-
公开(公告)号：CN118249980A
公开(公告)日：2024-06-25
申请号：CN202410399028.0
申请日：2024-04-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于同态加密和安全外包矩阵的隐私保护机器学习方法及装置，方法包括：由密钥生成中心KGC基于同态加密算法的KeyGen函数进行初始化，生成公钥pk、私钥sk和评估密钥evk，然后将初始化参数parmas、公钥pk和评估密钥evk发送给云服务方S，将初始化参数parmas、私钥sk和公钥pk发送到客户端C；客户端C基于同态加密算法的Enc函数完成矩阵数据的打包和加密，并将加密后的密文传输至云服务方S；云服务方S通过基于同态加密技术的安全矩阵运算方法对接收到密文进行安全矩阵运算，得到密文结果；云服务方S将经过安全矩阵运算得到的结果密文发送回客户端，客户段对收到的密文进行解密。通过本发明可以安全高效的完成隐私保护的计算。
-
公开(公告)号：CN117592527A
公开(公告)日：2024-02-23
申请号：CN202410074807.3
申请日：2024-01-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0499 , G06N3/084 , G06F18/214 , G06F21/60
Abstract: 本发明公开了一种基于函数秘密共享的隐私保护神经网络训练方法及装置，来支持实用的安全神经网络训练，该框架具有较小的常数轮在线通信复杂度，在不降低模型精度的情况下降低离线通信成本，同时离线阶段通过使用安全两方计算友好的伪随机生成器，采用分布式比较函数密钥生成方案来取代可信第三方。本发明通过提出了具有最小密钥大小的通信优化的分布式比较函数，无需较大函数秘密共享密钥量；通过设计离线阶段，在离线阶段生成相关随机性用于在线阶段函数计算，使得在线阶段只需1轮通信即可，从而大大减少通信量。
-
公开(公告)号：CN115622684B
公开(公告)日：2023-03-28
申请号：CN202211433166.3
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于全同态加密的隐私计算异构加速方法及装置，本发明从内存和指令两个层级对全同态加密算法进行优化，根据计算负载动态调配GPU中的Block块，将计算量过大的任务拆小，计算量小的任务合并变大，控制结果合并过程中的访存竞争。利用GPU中的内存层次结构，减少SM上同时分配的访存量大的任务数，分配更多的共享内存提升内存命中率，减少与全局内存的通信；设计异构计算流：从时间上和空间上，共享有限的硬件资源。本发明在GPU中实现NTT/INTT算法的挑战是高效地分配线程以实现高利用率，为了获得最佳性能，所有线程都应该是繁忙的，每个线程的工作负载应该是相等的。
-
公开(公告)号：CN115455488B
公开(公告)日：2023-03-28
申请号：CN202211420158.5
申请日：2022-11-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于复制秘密共享的密态数据库查询方法及装置，方法包括：用户将查询需求编译成复制秘密共享下的安全多方计算原语并将其交递给计算层，计算层向存储层请求共享查询需求所对应数据的表；每个数据提供方调用布尔复制秘密共享算法生成秘密份额并传输给计算方；计算方调用安全三方计算算法并利用密态过滤算子、密态连接算子、密态排序算子和密态聚合算子中的一个或多个进行安全三方计算，得到秘密共享形式的计算结果的秘密共享份额并发送给用户；调用秘密重构算法将计算结果的秘密共享份额重构之后得到最终的查询结果。本发明每个数据提供方将自己的数据以秘密共享的形式分成三个秘密份额发给计算方，性能更好。
-
公开(公告)号：CN115600012A
公开(公告)日：2023-01-13
申请号：CN202211523157.3
申请日：2022-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)(CN)
IPC: G06F16/9535 , G06F8/75 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于知识增强和结构对比的API推荐方法，包括以下步骤：步骤1，代码预处理构图；解析源代码，提取方法、API和结构节点以及它们之间的关系，构成调用关系图和层次结构图；步骤2，知识增强的图嵌入学习；使用图卷积神经网络GCN在调用关系图上传播信息来细化方法和API的初始嵌入表示，同时用翻译模型TransH学习层次结构图中的实体和关系的嵌入表示；步骤3，多任务学习；包括主要的API推荐任务和辅助的对比学习任务。本发明的有益效果是：本发明提出了知识增强的图嵌入学习，使得方法和API的嵌入向量中不仅建模了调用交互还融合了代码中的层次结构信息，优化了方法和API的表示，达到更准确的推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN115499247A
公开(公告)日：2022-12-20
申请号：CN202211432463.6
