一种基于虚拟节点技术的SDN网络跨域通信方法

    公开(公告)号:CN107645445B

    公开(公告)日:2019-11-22

    申请号:CN201710829946.2

    申请日:2017-09-15

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于虚拟节点技术的SDN网络跨域通信方法,包括以下步骤:系统初始化,采用可信的跨域通信服务,并对控制器提供一套标准接口;各个网络域的控制器通过跨域通信服务提供的接口连接到跨域通信服务;跨域通信服务收集各个网络域的控制器所掌控的设备及链路信息;跨域通信服务根据收集的设备链路信息,为不同的控制器将其它可达域中的节点虚拟成该域的虚拟节点;跨域通信服务将虚拟节点同步到控制器,控制器生成虚拟拓扑视图;控制器根据虚拟拓扑进行制定转发策略实现跨域通信。本发明利用软件定义网络的灵活性,通过使用虚拟节点和虚拟拓扑的方式实现跨域通信,不仅能保护各个域的拓扑隐私,还能够提高转发效率。

    基于频繁模式树的本地化差分隐私保护频繁项集挖掘方法

    公开(公告)号:CN110471957A

    公开(公告)日:2019-11-19

    申请号:CN201910760220.7

    申请日:2019-08-16

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于频繁模式树的本地化差分隐私保护的频繁项集挖掘方法,是应用于一个不可信第三方数据聚合者A和n位用户构成场景中,其步骤包括:S1、初始化阶段;S2、数据剪枝阶段;S3、建树阶段;S4、数据挖掘阶段。本发明能在第三方数据聚合者A不持有任何用户隐私记录信息情况下,估计满足给定支持度阈值的所有频繁项集以及相应的支持度,从而保证第三方能够根据所得结果挖掘出有用的关联规则,为可能的决策提供支持。

    一种基于组合云拍卖机制和隐私保护的动态虚拟机分配方法

    公开(公告)号:CN110460440A

    公开(公告)日:2019-11-15

    申请号:CN201910785871.1

    申请日:2019-08-23

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于组合云拍卖机制和隐私保护的动态虚拟机分配方法,该方法应用于由n个竞拍者,一个提供m种虚拟机实例的云拍卖商,一个代理服务提供方以及一个可信服务器组成的动态资源分配云拍卖场景中,并包括以下步骤:S1、初始化阶段;S2、报价提交阶段;S3、秘密分享计算阶段。本发明能解决当前云中动态虚拟机实例分配没有考虑到隐私保护的问题,从而能不泄露除了最后拍卖结果的相关信息,保护竞拍者的报价相关信息,并提高云中动态虚拟机实例分配的安全性。

    一种任意三节点翻转完全自恢复的锁存器

    公开(公告)号:CN109905117A

    公开(公告)日:2019-06-18

    申请号:CN201910218107.6

    申请日:2019-03-21

    Applicant: 安徽大学

    Abstract: 本发明涉及一种任意三节点翻转完全自恢复的锁存器,包括环形存储模块和六个传输门;所述环形存储模块由十二个三输入C单元组成,即第一C单元CE1、第二C单元CE2、第三C单元CE3、第四C单元CE4、第五C单元CE5、第六C单元CE6、第七C单元CE7、第八C单元CE8、第九C单元CE9、第十C单元CE10、第十一C单元CE11和第十二C单元CE12;所述六个传输门包括第一传输门TG1、第二传输门TG2、第三传输门TG3、第四传输门TG4、第五传输门TG5和第六传输门TG6。本发明提高了锁存器电路的可靠性,提供了三个同构变体锁存器,具备同样的可靠性;在锁存器输入端和输出端要求具有同向逻辑值的情况下,本发明提供的锁存器未增加面积开销。

    一种公平的基于区块链的双向组合云资源分配方法及系统

    公开(公告)号:CN109118102A

    公开(公告)日:2019-01-01

    申请号:CN201810974634.5

    申请日:2018-08-24

    Applicant: 安徽大学

    Abstract: 本发明公开了一种公平的基于区块链的双向组合云资源分配方法,涉及到n个云用户U={u1,…,un},m个云供应商P={p1,…,pm},其中ui表示第i个用户,1≤i≤n;pj表示第j个用户,1≤j≤m;其特征在于,该分配方法包括:初始化阶段、报价阶段、匹配和定价阶段、支付阶段、争端阶段。本发明还公开了一种公平的基于区块链的双向组合云资源分配系统。本发明在出价阶段基于承诺机制保证用户和云供应商公开的投标信息不可伪造,通过资金惩罚的方式实现用户之间的公平性;在出现争端阶段,借助区块链交易的可延迟执行特点,同时借助裁定者实现云用户和云供应商之间交易的公平性;总体实现了云用户和云用户、云供应商和云供应商以及云用户和云供应商之间的公平性。

