-
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
Applicant: 电子科技大学
IPC: G06F21/56
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。
-
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
Applicant: 电子科技大学
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。
-
公开(公告)号：CN114726496B
公开(公告)日：2023-10-03
申请号：CN202210215668.2
申请日：2022-03-07
Applicant: 电子科技大学
Abstract: 本发明提供一种安全的应用于纵向联邦学习的特征选择方法，本发明设计了一个通用的基于基尼系数的特征选择框架，并为该框架设计了两个定制的密码协议。其中一个协议建立在轻量级加法秘密共享技术之上，以保护隐私特征，但同时也引入了少量额外计算开销。另一个同时使用秘密共享和线性同态加密技术。本发明方案与纵向联邦学习中现有的大多数机器学习模型兼容，并可作为即插即用模块集成到现有的隐私保护的纵向联邦学习系统中，以进一步提高训练效率和模型准确率。
-
公开(公告)号：CN112104609A
公开(公告)日：2020-12-18
申请号：CN202010842682.6
申请日：2020-08-20
Applicant: 电子科技大学
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
公开(公告)号：CN108830284B
公开(公告)日：2020-10-27
申请号：CN201810675670.1
申请日：2018-06-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于密文图像灰度直方图向量的图像识别方法，解决对用户的图像数据进行数据分析和处理泄露用户隐私的问题，属于图像隐私保护技术领域。本发明对待识别密文图像和源密文图像集合分别进行灰度直方图向量提取，得到密文直方图特征向量；获取待识别图像、各源图像两两图像之间的像素比，对各待识别密文图像、各源密文图像的密文直方图特征向量进行处理，得到各密文直方图特征向量；基于密文域整数向量相似性比较方法，将待识别密文图像的密文直方图特征向量与源密文图像集合中的各源密文图像的密文直方图特征向量集合进行比较，找到最终的同源密文图像。本发明用于密文域内的图像识别。
-
公开(公告)号：CN109684855B
公开(公告)日：2020-07-10
申请号：CN201811540698.0
申请日：2018-12-17
Applicant: 电子科技大学
Abstract: 本发明属于人工智能技术领域，涉及一种基于隐私保护技术的联合深度学习训练方法。本发明实现了一种基于隐私保护技术的高效联合深度学习训练方法。本发明中，各个参与方首先在私有数据集上训练本地模型获得本地梯度，再将本地梯度进行拉普拉斯噪音扰动，并加密后发送至云服务器；云服务器将接收到的所有本地梯度与上一轮的密文参数进行聚合操作，并广播产生的密文参数；最终，参与方解密接收到密文参数，并更新本地模型从而进行后续的训练。本发明结合同态加密方案和差分隐私技术，提出了安全高效的深度学习训练方法，保证训练模型的精确性，同时防止服务器推断模型参数和训练数据隐私以及内部攻击获取私密信息。
-
公开(公告)号：CN109474928B
公开(公告)日：2020-06-16
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
公开(公告)号：CN109474928A
公开(公告)日：2019-03-15
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
公开(公告)号：CN108830284A
公开(公告)日：2018-11-16
申请号：CN201810675670.1
申请日：2018-06-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于密文图像灰度直方图向量的图像识别方法，解决对用户的图像数据进行数据分析和处理泄露用户隐私的问题，属于图像隐私保护技术领域。本发明对待识别密文图像和源密文图像集合分别进行灰度直方图向量提取，得到密文直方图特征向量；获取待识别图像、各源图像两两图像之间的像素比，对各待识别密文图像、各源密文图像的密文直方图特征向量进行处理，得到各密文直方图特征向量；基于密文域整数向量相似性比较方法，将待识别密文图像的密文直方图特征向量与源密文图像集合中的各源密文图像的密文直方图特征向量集合进行比较，找到最终的同源密文图像。本发明用于密文域内的图像识别。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.047 seconds)
