-
公开(公告)号：CN115189905B
公开(公告)日：2023-05-23
申请号：CN202210499337.6
申请日：2022-05-09
Abstract: 本发明公开了网络通信与安全管控一体机及其工作方法，本地校验组件，接收流入和流出一体机的数据，并将数据转发给安全组件，安全组件对数据进行处理，随后路由组件将数据进行转发；蜜罐沙箱联动组件的蜜罐监听通信接口并捕获恶意代码；将恶意代码与蜜罐沙箱联动组件进行交互；蜜罐沙箱联动组件将流量交由沙箱分析后发送至物联网关组件进行处理，并将物联网关组件的返回信息处理后返回给攻击方；蜜罐沙箱联动组件对捕获的恶意代码进行分析，提取软件行为以及网络行为后，将软件行为以及网络行为作为恶意代码的标签对卷积神经网络进行训练；安全组件对训练后网络进行检查和验收，并通过训练后的卷积神经网络对经过一体机的通信进行检查和监控。
-
公开(公告)号：CN115189905A
公开(公告)日：2022-10-14
申请号：CN202210499337.6
申请日：2022-05-09
Abstract: 本发明公开了网络通信与安全管控一体机及其工作方法，本地校验组件，接收流入和流出一体机的数据，并将数据转发给安全组件，安全组件对数据进行处理，随后路由组件将数据进行转发；蜜罐沙箱联动组件的蜜罐监听通信接口并捕获恶意代码；将恶意代码与蜜罐沙箱联动组件进行交互；蜜罐沙箱联动组件将流量交由沙箱分析后发送至物联网关组件进行处理，并将物联网关组件的返回信息处理后返回给攻击方；蜜罐沙箱联动组件对捕获的恶意代码进行分析，提取软件行为以及网络行为后，将软件行为以及网络行为作为恶意代码的标签对卷积神经网络进行训练；安全组件对训练后网络进行检查和验收，并通过训练后的卷积神经网络对经过一体机的通信进行检查和监控。
-
公开(公告)号：CN117614684B
公开(公告)日：2025-02-07
申请号：CN202311580377.4
申请日：2023-11-24
Applicant: 泉城省实验室
Abstract: 本发明涉及一种基于复制秘密分享的流动式安全多方计算方法及系统，包括：客户端生成密钥，用于生成对应输入的份额，并将密钥以及部分份额发送给参与第一轮计算的一组服务器；第一轮计算的一组服务器中的服务器使用客户端发送的密钥生成乘法三元组，并在服务器中形成乘法三元组的复制秘密分享份额，用于对计算过程中的乘法结果检查；服务器根据电路进行计算并对计算过程中的乘法结果进行验证，如无问题将乘法结果发送给下一轮计算的参与方；当最后一轮计算完毕后，服务器将计算结果发送给客户端，由客户端恢复计算结果。本发明可以使服务器不必提前运行一个预处理阶段，实现了真正的流动性，大大提高了灵活性。
-
公开(公告)号：CN117614684A
公开(公告)日：2024-02-27
申请号：CN202311580377.4
申请日：2023-11-24
Applicant: 泉城省实验室
Abstract: 本发明涉及一种基于复制秘密分享的流动式安全多方计算方法及系统，包括：客户端生成密钥，用于生成对应输入的份额，并将密钥以及部分份额发送给参与第一轮计算的一组服务器；第一轮计算的一组服务器中的服务器使用客户端发送的密钥生成乘法三元组，并在服务器中形成乘法三元组的复制秘密分享份额，用于对计算过程中的乘法结果检查；服务器根据电路进行计算并对计算过程中的乘法结果进行验证，如无问题将乘法结果发送给下一轮计算的参与方；当最后一轮计算完毕后，服务器将计算结果发送给客户端，由客户端恢复计算结果。本发明可以使服务器不必提前运行一个预处理阶段，实现了真正的流动性，大大提高了灵活性。
-
公开(公告)号：CN117478330A
公开(公告)日：2024-01-30
申请号：CN202311538196.5
申请日：2023-11-17
Applicant: 泉城省实验室
