-
公开(公告)号：CN113504940A
公开(公告)日：2021-10-15
申请号：CN202110854751.X
申请日：2021-07-28
Applicant: 电子科技大学
IPC: G06F8/74
Abstract: 本发明涉及区块链智能合约技术领域，提供了一种改善智能合约字节码逆向工程效果的方法及装置。本发明能够在已知函数签名的条件下，更好地改善编译器，提高智能合约逆向工程结果的可读性。主要方案包括步骤S1：使用Erays对合约字节码进行逆向工程，得到逆向后的代码；步骤S2：根据合约字节码中已知的函数签名，为逆向工程后得到代码的每个公共/外部函数添加函数id、参数类型，并生成参数列表；步骤S3：对于步骤S1中合约字节码中的每一个函数，使用有意义参数名替换无意义的变量名；步骤S4：针对赋值语句，如果将对应函数的参数赋值给变量，则将对应参数的类型添加到变量中；步骤S5：用简单的赋值语句替换由编译器生成用于访问参数的代码。
-
公开(公告)号：CN112507312A
公开(公告)日：2021-03-16
申请号：CN202011443755.0
申请日：2020-12-08
Applicant: 电子科技大学
Abstract: 本发明提供一种在深度学习系统中基于数字指纹的验证与追踪方法，设计了一种两层数字指纹结构，每个客户的数字指纹由社区关系代码与客户身份代码组成。社区关系代码将有助于服务器快速找到可疑的客户组。客户身份代码用于表示客户的唯一标识。为了提供所有权和叛徒追踪的证据，本发明将每个客户的数字指纹嵌入DNN的参数内。当服务提供商发现可疑的用户时，服务器将从盗版模型中提取并验证指纹，从而追踪非法分发其模型的叛徒。
-
公开(公告)号：CN108985094B
公开(公告)日：2020-07-21
申请号：CN201810692703.3
申请日：2018-06-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种在云环境下实现密文空间数据的访问控制和范围查询方法，属于云计算安全技术领域。本发明中，数据拥有者首先利用保序加密以及安全内积运算产生密文数据索引，并将所有索引以R‑树的形式组织并发送给云服务器；用户根据自己需要查询的几何范围生成密文搜索指令并提交给云服务器；云服务器根据用户请求和用户的当前访问权限返回相应的密文匹配结果；最终，用户在收到密文结果后，使用数据拥有者预先发送的密钥进行解密，实现密文环境下的范围查询以及数据访问控制。本发明保证了搜索过程中的高效性及安全性，特定用户只能访问其被授权的密文空间数据。
-
公开(公告)号：CN108985094A
公开(公告)日：2018-12-11
申请号：CN201810692703.3
申请日：2018-06-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种在云环境下实现密文空间数据的访问控制和范围查询方法，属于云计算安全技术领域。本发明中，数据拥有者首先利用保序加密以及安全内积运算产生密文数据索引，并将所有索引以R-树的形式组织并发送给云服务器；用户根据自己需要查询的几何范围生成密文搜索指令并提交给云服务器；云服务器根据用户请求和用户的当前访问权限返回相应的密文匹配结果；最终，用户在收到密文结果后，使用数据拥有者预先发送的密钥进行解密，实现密文环境下的范围查询以及数据访问控制。本发明保证了搜索过程中的高效性及安全性，特定用户只能访问其被授权的密文空间数据。
-
公开(公告)号：CN108768608A
公开(公告)日：2018-11-06
申请号：CN201810519096.0
申请日：2018-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种在区块链PKI下支持瘦客户端的隐私保护身份认证方法，属于信息安全技术领域。本发明所述方法包括以下步骤：系统初始化、生成认证请求、生成查询请求、查询阶段、检测阶段、确认阶段和会话建立。本发明所述方法利用PIR等技术，使得其支持区块链中存储能力和计算能力有限的瘦客户端在去中心化的PKI中完成用户身份认证，同时保护瘦客户端的查询隐私。本发明使用基于区块链的PKI技术，解决传统PKI单点故障和多CA互信难等问题；利用PIR技术，实现去中心化PKI下瘦客户端的身份认证功能；利用PIR技术，保护瘦客户端查询过程中的数据隐私；在认证过程中加入随机数，防止中间人攻击，确保认证过程中消息不被伪造篡改。