    面向无人驾驶车辆与多移动边缘计算服务器间的消息认证方法

    公开(公告)号:CN109005538A

    公开(公告)日:2018-12-14

    申请号:CN201810838982.X

    申请日:2018-07-27

    Applicant: 安徽大学

    CPC classification number: H04W12/02 H04L9/0863 H04L9/0869 H04L9/3247 H04W12/06

    Abstract: 本发明公开一种面向无人驾驶车辆与多移动边缘计算服务器间的消息认证方法,其步骤为系统参数生成、为移动边缘计算服务器生成假名并提取半密钥、移动边缘计算服务器和车辆之间消息认证,该步骤包括车辆将大量的计算或者存储的任务迁移到移动边缘计算服务器、移动边缘计算服务器对消息进行环签名、车辆对消息批量认证。本发明将边缘计算引进到传统的车载自组织网络,车辆可以将计算或存储任务迁移到边缘服务器执行而不是发送到云端进行集中式处理;在发明的签名部分使用了环签名与假名的结合,环签名的应用有效的实现对移动边缘计算服务器隐私保护并且通过假名可以实现追溯恶意的移动边缘计算服务器。

    一种基于差分隐私的空间众包工作者位置隐私保护方法

    公开(公告)号:CN107196974B

    公开(公告)日:2018-04-20

    申请号:CN201710618390.2

    申请日:2017-07-26

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于差分隐私的空间众包工作者位置隐私保护方法,包括:1、空间众包中工作者将真实位置添加一个符合差分隐私机制的噪声,并发送给服务器;2、服务器接收到来自工作者所发送的扰动位置信息;3、空间众包任务请求者向服务器发送任务请求;4、服务器计算出任务效用最高的任务传播区域;5、服务器在任务传播区域发布任务请求,由该区域的工作者选择是否接受任务。本发明能够解决因数据库管理不当所可能造成的工作者位置隐私泄露的问题,同时可以有效的应对背景知识攻击的问题,从而能提高空间众包中工作者位置隐私的安全性,进而提高空间众包工作者的工作积极性和工作效率。

    基于时间特征的SDN控制器DDoS检测与防御方法

    公开(公告)号:CN107483512A

    公开(公告)日:2017-12-15

    申请号:CN201710940170.1

    申请日:2017-10-11

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于时间特征的SDN控制器DDoS攻击检测与防御方法,包括以下步骤:收集SDN交换机流表项统计数据;根据流表项统计数据计算流表在时间维度上的变化特性;使用BP神经网络对流表的时间特征样本进行训练,得到检测DDoS攻击所需的特征模式;使用BP神经网络对实时计算得到的时间特征进行判别,检测DDoS攻击;计算特定流表项的时间特征,动态地对受害端口进行恢复。本发明将SDN交换机流表的时间特征与BP神经网络相结合实现了检测针对SDN控制器的DDoS攻击这一目标,与现有方法相比可以更快速、全面地检测到针对控制器的DDoS攻击,并且支持后续对受害端口的动态恢复,减少了误封对正常业务的影响。

    一种基于拍卖和隐私保护的双向异质频谱分配方法

    公开(公告)号:CN107241806A

    公开(公告)日:2017-10-10

    申请号:CN201710575962.3

    申请日:2017-07-14

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于拍卖和隐私保护的双向异质频谱分配方法,包括以下步骤:初始化阶段:N个买家与M个卖家分别对自身的报价进行拆分加密;提交报价阶段:N个买家与M个卖家将自身的拆分加密后的报价信息全部发送给拍卖者A;分组阶段:拍卖者A计算干扰图,进行买家分组;买家分组匹配阶段:通过最大匹配算法得到分组信息;获胜者决定阶段:拍卖代理B生成拍卖算法的加密电路,并将该加密电路发送给拍卖者A,由拍卖代理和拍卖者向加密电路输入解密后的报价信息,利用加密电路计算获胜者;最终定价阶段:利用加密电路计算获胜者分担拍卖的最后价格。本发明在异质双向频谱拍卖过程中保护了每一个买家或卖家的报价信息,实现了良好的隐私性。

    一种基于差分隐私的分布式深度学习优化的隐私保护方法

    公开(公告)号:CN111814190B

    公开(公告)日:2022-12-23

    申请号:CN202010847845.X

    申请日:2020-08-21

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于差分隐私的分布式深度学习优化的隐私保护方法,是应用于服务器端与本地参与者端构成的分布式网络中,其步骤包括:S1、初始化阶段;S2、参与者本地训练参数上传阶段;S3、服务器接收参数筛选阶段。本发明能解决当前分布式深度学习过程中的隐私保护问题,考虑存在恶意参与者的情况下,防止恶意的参与者窃取其他参与者的隐私信息,并防止恶意参与者降低训练模型的精度,同时利用选择性上传参数的方法减少通信开销。

Patent Agency Ranking