神经网络中激活函数的计算方法、装置以及计算设备

    公开(公告)号:CN117114059B

    公开(公告)日:2024-07-05

    申请号:CN202310926879.1

    申请日:2023-07-26

    Abstract: 一种神经网络中激活函数的计算方法、装置以及计算设备,该方法包括:第一计算参与方、第二计算参与方以及第三计算参与方分别获得第一输入的份额,第一计算参与方和第二计算参与方分别根据各自获得的第一输入的份额计算得到第一输入的密文,第一计算参与方根据第一输入的密文以及第一子函数确定第一函数结果,第二计算参与方根据第一输入的密文以及第二子函数确定第二函数结果,第一计算参与方、第二计算参与方以及第三计算参与方根据各自获得的第一函数结果的份额,第二函数结果的份额分别计算得到第一激活函数结果的份额。该方法能够降低神经网络训练时所需的通信量和计算量。

    面向主流区块链系统的通用交易分析框架

    公开(公告)号:CN118037442A

    公开(公告)日:2024-05-14

    申请号:CN202211361153.X

    申请日:2022-11-02

    Applicant: 复旦大学

    Abstract: 本发明提供一种面向主流区块链系统的通用交易分析框架,将目前主流的区块链系统依据交易模型分为两类,在获取各系统全量交易数据后,构建了一种通用的规范化数据存储格式;基于该规范化数据存储格式,从区块、交易和地址三个维度设计出通用的统计分析算法;并且基于规范化数据存储格式,分别提取了上述两类交易模型的资金流动特征,设计了一种通用化的资金流追踪算法,从交易和地址两个维度实现对资金流动的追踪,并可以依据实际需求控制追踪的时间范围和步长。本发明能够高效地对区块链系统的交易进行统计分析和资金流动分析,并且能够扩展更多分析方法,解决当前区块链分析领域缺乏通用分析框架的局限性,极大提高对交易数据的分析效率。

    保护隐私的多方联合训练PCFG口令模型的方法

    公开(公告)号:CN116049892A

    公开(公告)日:2023-05-02

    申请号:CN202310125409.5

    申请日:2023-02-16

    Applicant: 复旦大学

    Abstract: 本发明属于系统安全技术领域,具体为一种保护隐私的多方联合训练PCFG口令模型的方法。本发明包括两个阶段:多个参与方基于本地的口令数据联合训练PCFG模型;在不直接泄露口令数据的前提下,联合多方的本地的口令数据训练全局PCFG模型,模型的结构信息和频次信息以加密的形式存储于所有参与方。本发明可以保护所有参与方的口令数据的隐私;支持三个及以上的参与方联合训练PCFG模型;支持参与方用流式口令数据更新PCFG模型。本发明为多方的场景下如何得到更加准确的PCFG模型提供了解决方案,为多方口令数据的安全利用提供有效的手段。

    一种在长文本中识别复杂住址的方法

    公开(公告)号:CN109299469B

    公开(公告)日:2023-05-02

    申请号:CN201811266619.1

    申请日:2018-10-29

    Applicant: 复旦大学

    Abstract: 本发明属于数据识别技术领域,具体为一种在长文本中识别复杂住址的方法。本发明包括:采用双数组Trie树构建全国小区名的词典;以基于感知机的中文分词和词性标注模型对长文本数据进行分词与标注;利用分词和词性标注结果,生成粗分词网;进行小区名匹配,更新词网,然后采用最长模式匹配,在长文本中匹配出最长的地址信息,并更新词网;通过维特比算法对词网进行最优路径求解,得到对长文本的最优分词与识别结果,其中包括需要进行上下文分析的完整复杂住址;通过对地址信息的上下文进行正面和负面特征词的分析,最终确定检测结果是否确实为家庭住址信息。本发明可以从大量冗长文本中识别出完整的复杂住址,在隐私检测的过程中减少公共地址数据的干扰,更准确地定位到隐私信息。

    一种基于多方安全计算的数据处理方法及装置

    公开(公告)号:CN115964738A

    公开(公告)日:2023-04-14

    申请号:CN202211562566.4

    申请日:2022-12-07

    Abstract: 本申请提供一种基于多方安全计算的数据处理方法,应用于多个计算参与方中的任一计算参与方,任一计算参与方具有待处理数据集的秘密份额,该方法包括:通过多方安全计算协议与多个计算参与方中其他计算参与方进行交互,对待处理数据集的秘密份额进行处理,得到处理结果的秘密份额;对待处理数据集的秘密份额进行处理过程中,在域上执行除操作,在环上执行非除操作,域大于环。本申请提供的方法在数据处理过程中,通过除操作在较大的域上进行,其他操作在较小的环上进行,降低了基于多方安全计算的数据处理过程中的通信量。

