获重发攻击和纠缠攻击安全性分析。本发明中群组内的通信采用的都是基于单光子的信息传输，使得量子的制备和检测也相对容易，在实际的应用过程中极大节约了通信成本。
-
公开(公告)号：CN109586909A
公开(公告)日：2019-04-05
申请号：CN201910054088.8
申请日：2019-01-21
Applicant: 成都信息工程大学
Abstract: 本发明属于量子数据库资源领域，公开一种基于Bell态的量子数据库资源访问控制与双向身份认证方法，基于Bell态，进行非对称QKD；量子隐私查询：第一通信方和第二通信方对共享的生密钥串执行后处理操作，得到最终的密钥共享串key；第二通信方使用一次一密方式加密整个数据库，第二通信方根据s的值对手中的key执行异或操作，并用产生的新key加密数据库；第一通信方根据自己的密钥值和s查询到数据库对应的内容；双向身份认证：进行第二通信方验证第一通信方的身份、第一通信方验证第二通信方的身份。本发明使用了Bell态粒子，比起基于单光子的QPQ协议，本协议在集体噪声通道下也有更好的容噪性能。
-
公开(公告)号：CN109495262A
公开(公告)日：2019-03-19
申请号：CN201910054073.1
申请日：2019-01-21
Applicant: 成都信息工程大学
CPC classification number: H04L9/0855 , H04B10/70
Abstract: 本发明属于量子通信网络技术领域，公开了一种量子通信网络中具有稠密编码特点的量子密钥分发方法，本发明基于Bell态粒子纠缠特点与pauli操作的关联特性，提出了一个在量子通信网络中有着实际用途、高效率的量子密码分发协议。通信双方在建立通信的过程中，由于引入了不可信第三方，量子纠缠态的制备与解纠缠、单粒子态的再纠缠等复杂操作都由不可信第三方完成。因此，使用本协议可以更加安全有效的完成量子密钥分发功能。本协议无需使用波长滤波器和PNS设备，且密钥分发过程的复杂度较低。由于使用了Bell态粒子，比起基于单光子的QPQ协议，本协议在集体噪声通道下也有更好的容噪性能。
-
Patent Agency Ranking
公开(公告)号：CN108964926A
公开(公告)日：2018-12-07
申请号：CN201810988069.8
申请日：2018-08-28
Applicant: 成都信息工程大学
IPC: H04L9/32 , H04L12/883 , H04L29/08
CPC classification number: H04L9/3297 , H04L9/3236 , H04L9/3247 , H04L49/9015 , H04L67/1097
Abstract: 本发明属于网络信息处理技术领域，公开了一种异构联盟系统中基于二层区块链的用户信任协商建立方法及系统,M个联盟系统的联盟用户根据社会影响力、服务质量多个维度对所在的联盟系统进行初始投票，选出f个用户作为受托节点，共同签署新区块；剩下的用户作为审计节点，轮流检验每个被签署的新区块是否真实有效，其中f满足3f+1≤M；f个授权代表节点中的某一个或几个错过签署新区块或者产生错误的区块，客户端自动将选票移走；联盟用户拥有能表征真实身份的数字证书后，在每笔交易数据的头部引用。本发明为跨域用户管理提供了一种新思路，同时区块链去中心化的特点为web3.0的到来打下了基础。
-
公开(公告)号：CN106685659A
公开(公告)日：2017-05-17
申请号：CN201710212289.7
申请日：2017-04-01
Applicant: 成都信息工程大学
IPC: H04L9/08
Abstract: 本发明属于信息安全技术领域，公开了一种能抵抗截获重发、中间人和纠缠攻击的量子秘密共享方法，利用五粒子GHZ态在X基下具有相互关联的特殊性质，设计的一种秘密共享协议。该协议将秘密信息拆分为4份并交给4个参与者保管，当4个参与者都参与的时候才能够解开秘密信息。经过分析，证明了协议的可行性。而安全性分析表明本协议能抵御截获重发攻击，中间人攻击和纠缠攻击。同时对参与者的信任问题进行了分析，表明了协议是安全的。
-
公开(公告)号：CN106533679A
公开(公告)日：2017-03-22
申请号：CN201710034284.X
申请日：2017-01-18
Applicant: 成都信息工程大学
IPC: H04L9/08
CPC classification number: H04L9/0852 , H04L9/0819
Abstract: 本发明公开了一种基于GHZ态的量子密钥分发方法，所述基于GHZ态的量子密钥分发方法基于三粒子GHZ态 在X基下的特殊性质；由第三方进行粒子分配，利用三粒子GHZ态在Z基和X基下具有不同的表示的特性作为密钥分发的关键点。本发明具有第三方TP(Third Part)为其他两名用户进行密钥分发的协议，大大减少了用户之间的量子传输信道，降低了复杂度，同时也减轻了成本，具有很大的实际意义；经过安全性分析。本协议能抵御截获重发攻击，中间人攻击和纠缠攻击，而作为第三方可以是不可信的。
-
公开(公告)号：CN106506567A
公开(公告)日：2017-03-15
申请号：CN201710021802.4
申请日：2017-01-12
Applicant: 成都信息工程大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于行为评判的隐蔽式网络攻击主动发现方法，包括：采用模糊聚类算法对通过“移动用户行为可信评判”结果“不可信”的移动用户依据其行为特征进行分类；针对各移动用户行为特征定义为相应的攻击行为因子，建立移动用户相应的攻击行为度量指标，采用基于模糊聚类的隐蔽式网络攻击行为深度挖掘算法；计算“不可信”移动用户的攻击行为因子，判定“不可信”移动用户是否存在某种攻击；如果该“不可信”移动用户有攻击行为，则采取相应的应对策略。本发明解决了移动互联网环境下安全应用的低可控性与安全需求之间的矛盾；本发明提前阻止可能发生的隐蔽式网络攻击，为构建安全可信的移动互联网应用环境奠定理论基础。
-
公开(公告)号：CN115688883B
公开(公告)日：2025-04-18
申请号：CN202211360816.6
申请日：2022-11-02
Applicant: 成都信息工程大学
IPC: G06N3/0464 , G06N3/09 , G06N10/20 , G06F18/25 , G06F18/24
Abstract: 本发明属于对抗样本检测领域，公开了一种基于量子模糊卷积神经网络的对抗样本检测方法及系统，方法包括：将输入模型中的数据分别传入量子卷积神经网络和模糊神经网络中，将两种网络提取到的特征图通过融合层进行融合，融合层中的融合数据作为预测器输入，最后由预测器输出结果。本发明采用量子模型和模糊系统结合训练量子模糊卷积神经网络训练作为对抗样本检测方法，利用量子卷积神经网络特有的捕获数据全局属性和模糊系统处理不确定性的优势，一定程度上提高了检测率。不仅可以识别原有攻击方法生成的对抗样本，而且对采用同一攻击手段中不同超参数生成的对抗样本以及不同方法生成的对抗样本也有一定的预测和防御作用，模型泛化性优于一般模型。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.032 seconds)