-
Patent Agency Ranking
公开(公告)号：CN108521326A
公开(公告)日：2018-09-11
申请号：CN201810317657.9
申请日：2018-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于向量同态加密的隐私保护的线性SVM模型训练算法，属于信息技术安全领域，包括以下步骤：步骤1.使用者采用基于向量的同态加密方案VHE对训练数据集进行加密，并将加密结果发送至服务器；步骤2.服务器对加密结果进行计算，得到密文线性核函数矩阵并将密文线性核函数矩阵返回至使用者；步骤3.使用者对密文线性核函数矩阵进行解密，得到明文线性核函数矩阵并将明文线性核函数矩阵发送至服务器；步骤4.服务器采用密文SMO算法对明文线性核函数矩阵进行训练，并将训练结果返回至使用者。
-
公开(公告)号：CN118606938A
公开(公告)日：2024-09-06
申请号：CN202410267969.9
申请日：2024-03-08
Applicant: 电子科技大学
Abstract: 本发明提供一种针对模型窃取攻击的综合防御方法，包括对抗训练步骤、恶意查询检测步骤、自适应回复步骤和所有权验证步骤；在训练阶段施加对抗训练以获得更鲁棒的模型，并削弱模型窃取攻击的效果，导致攻击者需要提交更多的恶意查询才能达到预期的攻击目标。在这之后，恶意查询检测用来检测和识别恶意查询并标记恶意用户。然后，针对恶意用户，防御者采用自适应回复策略，用添加了扰动的结果回复恶意用户。这些扰动的结果不仅可以减弱模型窃取攻击的效果，还可以为后续的模型所有权验证步骤做准备。最后，模型所有权验证可以通过扰动结果集进行验证。本发明能提高模型窃取攻击的检测精度，且多个阶段的防御措施相互促进达到最佳的整体防御。
-
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：CN115438753B
公开(公告)日：2023-01-06
申请号：CN202211366378.4
申请日：2022-11-03
Applicant: 电子科技大学
IPC: G06F18/214 , G06F18/22 , G06F18/241 , G06N3/0464 , G06N3/08 , G06F21/62
Abstract: 本发明公开了一种基于生成的衡量联邦学习协议数据安全性的方法，属于联邦学习的隐私安全技术领域。本发明借由辅助数据集和被测联邦学习模型，提前训练生成器；使用该生成器，借由模拟用户产生的梯度，重构用户数据。最终通过计算模拟用户真实数据和借由梯度重构的重构数据之间的相似度，来衡量被测联邦学习模型的安全性。本发明只需对用户梯度进行简单处理，即可送入生成器直接生成用户的重构数据，该生成过程本身耗时极短。而生成器本身在联邦学习一个更新轮次中可以反复使用，做到“训练一次，多次使用”，从而大大降低了梯度泄露的总体时间开销。同时，本发明无需对模型权重进行修改，因而兼顾了隐蔽性。
-
公开(公告)号：CN112507312B
公开(公告)日：2022-10-14
申请号：CN202011443755.0
申请日：2020-12-08
Applicant: 电子科技大学
Abstract: 本发明提供一种在深度学习系统中基于数字指纹的验证与追踪方法，设计了一种两层数字指纹结构，每个客户的数字指纹由社区关系代码与客户身份代码组成。社区关系代码将有助于服务器快速找到可疑的客户组。客户身份代码用于表示客户的唯一标识。为了提供所有权和叛徒追踪的证据，本发明将每个客户的数字指纹嵌入DNN的参数内。当服务提供商发现可疑的用户时，服务器将从盗版模型中提取并验证指纹，从而追踪非法分发其模型的叛徒。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.069 seconds)
