公开(公告)号：CN113190234A

公开(公告)日：2021-07-30

申请号：CN202110561933.8

申请日：2021-05-21

Applicant: 电子科技大学

Inventor： 陈厅 ,  李子豪 ,  罗夏朴 ,  王晓峰 ,  王挺 ,  贺哲远 ,  房可昭 ,  张愉菲 ,  朱航 ,  李洪伟 ,  程岩 ,  张小松 ,  周健飞

IPC: G06F8/41 ,  G06F8/53 ,  G06F16/27

Abstract: 本发明公开了一种针对区块链智能合约函数签名自动化恢复的方法及系统，属于区块链智能合约技术领域，解决现有无法正确恢复智能合约函数签名，进而无法调用智能合约中的public和external函数的问题。本发明将智能合约的字节码文件进行反汇编，得到反汇编代码文件；扫描反汇编代码文件中的反汇编代码，将反汇编代码分割成代码块；对分割的代码块进行静态分析，识别出public/external函数的代码块，即获得function id；对识别出的函数代码块使用类型感知符号执行方法，即基于类型规则采用类型感知符号执行方法，得到每个public/external函数的参数的类型，得到智能合约的函数的参数的类型列表；基于上述内容，得到智能合约的函数签名。

公开(公告)号：CN111563265A

公开(公告)日：2020-08-21

申请号：CN202010342081.9

申请日：2020-04-27

Applicant: 电子科技大学

Inventor： 李洪伟 ,  李毅然 ,  刘鹏飞 ,  黄晓明 ,  刘洋洋 ,  徐国文 ,  郝猛 ,  姜文博 ,  龚丽 ,  刘小源 ,  陈涵霄 ,  李双 ,  任彦之 ,  杨浩淼

IPC: G06F21/60 ,  G06F21/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于隐私保护的分布式深度学习方法，首先，在该方法中各个用户利用私有数据集训练本地模型并获得本地梯度，然后，各个用户利用门限加密算法对用户本地梯度数据进行加密，最后，云服务器实现安全聚合和学习模型全局参数的更新进而完成保护隐私的分布式学习训练过程。本发明将门限加密算法应用在分布式深度学习模型中，提出了安全高效的深度学习训练方法，利用门限加密的同态特性实现了梯度数据在云服务器的安全聚合，基于门限加密算法的门限特性，即使服务器与一定数量用户勾结也无法推断用户训练数据的隐私，同时，基于门限加密算法的非交互特性，本发明可以容忍用户在训练过程中有意或无意的退出行为。

公开(公告)号：CN110443063A

公开(公告)日：2019-11-12

申请号：CN201910563455.7

申请日：2019-06-26

Applicant: 电子科技大学

Inventor： 李洪伟 ,  刘小源 ,  徐国文 ,  刘森 ,  龚丽 ,  姜文博 ,  成艺 ,  任彦之 ,  李双

IPC: G06F21/62 ,  G06N20/00

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。

公开(公告)号：CN109684855A

公开(公告)日：2019-04-26

申请号：CN201811540698.0

申请日：2018-12-17

Applicant: 电子科技大学

Inventor： 李洪伟 ,  郝猛 ,  徐国文 ,  刘森 ,  龚丽 ,  成艺 ,  李双 ,  任彦之 ,  杨浩淼

IPC: G06F21/60 ,  G06F21/62 ,  H04L9/00

Abstract: 本发明属于人工智能技术领域，涉及一种基于隐私保护技术的联合深度学习训练方法。本发明实现了一种基于隐私保护技术的高效联合深度学习训练方法。本发明中，各个参与方首先在私有数据集上训练本地模型获得本地梯度，再将本地梯度进行拉普拉斯噪音扰动，并加密后发送至云服务器；云服务器将接收到的所有本地梯度与上一轮的密文参数进行聚合操作，并广播产生的密文参数；最终，参与方解密接收到密文参数，并更新本地模型从而进行后续的训练。本发明结合同态加密方案和差分隐私技术，提出了安全高效的深度学习训练方法，保证训练模型的精确性，同时防止服务器推断模型参数和训练数据隐私以及内部攻击获取私密信息。

公开(公告)号：CN105791283B

公开(公告)日：2018-09-21

申请号：CN201610113032.1

申请日：2016-02-29

Applicant: 电子科技大学

Inventor： 李洪伟 ,  任昊 ,  陈昊

IPC: H04L29/06

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：CN102487502A

公开(公告)日：2012-06-06

申请号：CN201010568928.1

申请日：2010-12-01

Applicant: 电子科技大学

Inventor： 李洪伟 ,  魏涛 ,  李小凤

IPC: H04W12/04 ,  H04W12/06 ,  H04W84/08

Abstract: 本发明公开了一种用于集群安全通信方法，用来保护集群内部和集群间的敏感数据和通信中的交互信息。该方法包括两层安全通信方法：一是集群间安全通信算法，以消除集群间的安全通信和通信效率问题。采取提取集群用户私钥，用户ID进行算法认证，在保证通信安全的前提下提高通信效率；二是集群内部安全通信，以消除集群内部通信安全和通信效率问题。采取提取群密钥，进行集群内部安全通信。能够集群内部通信实施有效监控。综合上述两层安全通信方法的集群通信具有显著的社会和经济效益。