-
公开(公告)号：CN108768608B
公开(公告)日：2020-05-12
申请号：CN201810519096.0
申请日：2018-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种在区块链PKI下支持瘦客户端的隐私保护身份认证方法，属于信息安全技术领域。本发明所述方法包括以下步骤：系统初始化、生成认证请求、生成查询请求、查询阶段、检测阶段、确认阶段和会话建立。本发明所述方法利用PIR等技术，使得其支持区块链中存储能力和计算能力有限的瘦客户端在去中心化的PKI中完成用户身份认证，同时保护瘦客户端的查询隐私。本发明使用基于区块链的PKI技术，解决传统PKI单点故障和多CA互信难等问题；利用PIR技术，实现去中心化PKI下瘦客户端的身份认证功能；利用PIR技术，保护瘦客户端查询过程中的数据隐私；在认证过程中加入随机数，防止中间人攻击，确保认证过程中消息不被伪造篡改。
-
公开(公告)号：CN109684838B
公开(公告)日：2020-03-27
申请号：CN201811404851.7
申请日：2018-11-23
Applicant: 电子科技大学
IPC: G06F21/56
Abstract: 本发明公开了一种在区块链的以太坊平台上针对智能合约的静态代码审计系统及方法，属于信息安全技术领域。本发明能够检测以太坊平台上使用Solidity语言编写的智能合约上存在的安全威胁，定位到具体位置，阐明危害并给出相应的解决方法。本发明方法：首先，用户将待检测的项目目录或者单个文件的路径输入系统，系统对输入内容进行预处理操作，将整个项目复制到临时工作目录中并删除其中的Solidity文件中的注释内容；其次，系统将通过词法分析和语法分析等操作将每一个Solidity文件都解析成语法树的形式；然后，系统将语法树结构与预先制定的逻辑匹配特征进行静态特征匹配，得到匹配结果；最后，系统将匹配后的结果分类并汇总，生成报告文件，即为检测结果。
-
公开(公告)号：CN109145614A
公开(公告)日：2019-01-04
申请号：CN201810768767.7
申请日：2018-07-12
Applicant: 电子科技大学
CPC classification number: G06F21/602 , G06F21/6245
Abstract: 本发明公开了一种通用航空中低代价的飞机隐私保护方法，属于航空领域，可信第三方针对请求进行隐私保护的飞机，生成该飞机独有的FFX加密函数中的加密参数和最大假名个数n，可信第三方利用加密函数生成n个假名，然后存储于一维数组中；可信第三方将所述加密参数和最大假名个数n发送至对应的飞机；该飞机利用带独有加密参数的加密函数生成假名，利用所述假名替换飞机真实的ICAO；飞机持续更新假名直至飞行结束；本发明通过隐藏飞机真实身份以保护飞机隐私，降低了攻击者在真实身份与假名之间建立关联性的可能性，同时采用本方法能极大减少了飞机数据存储的代价，对应假名与真实身份的追溯过程的时间复杂度极低，达到了追溯时间最优的效果。
-
公开(公告)号：CN108776836A
公开(公告)日：2018-11-09
申请号：CN201810592585.9
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于VHE的隐私保护神经网络的训练及预测方法，利用VHE同态加密算法对数据集D进行加密，得到加密数据集D′，所述加密数据集D′包括训练数据集D′1和测试数据集D′2；对所述训练数据集D′1进行BP神经网络批梯度训练，得到训练后的BP神经网络；利用训练后的BP神经网络对测试数据集D′2进行预测，得到预测结果；本发明结合加密算法以及BP神经网络方法实现了密文域下的BP神经网络的训练及预测，也就是实现了云端不可信的情况下，数据在输入加密保护下依旧可以进行BP神经网络的训练及预测等，实现了真正的计算外包。
-
公开(公告)号：CN119766431A
公开(公告)日：2025-04-04
申请号：CN202411903193.1
申请日：2024-12-23
Applicant: 电子科技大学
IPC: H04L9/08
Abstract: 本发明针对现有秘密分享密钥生成方案中对可信第三方的依赖以及不支持算术分享操作的限制的问题，提供一种分布式函数秘密分享密钥生成方法，是在无可信第三方的情境下，通信双方进行高效的基于改进的函数秘密分享的分布式密钥生成的解决方案。本发明设计的协议支持算术分享输入和输出，并且通过优化通信过程，在保证计算的安全性和准确性的前提下，大幅度降低分布式密钥生成过程中的计算开销和通信开销，通过设计高效的两方计算2PC协议，完全去除了对可信第三方的需求，允许参与方通过两方计算协议直接生成用于分布式点函数DPF和分布式比较函数DCF的密钥，显著提高了密钥生成的安全性和实用性，尤其适用于没有可信第三方的场景。
-
Patent Agency Ranking
