-
公开(公告)号：CN118940857A
公开(公告)日：2024-11-12
申请号：CN202410983672.2
申请日：2024-07-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出了基于个性化本地差分隐私的去中心化联邦学习方法及系统，涉及联邦学习技术领域，包括：初始化用于联邦学习的区块链网络；每个客户端从区块链上接受训练任务，使用本地数据集对从区块链中下载的全局模型进行本地迭代训练，并对隐私预算进行自适应分配和对本地模型参数进行本地差分隐私处理，直到满足迭代停止的条件，得到训练后的本地模型参数，上传到区块链中；区块链对客户端上传的本地模型参数进行加权聚合，得到聚合后的全局模型，并回传给任务发布者；本发明将联邦学习与区块链相结合，并使用了个性化的隐私预算分配和基于参数的加权聚合算法，保证了联邦学习隐私性、准确性和鲁棒性之间实现的有效权衡。
-
公开(公告)号：CN117896392A
公开(公告)日：2024-04-16
申请号：CN202410014501.9
申请日：2024-01-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/1087 , H04L41/00 , H04L9/40 , H04L67/12
Abstract: 本公开提供了一种基于信誉的区块链分片共识方法及系统，所述方案在基于信誉的PBFT共识中结合聚合签名技术进行改进：首先在信誉值计算上综合考虑节点的性能特征和行为特征，以信誉作为标准来决定一个节点的投票权重；然后基于所述投票权重计算收到消息的权重总和，当满足预设阈值时聚合所有签名，合并为一条消息后广播给所有备份节点，这样大大减少了通信开销并提高了共识的民主性和安全性；同时，在信誉机制下提供一种押金与激励机制，设置节点进入网络的押金标准，根据节点有不同的分工角色各自采用基础+有效的激励模式，从而可以平衡节点的稳定收益和动态奖励，不断提升网络的稳定性和安全性。
-
公开(公告)号：CN117573530A
公开(公告)日：2024-02-20
申请号：CN202311542233.X
申请日：2023-11-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F11/36
Abstract: 本发明提出了基于Jepsen测试的DApp链下异常状态检测方法及系统，包括：链上状态监控器监控到交易状态改变时，将交易状态改变消息通过传输协议发送给链下数据监控器，以通知链下数据监控器收集数据；链下数据监控器收到消息后，向DApp链下组件发送请求，查询此时交易所处链上状态对应的链下状态数据；DApp链下组件收到来自链下数据监控器发送的请求后，将相关数据返回给链下数据监控器，链下数据监控器获取并保存DApp每个交易状态对应的链下状态；对于每笔交易，当交易在执行过程中产生报错信息被链下数据监控器所捕获时，则认定该交易存在异常。
-
公开(公告)号：CN117389741A
公开(公告)日：2024-01-12
申请号：CN202311493373.2
申请日：2023-11-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F9/50 , G06F16/901 , G06F16/27
Abstract: 本发明公开了基于图划分算法的公有链分片方法及系统，其中方法，包括：为区块链的公有链设置主分片和若干个普通分片，主分片实时收集所有普通分片的账户和交易信息，将账户作为顶点，将交易作为顶点之间的连接边，从而创建出完整交易图；主分片采用图划分算法，对完整交易图进行划分，得到若干个不互不相交的交易子图；主分片将最终的划分结果输出，得到若干个交易子图，将每个交易子图视为分片图；主分片对分片结果达成共识，并向所有的普通分片广播分片图；新的时期开始时，普通分片对主分片广播的分片图进行验证，验证通过后，每个普通分片根据分片图更新自身的账户信息，各个账户转移到分片图中，并同步更新后的状态。
-
公开(公告)号：CN119416222A
公开(公告)日：2025-02-11
申请号：CN202411360416.4
申请日：2024-09-27
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/57 , G06N3/0442 , G06N3/045 , G06N3/094 , G06N3/0475 , G06N3/084
Abstract: 本发明公开一种基于改进PGD对抗网络的智能合约漏洞检测方法及系统，属于区块链安全技术领域，包括：获取待检测的以太坊智能合约的源代码数据；对获取的源代码数据进行预处理，生成单词序列；以利用多目标优化PGD算法训练得到的生成对抗网络中的判别器作为漏洞检测模型，将单词序列输入至漏洞检测模型中，输出智能合约漏洞检测结果；其中，生成对抗网络包括生成器和判别器，生成器用于生成与输入的原始样本相似且存在漏洞的复杂对抗样本，判别器用于判别每一输入样本存在智能合约漏洞的概率。本发明可有效提升判别器的泛化能力和对各种智能合约漏洞检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119397499A
