-
公开(公告)号：CN109474928A
公开(公告)日：2019-03-15
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
公开(公告)号：CN108830284A
公开(公告)日：2018-11-16
申请号：CN201810675670.1
申请日：2018-06-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于密文图像灰度直方图向量的图像识别方法，解决对用户的图像数据进行数据分析和处理泄露用户隐私的问题，属于图像隐私保护技术领域。本发明对待识别密文图像和源密文图像集合分别进行灰度直方图向量提取，得到密文直方图特征向量；获取待识别图像、各源图像两两图像之间的像素比，对各待识别密文图像、各源密文图像的密文直方图特征向量进行处理，得到各密文直方图特征向量；基于密文域整数向量相似性比较方法，将待识别密文图像的密文直方图特征向量与源密文图像集合中的各源密文图像的密文直方图特征向量集合进行比较，找到最终的同源密文图像。本发明用于密文域内的图像识别。
-
公开(公告)号：CN105791283A
公开(公告)日：2016-07-20
申请号：CN201610113032.1
申请日：2016-02-29
Applicant: 电子科技大学
IPC: H04L29/06
CPC classification number: H04L63/0428
Abstract: 本发明属于可搜索加密技术领域，具体涉及一种针对加密的空间数据的圆形范围搜索方法。本发明主要包括：搜索用户根据目标圆形查询范围产生搜索令牌，并将搜索令牌上传至云服务器；所述搜索令牌包括第一正方形和第二正方形的查询范围，第一正方形为目标圆形的内接正方形，第二正方形为目标圆形的外接正方形；云服务器根据搜索令牌进行搜索得到中间搜索结果，并将中间搜索结果和搜索令牌发送到可信第三方；可信第三方将错误的结果过滤后将剩下的最终搜索结果重新加密后返回云服务器；云服务器将最终所搜结果发送给搜索用户。本发明的有益效果为，本发明在保证安全和隐私的同时高效地实现了针对加密的空间数据的圆形范围搜索方法。
-
公开(公告)号：CN119276459A
公开(公告)日：2025-01-07
申请号：CN202411529654.3
申请日：2024-10-30
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于NTRU的批量化环上乘法三元组生成方法，首先基于判定型NTRU困难问题设计同态加密方案，然后提出两方的批量化环上乘法三元组生成协议，协议的参与方P0、P1各自在整数环上随机选取秘密份额向量，P0选取 0, 0，P1选取 1, 1，P0生成实例化同态加密方案，通过打包编码和加密生成两个密文，将公共参数、公钥和密文发送给另一个参与方P1，P1在模数更大的环上选择一个n维随机数向量r作为掩码，在加密状态下计算出 0· 1+ 1· 0+r的密文ctd，并将ctd发送给参与方P0，参与方P1、P0利用打包解码和SIMD技术，执行同态计算和解密操作后，参与方P0得到向量a和b元素乘积的份额 0，参与方P1得到乘积的另一个份额 1。本发明方案具有更高的计算和通信效率，并具有抗量子安全性。
-
公开(公告)号：CN110443063B
公开(公告)日：2023-03-28
申请号：CN201910563455.7
申请日：2019-06-26
Applicant: 电子科技大学
Abstract: 本发明提出一种自适性保护隐私的联邦深度学习的方法，以保护联邦深度学习中用户的原始数据不被好奇的服务器获知，同时保护学习模型的参数不泄露用户原始数据的信息。各个参与者预先与云服务器协商一个网络框架，然后云服务器得到一个初始化的模型，云服务器将该模型参数广播给各个参与者；参与者下载初始化的模型参数并更新自己的本地模型，然后结合本地数据集进行训练，并基于数据属性对模型输出的不同贡献度，对不同数据特征实施有差异的隐私保护操作，参与者将各自训练得到的本地梯度发送给云服务器；最终，云服务器收集各参与者的梯度信息后更新自己的模型来进行后续的训练。本发明在满足隐私保护的前提下，极大提高学习模型的精确度。
-
Patent Agency Ranking
公开(公告)号：CN115438753A
