-
公开(公告)号：CN111967514B
公开(公告)日：2023-11-17
申请号：CN202010817497.1
申请日：2020-08-14
Applicant: 安徽大学
Abstract: 本发明公开了一种基于数据打包的隐私保护决策树的样本分类方法，该方法应用于由n个拥有数据的参与方，两个服务器组成的网络环境中，并包括以下步骤：S1、初始化阶段；S2、参与方发送加密数据阶段；S3、服务器处理加密数据阶段；S4、训练决策树并进行样本分类阶段。本发明应用于多个参与方，允许客户端在自己的密钥下加密他们的数据，并利用数据打包技术有效地减少系统的计算开销和通信开销，从而有效解决决策树的样本分类过程中的隐私保护问题，提高在本地训练好的决策树模型下对样本进行分类的安全性。
-
公开(公告)号：CN111859440B
公开(公告)日：2022-12-23
申请号：CN202010847615.3
申请日：2020-08-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于混合协议的分布式隐私保护逻辑回归模型的样本分类方法，该方法是应用于由n个数据提供方，一个加密服务提供商以及一个数据聚合方组成的分布式逻辑回归模型训练场景中，并包含以下步骤：步骤S1、初始化阶段；步骤S2、分布式模型训练阶段；步骤S3、最终模型发布阶段。本发明能解决当前多个数据提供方使用逻辑回归模型联合进行样本分类过程中的隐私泄露问题，从而能够在不泄露私有数据的情况下完成样本分类任务，并提高样本分类过程的安全性以及敏感数据的利用率。
-
公开(公告)号：CN111144888B
公开(公告)日：2022-08-02
申请号：CN201911349664.8
申请日：2019-12-24
Applicant: 安徽大学 , 安徽国通亿创科技股份有限公司
Abstract: 本发明公开了一种差分隐私保护的移动群智感知任务分配方法，其步骤包括1、根据请求者提交的任务信息和工作者提交的请求信息及云平台构建拍卖模型；2、在基于拍卖的感知任务分配的框架下，结合差分隐私技术确定请求者和工作者最终的结算价格组；3、根据结算价格组确定对应的获胜请求者和工作者；4、云平台收到获胜工作者提交的数据后，计算聚合结果并发送给获胜请求者；5、获胜请求者支付对应报酬，获胜工作者获得相应奖励。本发明能在充分考虑工作者感知数据的前提下，有效的解决工作者和请求者的出价信息泄露问题，从而保护工作者和请求者的出价隐私，以实现较好的任务分配，同时提高请求者任务的数据质量。
-
公开(公告)号：CN112187798B
公开(公告)日：2022-05-27
申请号：CN202011039982.7
申请日：2020-09-28
Applicant: 安徽大学
IPC: H04L9/40 , H04L9/08 , H04L9/32 , H04L67/1097 , H04L67/06
Abstract: 本发明公开一种应用于云边数据共享的双向访问控制方法及系统，其中认证中心进行系统初始化和用户密钥生成，边缘服务器对信息流进行合法性检查、用户签名的认证以及消息的重新随机化处理；云服务器存储用户需要共享的加密后的数据文件，并在接收到数据接收者的下载请求后进行验证；数据共享者通过边缘服务器转发上述文件，数据接收者先从边缘服务器获得加密后的文件密钥以及标签信息，再解密，最后计算出下载口令，然后向云服务器请求下载数据。本发明增加边缘服务器认证从数据共享源头阻断不合法信息流的发生，在数据访问阶段利用属性加密技术从数据接收者端阻止不合法用户访问数据文件，最终实现数据共享者和数据接收者的双向访问控制。
-
公开(公告)号：CN110471957B
公开(公告)日：2021-10-26
申请号：CN201910760220.7
申请日：2019-08-16
Applicant: 安徽大学
IPC: G06F16/2458 , G06F21/62