公开(公告)日：2025-02-07
申请号：CN202411454114.3
申请日：2024-10-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于图像映射的医疗数据侵权检测方法及系统，属于数据安全与隐私保护领域，可信执行环境基于所述检测指标的正常范围对举报者的医疗数据和被举报者的医疗数据进行处理，得到举报者的数据图像和被举报者的数据图像；可信执行环境对所述举报者的数据图像和被举报者的数据图像进行特征提取，得到二者的特征集，基于所述二者的特征集进行相似度计算，得到相似度分数并发送至可信第三方；可信第三方根据所述相似度分数与设定阈值的比较，判断被举报者的医疗数据和举报者的医疗数据之间是否存在侵权行为。能提取出更具有鲁棒性、更能代表不同数值数据的特征，以应对数据被修改的挑战，在进行相似度比较时，具有较高的准确性。
-
公开(公告)号：CN119026127A
公开(公告)日：2024-11-26
申请号：CN202411498565.7
申请日：2024-10-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/56 , G06V10/80 , G06V10/764
Abstract: 本发明涉及计算机恶意软件检测技术领域，提供了一种基于多层次特征融合的恶意代码检测方法、系统及设备。基于多层次特征融合的恶意代码检测方法，包括：基于字节码文件，构建RGB图像，提取得到RGB图像特征；对字节码文件进行遍历，得到N‑Gram特征；对N‑Gram特征进行哈希映射，生成统一维度的稀疏特征向量，得到字节码数据统计特征；基于汇编语言源文件，采用词嵌入模型，得到指令序列特征；将RGB图像特征、字节码数据统计特征和指令序列特征进行融合，得到融合特征；基于融合特征，采用分类器，得到检测结果。本发明提升了恶意代码的检测准确率和响应速度。
-
公开(公告)号：CN118586040B
公开(公告)日：2024-10-18
申请号：CN202411044584.2
申请日：2024-08-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于高效聚合联邦学习的车联网数据处理方法及系统，属于数据安全与隐私保护技术领域。包括：获取车联网数据；以车联网数据为输入，利用训练好的全局模型进行处理，获取数据处理结果；全局模型为在联邦学习的过程中，通过动态加权聚合算法对符合性能要求的局部模型进行聚合生成，局部模型的训练轮数根据全局模型的训练结果、局部模型的训练结果以及车辆节点的设备性能和数据质量动态调整。本发明通过结合基于AUC值的模型筛选机制和基于车辆性能评价的训练轮数动态调整机制，加快模型收敛速率，减少了模型聚合轮数，大幅降低联邦学习的训练成本；解决现有动态变化的车辆网数据环境下，联邦学习训练效果和训练效率低下的问题。
-
公开(公告)号：CN118780912A
公开(公告)日：2024-10-15
申请号：CN202410730914.7
申请日：2024-06-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于区块链跨链资产交易技术领域，提供了一种身份安全管理的异构链跨链资产交易方法及系统，首先，利用预设的智能合约打包交易信息；具体的，利用所述身份管理合约生成去中心化身份标识标识和发行可验证凭证；然后，对打包的交易信息进行验证，包括验证环签名的正确性与合法性，以及验证可验证凭证的正确性；最后，根据验证通过的交易信息进行交易；使用去中心化身份标识与可验证凭证作为统一身份标识符来实现跨链身份标识与认证，使得用户身份可以完全掌握在用户自己手中，打破了区块链之间的障碍，适应多个区块链的场景，在不同的区块链上实现去中心化身份标识的验证，避免了身份的重复认证。
-
公开(公告)号：CN118586040A
公开(公告)日：2024-09-03
申请号：CN202411044584.2
申请日：2024-08-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于高效聚合联邦学习的车联网数据处理方法及系统，属于数据安全与隐私保护技术领域。包括：获取车联网数据；以车联网数据为输入，利用训练好的全局模型进行处理，获取数据处理结果；全局模型为在联邦学习的过程中，通过动态加权聚合算法对符合性能要求的局部模型进行聚合生成，局部模型的训练轮数根据全局模型的训练结果、局部模型的训练结果以及车辆节点的设备性能和数据质量动态调整。本发明通过结合基于AUC值的模型筛选机制和基于车辆性能评价的训练轮数动态调整机制，加快模型收敛速率，减少了模型聚合轮数，大幅降低联邦学习的训练成本；解决现有动态变化的车辆网数据环境下，联邦学习训练效果和训练效率低下的问题。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.05 seconds)