公开(公告)日：2022-12-06
申请号：CN202211366378.4
申请日：2022-11-03
Applicant: 电子科技大学
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：CN113541921B
公开(公告)日：2022-06-10
申请号：CN202110708084.4
申请日：2021-06-24
Applicant: 电子科技大学
Abstract: 本发明涉及信息安全领域，具体是一种利用GPU来实现全同态加密的方法，包括步骤1、利用CUDA cuRAND在GPU上生成密钥所需的随机多项式；步骤2、构造密钥生成的CUDA实例化图，执行密钥生成的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存密钥的对象中；步骤3、加密过程；步骤4、解密过程；步骤5、输入两个密文ct0,ct1，计算ctadd；步骤6、计算同态乘法过程中需要扩充的模数集合以及两个额外的冗余模数；步骤7、构造同态乘法的CUDA实例化图，将需要进行乘法运算的密文拷贝至同态乘法的CUDA实例化图的输入内存中，执行同态乘法的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存乘法结果的对象中，解决了任务执行过程中对GPU资源利用率低的问题。
-
公开(公告)号：CN113541921A
公开(公告)日：2021-10-22
申请号：CN202110708084.4
申请日：2021-06-24
Applicant: 电子科技大学
Abstract: 本发明涉及信息安全领域，具体是一种全同态加密GPU高性能实现方法，包括步骤1、利用CUDA cuRAND在GPU上生成密钥所需的随机多项式；步骤2、构造密钥生成的CUDA实例化图，执行密钥生成的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存密钥的对象中；步骤3、加密过程；步骤4、解密过程；步骤5、输入两个密文ct0，ct1，计算ctadd；步骤6、计算同态乘法过程中需要扩充的模数集合以及两个额外的冗余模数；步骤7、构造同态乘法的CUDA实例化图，将需要进行乘法运算的密文拷贝至同态乘法的CUDA实例化图的输入内存中，执行同态乘法的CUDA实例化图，最后将CUDA实例化图的输出内存中的数据拷贝至保存乘法结果的对象中，解决了任务执行过程中对GPU资源利用率低的问题。
-
公开(公告)号：CN111740959A
公开(公告)日：2020-10-02
申请号：CN202010447473.1
申请日：2020-05-25
Applicant: 电子科技大学
Abstract: 本发明提供一种在移动群智感知系统中可验证的隐私保护方法，采用层次同态加密LHE加密所有与用户相关的数据，如模型的参数、用户的查询请求和验证结果，包括步骤：1)低次多项式生成步骤：服务器使用通用的函数逼近算法将神经网络中的非线性激活函数转化为低次多项式；2)敏感数据生成步骤：服务器生成通用的敏感样本来验证过程中模型参数的正确性；3)基于LHE的隐私保护：当传输高熵数据时，服务器使用进行原明文域下的LHE；当传输低熵数据时，服务器则先增加数据熵，再进行LHE。
-
公开(公告)号：CN111581648A
公开(公告)日：2020-08-25
申请号：CN202010262316.3
申请日：2020-04-06
Applicant: 电子科技大学
Abstract: 本发明提供一种在不规则用户中保留隐私的联邦学习的方法，包括步骤：1)系统初始化；2)加密的汇总结果初始化；3)更新加密的用户的可靠性；4)更新加密的汇总结果：服务器利用更新得到的加密的用户的可靠性作为汇总结果的权重来更新各梯度的加密的汇总结果使得可靠性越低的用户对汇总结果的影响越小。本发明保护所有用户相关信息的隐私，并且减少用户在训练过程中因使用低质量数据的影响，同时确保用户相关信息的真实性。由服务器完成大部分计算，对于计算能力有限的终端用户来说非常友好，且对用户在整个训练过程中由于各种不可预知的原因而中途退出也具有鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.097 seconds)
