-
公开(公告)号：CN115694974B
公开(公告)日：2024-12-03
申请号：CN202211337747.7
申请日：2022-10-28
Applicant: 贵州大学
IPC: H04L9/40 , H04L9/08 , H04L67/06 , H04L67/1097
Abstract: 本发明提供一种基于协同可搜索的密文数据共享方法及系统，属于数据共享领域，数据共享方法包括：授权机构生成公共参数、系统主私钥、组私钥及用户私钥；数据拥有者根据公共参数、访问策略树及属性集对关键字索引集进行加密得到密文关键字索引；数据使用者根据公共参数及用户私钥对待检索关键字进行加密，生成检索陷门；云服务器判断数据使用者的属性集及协同者的协同属性是否满足访问策略树，若满足，则根据公共参数、检索陷门、密文关键字索引、数据使用者和协同者的协作密钥及访问策略树确定解密关键字索引；若解密关键字索引与密文关键字索引对应，则将对应的数据文档发送至数据使用者。实现了多人协同检索数据，提高了访问控制的灵活性。
-
公开(公告)号：CN118413325A
公开(公告)日：2024-07-30
申请号：CN202410881201.0
申请日：2024-07-03
Applicant: 贵州大学
Abstract: 本申请公开了一种跨链数据共享方法、设备、介质及产品，涉及数据共享领域。本申请通过在SynergyChain框架内实现分层访问控制，并采用分布式密钥生成算法进行参数初始化，能够确保密钥安全性并实现可靠的交叉链数据共享，进而确保跨链的强大安全性和高效数据共享；通过建立偏序关系，实现了数据的分层访问，能够增强对数据传播的控制，实现高效的跨链访问控制。此外，本申请采用LSSS算法进行加密，能够有效控制对存储在区块链上的私有数据的访问。
-
公开(公告)号：CN113222593B
公开(公告)日：2024-03-15
申请号：CN202110316445.0
申请日：2021-03-24
Applicant: 贵州大学
Abstract: 本发明涉及的是智能合约、数字水印和区块链及其应用技术领域，是一种基于智能合约和数字水印的授权大数据交易的方案；在传统的数据交易市场中，传统的交易模式无法保证数据不被用户进行非授权交易，如果一份大数据被频繁的非授权交易，会导致数据价值缩水和数据滥用的问题出现，从而对数据交易市场产生巨大的负面影响；并且，将所有交易数据通过大数据交易所进行交易，会对大数据交易将面临数据存储负担过大的问题；为了解决上述问题，本发明提出一种基于智能合约和数字水印的授权大数据交易方案，来防止大数据的非授权交易；该方案通过数字水印技术生成健壮性强的水印嵌入大数据作为大数据标识，使标识不容易被攻击者篡改或破坏。大数据卖方在区块链上部署智能合约，并通过初始化智能合约模板的参数来设置响应条件，以此来实现自动化的交易处理，这样大大提高了大数据交易的效率和交易的透明度，在促进大数据交易的同时，也对大数据的版权进行保护。
-
公开(公告)号：CN117640059A
公开(公告)日：2024-03-01
申请号：CN202311633373.8
申请日：2023-12-01
Applicant: 贵州大学
Abstract: 本发明公开了一种基于理性秘密共享的区块链私钥管理方法，该方法包括构建基于区块链智能合约与理性秘密共享的私钥分布式管理协议，该协议由三部分组成：密钥托管用户、参与者节点和智能合约。密钥托管用户是一般节点，它们配置了特定的计算资源和数字资产。参与者节点是区块链中的活跃节点，一般拥有丰富的计算资源和存储资源。每个智能合约类似于用户与参与者节点签署的密钥托管合同，在签署后便由用户提供一定的数字资产将其部署在区块链上，进行记录参与者的密钥重构行为，并分配各参与者相应的奖励。本发明用于实现区块链私人用户多钱包私钥的一次性托管和恢复。
-
公开(公告)号：CN117473554A
公开(公告)日：2024-01-30
申请号：CN202311498083.7
申请日：2023-11-10
Applicant: 贵州大学
Abstract: 本发明公开了一种针对物联网图数据隐私攻击模型的隐私保护方法及系统，涉及隐私保护技术领域。该方法包括：获取物联网中的用户信息并构建物联网隐私攻击模型；针对物联网隐私攻击模型构建物联网隐私保护模型；采用物联网隐私攻击模型和物联网隐私保护模型进行对抗实验，得到对抗结果；若对抗结果为防御成功，则将物联网隐私保护模型结合实际社会场景进行实施；若对抗结果为防御失败，则返回所述针对物联网隐私攻击模型构建物联网隐私保护模型的步骤。本发明公开的针对物联网图数据隐私攻击模型的隐私保护方法及系统，能够提高物联网环境下隐私保护的安全性。
-
Patent Agency Ranking
公开(公告)号：CN117336019A
公开(公告)日：2024-01-02
申请号：CN202311173291.X
申请日：2023-09-12
Applicant: 贵州大学
IPC: H04L9/40 , H04L9/08 , H04L9/14 , H04L67/1097
