基于非对称差分隐私的图像分类模型隐私保护方法及装置

    公开(公告)号:CN119004539A

    公开(公告)日:2024-11-22

    申请号:CN202411238369.6

    申请日:2024-09-04

    Applicant: 重庆大学

    Abstract: 本发明提供了基于非对称差分隐私的图像分类模型隐私保护方法及装置。该方法为:利用私有图像集训练教师分类模型;利用教师分类模型对未标记的公共图像集进行预测获得预测记录和类别频次分布;从预测记录集提取预测记录在预设不敏感类别下的邻域记录集;利用预测记录和邻域记录集计算非对称敏感度,基于非对称敏感度获得噪声分布;在类别频次分布的频次中添加符合噪声分布的噪声;在添加噪声后的类别频次分布中选取频次最大的类别作为公共图像的伪标签;利用公共图像数据集以及伪标签训练学生分类模型。还提供了基于非对称差分隐私的图像分类模型隐私保护装置,一种计算机程序产品和一种电子设备。本发明避免了双边误差、提升了图像分类模型效用。

    车载自组织网络中消息签名聚合验证方法及系统

    公开(公告)号:CN118870361A

    公开(公告)日:2024-10-29

    申请号:CN202411176632.3

    申请日:2024-08-26

    Applicant: 重庆大学

    Abstract: 本发明涉及信息安全技术,揭露了车载自组织网络中消息签名聚合验证方法,包括:密钥生成中心生成系统参数,并分发至追踪机构和机动车驾驶管理处;机动车驾驶管理处生成管理处密钥;追踪机构生成追踪机构密钥,并合成系统公共参数;车载单元接收所述系统公共参数生成车辆私钥和车辆公钥,并生成多个伪身份,利用密钥生成中心生成伪身份部分密钥;追踪机构进行伪身份加密后将所述伪身份加密结果发送至车载单元;车载单元生成伪身份完整密钥,并生成车辆路况信息和消息签名组合;路侧单元验证所述消息签名组合是否均有效。本发明还涉及车载自组织网络中消息签名聚合验证方法的系统。本发明可以提高消息签名聚合验证的安全性。

    面向Non-IID图数据的推荐模型构建方法及系统

    公开(公告)号:CN117874346B

    公开(公告)日:2024-10-25

    申请号:CN202410054894.6

    申请日:2024-01-15

    Applicant: 重庆大学

    Abstract: 本发明涉及人工智能技术领域,揭露了面向Non‑IID图数据的推荐模型构建方法,包括:获取本地客户端的数据图,并利用节点排序方法对数据图中的节点进行筛选,得到高中心性节点;将高中心性节点在数据图中进行标注,得到节点标注数据图;对数据图进行采样,得到数据子图,利用节点标注数据图中的高中心性节点在数据子图中进行节点强化,得到强化子图;根据强化子图训练本地图神经网络模型,并将本地图神经网络模型的参数添加噪声参数后上传至中央服务器;所述中央服务器利用预设的参数聚合公式聚合每个本地客户端的参数获得聚合参数,并将聚合参数分发至本地客户端。本发明可以提高面向Non‑IID图数据的推荐模型构建的效率。

    一种基于区块链的可撤销公平外包属性加密方法及系统

    公开(公告)号:CN118413342B

    公开(公告)日:2024-09-24

    申请号:CN202410195683.4

    申请日:2024-02-21

    Applicant: 重庆大学

    Abstract: 本发明提供一种基于区块链的可撤销公平外包属性加密方法及系统。包括:获取并广播系统公共参数;确定属性管理机构公钥和属性管理机构私钥;用户实体获得身份秘钥;数据使用方获取属性秘钥;数据使用方获得用户秘钥;数据使用方生成外包秘钥;数据所有方基于初始访问控制矩阵对数据进行加密获得密文并上传至服务器;当达到密文撤销条件时:服务器基于当前密文和撤销访问控制矩阵获得撤销密文,将当前密文更新为撤销密文;数据使用方将外包秘钥和代币上传区块链;外包计算服务提供方利用获取的外包秘钥和密文进行解密获得部分解密密文并发送至数据使用方后获取代币。本发明不需要数据所有方实时在线进行密文撤销,减少了计算开销与通信开销。

    无配对的签名聚合验证和无效签名识别方法及系统

    公开(公告)号:CN118678339A

    公开(公告)日:2024-09-20

    申请号:CN202410727454.2

    申请日:2024-06-06

    Applicant: 重庆大学

    Abstract: 本发明涉及信息安全技术,揭露了无配对的签名聚合验证和无效签名识别方法,包括:密钥生成中心负责初始化系统参数并分发给追踪机构;追踪机构数生成自己的私钥和公钥,车载单元使用系统参数加密自己的真实身份,并将加密后的身份信息发送回追踪机构;追踪机构接收到加密身份后,生成多个伪身份,并将其发送给密钥生成中心;密钥生成中心为每个伪身份生成相应的部分密钥,并将伪身份及其密钥发送回追踪机构。车载单元解密信息,获取伪身份及其密钥,生成伪身份的私钥和公钥。路侧单元聚合和验证签名,验证通过后发送到应用服务器。本发明还涉及无配对的签名聚合验证和无效签名识别方法的系统。本发明可以提高无效签名识别效率。