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于零知识证明的属性凭证验证方法及装置，方法包括：构造属性凭证；签发属性凭证，用户向作为签发者的可信第三方提出属性凭证申请；签发者生成每个用户唯一的随机盐值，签发者对已认证的属性信息和随机盐值进行凭证签发；验证属性凭证，用户从安全信道中获取验证者所需的验证约束条件，用户使用凭证证明生成模块生成对应的零知识的属性值消息，用户将零知识的凭证证明消息通过可信信道发送给验证者；验证者在收到用户发来的凭证证明消息后对消息内容进行解析，验证凭证证明的正确性和有效性。本发明具有保护用户数据隐私和细粒度验证策略的优点，同时以比较低的交互次数和交互通信量完成凭证的签发和证明。
-
公开(公告)号：CN114553394B
公开(公告)日：2022-08-16
申请号：CN202210424254.0
申请日：2022-04-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了基于多密钥全同态方案的补码运算器及运算方法，运算器包括多密钥全同态加法运算器、多密钥全同态减法运算器、多密钥全同态乘法运算器和多密钥全同态除法运算器；所述多密钥全同态加法器由多密钥全同态0‑类加法器构成；所述多密钥全同态减法器由多密钥全同态0‑类加法器与多密钥全同态取非器构成；所述多密钥全同态乘法器由多密钥全同态0‑类加法器、多密钥全同态1‑类加法器、多密钥全同态2‑类加法器和多密钥全同态与门构成；所述多密钥全同态除法器由多密钥全同态取补器、多密钥全同态CAS单元与多密钥全同态异或门构成。本发明构造了任意位的补码整数四则运算器，能够支持任意位的正负整数之间的四则运算，大大提高了MKTFHE方案的实用性。
-
公开(公告)号：CN112819052A
公开(公告)日：2021-05-18
申请号：CN202110094267.1
申请日：2021-01-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及机器视觉技术领域，公开了一种多模态细粒度混合方法、系统、设备和存储介质，所述多模态细粒度混合方法包括：从多模态图文数据中提取数据特征，并获取数据特征的各个组成成分；数据特征包括视觉区域特征和文本单词特征；对数据特征的各个组成成分的模态信息进行细粒度分类，得到分类结果；根据分类结果，对各个组成成分进行来自模态内和模态间的信息融合，得到融合特征。本发明实施例提供的多模态细粒度混合方法在多模态细粒度混合时不以模态为单位进行，考虑到了各模态中不同组成成分的特点，所处上下文环境的差异，选择对应的合适的交互方式，可以使得多模态模型在利用多模态数据互补的特点的同时，避免不相关信息的影响。
-
公开(公告)号：CN119675842A
公开(公告)日：2025-03-21
申请号：CN202510180981.0
申请日：2025-02-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳市华汇数据服务有限公司 , 暨南大学
IPC: H04L9/00 , H04L9/08 , G06N3/0464 , G06N3/048 , G06N5/04
Abstract: 本发明公开了一种高效密态联合神经网络推理方法，包括如下步骤：S100、数据持有方C和模型拥有方#imgabs0#分别将隐私数据和隐私模型通过秘密分享的方式发送给计算节点#imgabs1#和#imgabs2#；S200、计算节点#imgabs3#和#imgabs4#运行密态联合神经网络推理算法，通过依次执行密态计算层协议，分别计算推理结果的秘密份额Z0和Z1，密态计算层协议包括：S210：密态卷积层算法#imgabs5#；S220：密态激活函数层算法#imgabs6#；本发明还公开了一种高效密态联合神经网络推理系统。本发明的技术方案基于函数秘密共享技术，设计了通信轮次少的ReLU算法，从而减少了计算激活函数所需的通信代价，且利用双侧比较与正确的符号判别，设计了卷积神经网络推理子协议，提高了推理正确率且与明文推理结果一致。
-
公开(公告)号：CN119094128A
公开(公告)日：2024-12-06
申请号：CN202411570482.4
申请日：2024-11-06
Applicant: 深圳市华汇数据服务有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于秘密共享的隐私保护特征工程方法及系统，包括以下步骤：S100、在数据集秘密分发阶段，n个数据提供方#imgabs0#分别将各自的隐私数据特征及其标签#imgabs1#通过加法算术秘密共享分发给第一服务器S1和第二服务器S2，得到数据特征的秘密份额和数据标签的秘密份额；S200、在两方分布式运算阶段，第一服务器S1和第二服务器S2基于获得的数据特征的秘密份额和数据标签的秘密份额在密态环境分别进行安全两方分布式运算，第一服务器S1与第二服务器S2之间不共谋。本发明的技术方案能够在任何一个环节都能保证数据的隐私安全的同时兼顾计算效率，具有更强的拓展性和完整的系统。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.038 seconds)