Abstract: 本发明公开了一种基于频繁模式树的本地化差分隐私保护的频繁项集挖掘方法，是应用于一个不可信第三方数据聚合者A和n位用户构成场景中，其步骤包括：S1、初始化阶段；S2、数据剪枝阶段；S3、建树阶段；S4、数据挖掘阶段。本发明能在第三方数据聚合者A不持有任何用户隐私记录信息情况下，估计满足给定支持度阈值的所有频繁项集以及相应的支持度，从而保证第三方能够根据所得结果挖掘出有用的关联规则，为可能的决策提供支持。
-
Patent Agency Ranking
公开(公告)号：CN110533253B
公开(公告)日：2021-05-25
申请号：CN201910832856.8
申请日：2019-09-04
Applicant: 安徽大学
IPC: G06Q10/04 , G06F40/205 , G06N3/04
Abstract: 本发明公开了一种基于异构信息网络的科研合作关系预测方法，包括如下步骤：1、科技文献异构网络转化为作者‑作者同构网络；2、同构网络中作者节点的向量表示；3、作者间的相似度计算。本发明应用于对任意两个尚未合作过的作者，预测他们在未来合作的可能性，从而有效解决作者‑作者同构网络中的信息丢失和单一化问题，以增加合作预测的准确性，帮助学者更高效的进行科学研究。
-
公开(公告)号：CN109213731B
公开(公告)日：2021-05-14
申请号：CN201810860176.2
申请日：2018-08-01
Applicant: 安徽大学
Abstract: 本发明公开一种云环境中基于迭代加密的多关键词密文检索方法，包括系统初始化、建立索引、加密索引和文件、数据上传、查询请求生成、服务器搜索、数据返回、用户发送更新数据请求。本发明基于迭代加密方式实现快速查找，不依赖于倒排索引结构，同样可以达到相同的效果，在搜索过程中，服务器收到请求后，根据文件标签迭代密文，使用对称加密算法进行迭代解密,可以获得相应的文件标签，然后根据文件标签查找布隆过滤器，从而返回满足条件的文件给用户。因为使用了迭代加密的技巧，在不泄露关键字和文件标签之间关系同时，达到了前向安全的要求。
-
公开(公告)号：CN108989095B
公开(公告)日：2021-03-23
申请号：CN201810687108.0
申请日：2018-06-28
Applicant: 安徽大学
Abstract: 本发明公开一种可抵抗恶意评价的公有云信任评估方法及其评估系统，包括以下步骤：系统初始化及服务请求步骤、QoS监测及客观可信度评估步骤、用户恶意评价检测步骤、主观可信度评估步骤和综合可信度评估步骤。本发明引入了可信第三方对公有云进行主观可信度和客观的可信度的评估。
-
公开(公告)号：CN112217629A
公开(公告)日：2021-01-12
申请号：CN202011090575.9
申请日：2020-10-13
Applicant: 安徽大学
Abstract: 本发明提供了一种云存储公开审计方法，其包括通过采用基于格的云存储公开审计方法并结合轻量级认证技术，将完整性审计工作委托给一个能够获悉公钥的可信第三方来完成。由于本发明采用了格密码技术，因此一方面该方法能够抵抗量子计算机的攻击，具有较好的安全性，另一方面终端用户所需要的计算开销较小，文件上传与验证过程的效率较高。
-
公开(公告)号：CN111814190A
公开(公告)日：2020-10-23
申请号：CN202010847845.X
申请日：2020-08-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于差分隐私的分布式深度学习优化的隐私保护方法，是应用于服务器端与本地参与者端构成的分布式网络中，其步骤包括：S1、初始化阶段；S2、参与者本地训练参数上传阶段；S3、服务器接收参数筛选阶段。本发明能解决当前分布式深度学习过程中的隐私保护问题，考虑存在恶意参与者的情况下，防止恶意的参与者窃取其他参与者的隐私信息，并防止恶意参与者降低训练模型的精度，同时利用选择性上传参数的方法减少通信开销。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.057 seconds)