    基于节点相似度的差分隐私合成社交图生成方法及设备

    公开(公告)号:CN118504029A

    公开(公告)日:2024-08-16

    申请号:CN202410700425.7

    申请日:2024-05-31

    Applicant: 重庆大学

    Abstract: 本发明提供了基于节点相似度的差分隐私合成社交图生成方法及设备。该差分隐私合成社交图生成方法包括:基于真实社交图获取节点度序列,对节点度序列进行第一加噪约束推理获得推理节点度序列;计算真实社交图中节点间的相似度,获得相似度矩阵,对相似度矩阵进行第二加噪约束推理获得推理相似度矩阵;根据推理节点度序列和推理相似度矩阵生成差分隐私合成社交图。本发明具有隐私保护程度高、广泛适用性、高可用性、高准确性以及高计算效率的特点。

    一种面向分割学习模型的鲁棒性评估方法

    公开(公告)号:CN118152769B

    公开(公告)日:2024-07-30

    申请号:CN202410280922.6

    申请日:2024-03-12

    Applicant: 重庆大学

    Abstract: 本发明实施例公开了一种面向分割学习模型的鲁棒性评估方法,包括首先构建替代分割学习模型,然后生成匹配数据集训练替代分割学习模型,获得对抗扰动模型,进而对抗扰动模型可以生成具有迁移性的对抗样本数据集,最后通过对抗样本数据集对所述分割学习模型进行评估,得到分割学习模型的对抗鲁棒性评估结果。本发明实施例可以充分利用客户端数据,并实现高负载、高准确度的面向分割学习模型的鲁棒性评测。

    基于属性的代理重加密方法及系统

    公开(公告)号:CN117978526B

    公开(公告)日:2024-07-19

    申请号:CN202410229133.X

    申请日:2024-02-29

    Applicant: 重庆大学

    Abstract: 本发明涉及数据加密技术领域,揭露了基于属性的代理重加密方法,包括:获取数据所有者的属性集,并利用所述可信中心选取随机数生成所述数据所有者的私钥;所述数据所有者持有待加密信息以及选择访问结构,并生成所述待加密信息的密文;判断共享用户是否满足所述访问结构;在共享用户满足所述访问结构时,解密所述密文得到共享数据信息;在共享用户不满足所述访问结构时,利用所述数据所有者创建所述共享用户的私密访问,并根据所述私密访问获取共享数据信息。本发明可以提高基于属性的代理重加密的安全性和效率。

    多源数据驱动的增程式汽车行驶工况智能识别方法、系统和存储介质

    公开(公告)号:CN118260581A

    公开(公告)日:2024-06-28

    申请号:CN202410386595.2

    申请日:2024-04-01

    Applicant: 重庆大学

    Abstract: 本发明多源数据驱动的增程式汽车行驶工况智能识别方法,结合最小二乘支持向量机和灰狼优化算法构建行驶工况智能识别模型,旨在提高行驶工况识别的准确性和效率;具体的,首先,通过实车采集典型工况的多源数据,并对多源数据进行预处理和特征提取,选取反映行驶特性的主成分作为算法输入;然后,利用滑动窗口函数对对多源数据按照时间序列分割为多个时间段,结合聚类分析对每个时间段数据分类;最后,利用LSSVM进行行驶工况的分类,并采用GWO寻找最优超参数,以期在保证识别性能的同时,扩展算法的识别范围;本发明提供了一种新的行驶工况识别方案,这对于提高PHEV的能源利用效率、优化驾驶体验和支持智能交通系统的发展具有重要的实践价值和理论意义。

    一种基于对抗性神经网络的安全通信方法及系统

    公开(公告)号:CN118214540A

    公开(公告)日:2024-06-18

    申请号:CN202410430617.0

    申请日:2024-04-09

    Applicant: 重庆大学

    Abstract: 本发明提供了一种基于对抗性神经网络的安全通信方法及系统。该方法包括:发送端将待发送明文转换成多个明文块;采用分组密码工作模式,利用对抗性神经网络模型的编码器依次加密多个明文块,编码器采用多层卷积神经网络;组合密文块和明文长度表示获得密文并发送;接收端采用分组密码工作模式,利用对抗性神经网络模型的解码器依次解密多个密文块,获得每个密文块对应的明文块,解码器采用多层卷积神经网络;组合解密获得的多个明文块生成组合明文;从组合明文中提取待发送明文长度对应部分作为明文。本申请编码器、解码器和分类器采用卷积神经网络,能降低模型训练难度,对文本序列处理能力更强,充分利用了神经网络的不可预测性,加强通信安全。

Patent Agency Ranking