    具有一个特权方的三方健壮性隐私保护机器学习训练方法

    公开(公告)号:CN115348009A

    公开(公告)日:2022-11-15

    申请号:CN202210807840.3

    申请日:2022-07-11

    Applicant: 复旦大学

    Abstract: 本发明属于数据安全技术领域,具体为一种具有一个特权方的三方健壮性隐私保护机器学习训练方法。本发明基本步骤为:三个参与方(一个特权方、第一协助方和第二协助方)确定空间向量秘密共享技术中的公开矩阵,并对手中的原始数据利用空间向量秘密共享技术进行加密;设计基于上述加密方案的健壮性计算原语,以支持三种常用的机器学习模型,线性回归,逻辑回归,神经网络的训练;对训练的结果进行恢复,只有特权方才可以得到最终结果。本发明的优点在于:没有特权方的参与,其余两个协助方将不能进行训练,且即使两个协助方共谋也无法恢复最终的结果;允许一个协助方在训练的过程中掉线,剩余的两个参与方可以继续训练,且只有特权方可以得到最终结果。

    一种基于向量空间秘密共享的定点数安全乘法计算方法

    公开(公告)号:CN115333726A

    公开(公告)日:2022-11-11

    申请号:CN202210809775.8

    申请日:2022-07-11

    Applicant: 复旦大学

    Abstract: 本发明属于数据安全技术领域,具体为一种基于向量空间秘密共享的定点数安全乘法计算方法。本发明基本步骤为:参与方在离线阶段预计算安全乘法所需要的向量三元组;在线阶段以向量空间秘密共享形式的数据作为输入,交互的进行安全乘法计算;将安全乘法计算得到的结果进行截断处理。本发明的优点在于:使向量空间秘密共享技术支持安全乘法运算,从而更好地将它应用于隐私保护机器学习领域,以应对更为复杂的实际应用场景。

    基于hashcat与GPU并行计算的PCFG口令猜测方法

    公开(公告)号:CN115220913A

    公开(公告)日:2022-10-21

    申请号:CN202210718908.0

    申请日:2022-06-23

    Applicant: 复旦大学

    Abstract: 本发明属于口令安全技术领域,具体为一种基于hashcat与GPU并行计算的PCFG口令猜测方法。本发明首先对PCFG口令猜测模型生成的训练数据进行预处理,构建相应数据结构后传输至GPU端,在GPU端利用处理的数据和设计的索引算法并行生成口令猜测并在口令密文中进行匹配,最后将命中信息传回CPU端并重构命中口令以实现口令恢复。本发明猜测方法兼容hashcat的运行流程,可作为一种攻击模式直接实现在hashcat中。本发明在利用PCFG高效的猜测效率的同时,利用GPU并行计算减少了口令生成的时间成本;将PCFG口令生成过程与hashcat运行过程相结合,减少了概率猜测模型与实用破解工具结合使用的传输时延。

    一种基于安全多方计算协议的可扩展机器学习系统

    公开(公告)号:CN113128697B

    公开(公告)日:2022-09-06

    申请号:CN202010050857.X

    申请日:2020-01-16

    Applicant: 复旦大学

    Abstract: 本发明提供一种基于安全多方计算协议的可扩展机器学习系统,用于使用户在具有三个及以上参与方时构建有效的机器学习模型训练,其特征在于,包括:用于在=三个及以上参与方中提供通信服务的通信模块;用于让用户定义机器学习模型的结构的机器学习模型表示模块;与通信模块连接并调用通信,同时与机器学习模型表示模块连接,用于训练在机器学习模型表示模块中预定义的机器学习模型的机器学习驱动模块。本发明的基于安全多方计算协议的可扩展机器学习系统将安全多方计算协议与机器学习系统结合,采用秘密共享的方法,对机器学习模型提供隐私保护的支持,使得各数据拥有方可以在其共同的数据上训练模型,而不会泄露结果之外的信息。

    一种参数化混合模型的口令猜测方法

    公开(公告)号:CN112861113B

    公开(公告)日:2022-05-20

    申请号:CN202110026552.X

    申请日:2021-01-08

    Applicant: 复旦大学

    Abstract: 本发明属于口令安全技术领域,具体为一种参数化混合模型的口令猜测方法。本发明包括以下三个步骤:利用训练集生成优化的PCFG和Markov口令猜测模型、根据最优的参数化策略分配口令猜测数、根据分配的猜测数生成备选口令集。本发明利用利用口令训练集生成优化后的PCFG和Markov口令猜测模型,然后根据最优的参数化策略给优化后的PCFG和Markov模型分配猜测数,最后按照分配的猜测数生成备选口令集。此外,本发明还理论证明了最优的参数化策略可以保证最终生成的备选口令集的最优性。本发明方法具有良好的普适性,可应用于不同特点的口令数据集;方法给出的参数化策略从理论证明了其最优性,可以保证生成备选口令集的最优性。

Patent Agency Ranking