Abstract: 本发明公开了一种基于内积函数的属性条件代理重加密方法，包括授权者和受理者，其特征在于：首先引入内积函数加密，将内积函数与私钥相关联生成函数私钥，使得受理者能够进行内积运算；其次，授权者在加密数据时嵌入属性集，限定可以访问该数据的用户范围；同时，为了控制代理者的转换权限，授权者设置一个允许转换的策略嵌入到重加密密钥中；代理者利用该重加密密钥，将满足转换策略的密文重新加密成受理者可以解密的密文；最后，受理者收到重加密密文后使用函数私钥解密得到关于明文的内积值。本发明方法基于格上LWE困难问题设计，能够抵抗量子攻击，在云计算共享应用场景中具有较高的安全性，可以一定程度解决数据的可控可用不可见问题。
-
公开(公告)号：CN117034057A
公开(公告)日：2023-11-10
申请号：CN202310898772.0
申请日：2023-07-21
Applicant: 贵州大学
IPC: G06F18/2321 , G06F18/21 , G06F9/46 , G06F21/62
Abstract: 本发明公开了一种基于Spark的支持差分隐私的聚类方法，该算法通过内存计算引擎Spark，创建弹性分布式数据集，利用转换算子及行动算子操作数据进行运算，并在选取初始化中心点及迭代更新中心点的过程中，通过综合利用指数机制和拉普拉斯机制，以解决初始聚类中心敏感及隐私泄漏问题，同时减少计算过程中对数据实施的扰动。本发明能够处理大规模数据集并满足海量数据聚类的需求。相比于传统算法，该算法具有更好的可扩展性和分布式计算能力。在聚类过程中，该算法采取指数机制和Laplace机制相结合的方法，从而有效降低隐私预算开销，进而缓解海量数据聚类过程中隐私性和可用性之间的矛盾问题。
-
公开(公告)号：CN116245198A
公开(公告)日：2023-06-09
申请号：CN202310233090.8
申请日：2023-03-13
Applicant: 贵州数据宝网络科技有限公司 , 贵州大学
Abstract: 本发明提供一种基于广义线性回归的联邦学习方法、系统、终端及介质，包括：数据方双方联合构建广义线性回归模型，其中，所述数据方双方包括提供训练属性值数据持有方A端和提供数据标签值的数据应用方B端；构建广义线性回归模型的损失函数，其中，所述广义线性回归模型的变量满足Tweedie分布时，训练目标为最小化损失函数；数据持有方A端根据损失函数求偏导得出本地梯度，并通过同态加密技术交换用于计算本地梯度的中间结果；数据持有方A端利用本地梯度更新所述广义线性回归模型。本发明提出了在一方仅提供训练属性值、另一方仅提供数据标签值的场景下的符合Tweedie分布的广义线性回归模型的两方纵向联邦学习方案。
-
公开(公告)号：CN110134719B
公开(公告)日：2023-04-28
申请号：CN201910412420.3
申请日：2019-05-17
Applicant: 贵州大学
IPC: G06F16/2458 , G06F16/28
Abstract: 本发明公开了结构化数据敏感属性的识别与分类分级方法，该方法包括步骤，首先根据用户需求输入待处理的结构化数据表；然后利用信息熵及最大熵计算属性的隐私敏感度；利用k‑means聚类算法对属性的敏感度进行聚类，将属性初始划分为敏感属性集和疑似敏感属性集两个簇；进一步利用Apriori算法挖掘疑似敏感属性集与敏感属性集间关联关系，将任意结构化数据的敏感属性进最终识别为敏感属性集与非敏感属性集；最后，仅仅针对敏感属性集来操作，通过对敏感属性集中属性间的互信息相关性和关联规则分析，对敏感属性进行分类，并对各敏感属性组的平均敏感度量化，实现敏感属性的分类分级。该方法面向隐私保护能同时达到敏感属性的识别与分级效果，不需要预知结构化数据集的属性特征、敏感特征字典，兼顾了属性间的相关性和关联关系。
-
公开(公告)号：CN110377605B
公开(公告)日：2023-04-25
申请号：CN201910669519.1
申请日：2019-07-24
Applicant: 贵州大学
IPC: G06F16/22 , G06F16/28 , G06F16/2458
Abstract: 本发明公开了一种一种结构化数据的敏感属性识别与分类分级方法。本发明将结构化数据表中的敏感属性实现自动化识别及精确地分类分级处理，以便后续将敏感属性的分类分级结果输出采取适当的隐私保护处理后进行数据发布。聚类分析是机器学习中的一种无监督学习方式，不需要预知样本集的分类情况就可以根据属性间相似度自动实现数据属性的分类。在敏感属性的最终识别阶段，考虑了敏感属性与疑似敏感属性之间的关联关系，目的是为了解决链接攻击的问题，从而进一步挖掘与敏感属性有关联的属性，减少隐私的泄露程度。在敏感属性的分类分级阶段，既考虑了敏感属性间的互信息相关性，也分析了属性间的关联关系，两者结合从而对敏感属性更加精准地分类。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.025 seconds)