公开(公告)号：CN119599095A
公开(公告)日：2025-03-11
申请号：CN202411635410.3
申请日：2024-11-15
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于函数加密的公平联邦学习方法，设计了基于多客户端函数加密MCFE和隐私保护信誉机制PPRM的隐私保护联邦学习框架——QPFFL，旨在解决联邦学习中的量子抵抗、隐私保护和公平性等挑战。其中，多客户端函数加密保证了客户端数据的隐私性，并实现了模型的安全聚合。隐私保护信誉机制识别和缓解恶意行为，评估每个客户端的贡献，并根据其信誉值调整模型权重。通过MCFE和PPRM的集成，该框架可以抵御搭便车和投毒等攻击，确保在不损害数据隐私的同时实现公平的模型分配。
-
公开(公告)号：CN118839364A
公开(公告)日：2024-10-25
申请号：CN202410799802.7
申请日：2024-06-20
Applicant: 电子科技大学
IPC: G06F21/62 , G06F21/60 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种隐私保护的数据评估方法，使用带标签的FHIPE方案来加密卖家的数据，以确保每个卖家的密文数据都带有特定的任务标签l。这确保了即使云端和购物者勾结，带标签的加密数据也不会被用于训练其他模型。同时数据买家提供的模型数据也能够被隐藏起来。引入了可信第三方TTP来管理主密钥，而不是将其分发给数据购物者以进行加密，从而避免了对卖家宝贵的原始数据进行隐私推断。带标签的函数隐藏内积加密方案能够对数据评估时的用户模型进行隐私保护；同时利用标签机制，防止了敌手在不购买数据的情况下发动混合匹配攻击以训练自己的模型。整个数据评估系统较现有系统是更加安全可靠的。
-
公开(公告)号：CN118674014A
公开(公告)日：2024-09-20
申请号：CN202410753660.0
申请日：2024-06-12
Applicant: 电子科技大学
IPC: G06N3/098 , G06N3/084 , G06N3/045 , G06F21/62 , G06F18/241
Abstract: 本发明提供一种隐私保护的多层级异构纵向联邦学习方法，采用两级数据分布：对于数据在地域上分散且各区域内部不同的实体各自拥有本地样本集合的不同特征，本发明允许在这样的环境中进行有效的模型训练。采用模型异构性处理：对于区域之间因标签分布和模型架构不同而导致的数据集异构性，本发明通过特定机制进行协同训练。使得异构区域下拥有不同数据特征的参与方在不分享本地数据的前提下协作训练神经网络模型，进一步采用差分隐私技术进行隐私增强。与传统的纵向联邦学习技术相比，本发明解决了多层级异构客户端难以在隐私保护的前提下进行建模的问题，其准确率和其他纵向联邦学习方法相比有了很大提升。
-
公开(公告)号：CN118428487A
公开(公告)日：2024-08-02
申请号：CN202410514886.5
申请日：2024-04-26
Applicant: 电子科技大学
Abstract: 本发明提供一种格上基于函数加密的联邦学习聚合方法，每一次迭代全局模型更新包括以下步骤：可信第三方初始化建立每个用户对应的PIM‑MCFE密钥和PIM‑MCFE聚合密钥，其中PIM‑MCFE密钥包括用于会话秘钥、私钥和解密密钥；用户在本地训练获得模型参数后，先使用PIM‑MCFE密钥中的会话秘钥对模型参数进行掩盖，再对掩盖的模型参数使用PIM‑MCFE密钥中的私钥进行加密生成密文并上传至聚合服务器；聚合服务器利用PIM‑MCFE聚合密钥完成对密文解密得到掩盖的聚合结果，并将聚合结果分发给用户；用户利用各自接收到的PIM‑MCFE密钥中的解密密钥恢复出真实的全局模型参数，并在本地对训练模型进行更新。本发明不会泄露单个用户的模型参数信息和聚合中间结果，并且能抵抗量子攻击。
-
公开(公告)号：CN115021900B
公开(公告)日：2024-05-03
申请号：CN202210511251.0
申请日：2022-05-11
Applicant: 电子科技大学
Abstract: 本发明提出一种分布式梯度提升决策树实现全面隐私保护的方法，它使用差分隐私DP和全同态加密FHE来实现全面的隐私保护。在训练阶段，数据所有者向不受信任的服务器发送受DP保护的训练树，而不是加密数据。在预测阶段，使用FHE将用户的查询数据和预测结果隐藏在服务器中。为了进一步提高预测效率，该框架提出了一个对FHE友好的多项式近似计算，这样就可以有效地实现开销巨大的比较操作。与目前的隐私保护工作相比，该框架实现了低运行时间和与非隐私保护方案相当的通信开销，同时仅有一小部分的性能损失。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.061 seconds)