Abstract: 本发明涉及基于双线性映射与布隆过滤器的三方隐私集合求交集基数方法，步骤为：P1、P2与P3分别选取一组公钥和私钥，然后进行哈希操作，并利用生成的私钥对哈希值运算，运算后的哈希值与各自的公钥传输；P1、P2与P3利用哈希值构造双线性映射，P1与P2将构造的双线性映射分别插入布隆过滤器中；将两个布隆过滤器看做两个字符串，对两个字符串分别进行秘密分享操作并分发给P3；P3利用得到的秘密分享份额计算出两个字符串进行AND运算的结果，然后利用计算结果构造新的布隆过滤器，P3查询自己拥有的双线性映射是否存在新构造的布隆过滤器中，若存在，则三方集合交集基数增加1。本发明降低了现有方法的计算及通信复杂度，在大数据集合上表现更突出。
-
Patent Agency Ranking
-
公开(公告)号：CN119692437B
公开(公告)日：2025-05-16
申请号：CN202510192098.3
申请日：2025-02-21
Applicant: 泉城省实验室
IPC: G06N3/098 , G06N3/084 , G06N3/0464 , G06F18/23
Abstract: 本发明涉及针对异构资源的隐私增强自适应聚类联邦学习方法及系统，属于联邦学习技术领域。包括：（1）基于上行时延的参与方聚类；应用不同的聚类标准对异构设备进行聚类；（2）算力相似簇内的本地训练；根据设备计算能力对用户进行聚类，优化训练效率；（3）基于谱嵌入的安全簇模型聚合；采用基于梯度向量相似性的软聚类，允许用户模型聚合成多个聚类模型，并使用多个聚类模型更新本地模型。本发明通过在聚类过程中对用户的梯度向量进行混洗来确保隐私和机密性。此外，方法采用同态加密和双线性聚合签名来验证用户身份并保护梯度共享。
-
公开(公告)号：CN119692435A
公开(公告)日：2025-03-25
申请号：CN202411753245.1
申请日：2024-12-02
Applicant: 泉城省实验室
IPC: G06N3/098 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N5/04 , H04L67/10 , H04L67/12 , G06V10/82 , G06V10/764
Abstract: 本发明涉及基于超网络的平衡联邦学习个性化与泛化方法与系统，包括：在训练阶段，灵活切换个性化与泛化阶段，通过聚合嵌入向量生成泛化模型，提升模型整体的泛化性能；同时，使用客户端嵌入向量生成个性化模型，增强模型在特定数据分布下的表现。在推理阶段，引入基于香农熵的动态选择机制，确保在不同数据分布下的模型推理准确性和可靠性，提升了用户体验。针对边缘智能场景中跨客户端的数据异构性问题，提出了基于超网络生成个性化模型和泛化模型的分层联邦学习框架，该框架可以有效平衡智能终端的个性化需求与泛化需求。
-
公开(公告)号：CN119690930A
公开(公告)日：2025-03-25
申请号：CN202411753246.6
申请日：2024-12-02
Applicant: 泉城省实验室
IPC: G06F16/176 , G06F16/182 , G06F21/60 , G06F21/62 , G06F21/64 , H04L67/104 , H04L67/1097 , H04L67/12 , G16H10/60
Abstract: 本发明涉及一种支持数据验证的去中心化信息安全高效存储共享方法，包括：1)初始化阶段；2)密文生成并上传；3)对上传的密文大小进行评估；若密文大小超过256KB，IPFS将对密文进行分片处理，并在全球分布的节点服务器中存储这些分片，同时生成一个唯一的地址标识；4)拼接为新的明文；5)数据提供者选定加密策略，对新的明文实施属性加密；6)数据请求者在使用数据前向Hyperledger Fabric提交访问申请；7)验证数据请求的合法性；8)获取对称加密的密文；9)解密，以获取患者的隐私数据。本发明可以避免因某些节点发生故障导致整个系统瘫痪的状态。
-
公开(公告)号：CN118764169A
公开(公告)日：2024-10-11
申请号：CN202411038381.2
申请日：2024-07-31
Applicant: 泉城省实验室
Abstract: 本发明涉及一种轻量级抗拜占庭攻击的隐私保护联邦聚合方法及系统，包括：由参与训练的客户端基于各自隐私数据本地完成模型训练，获得本地更新的梯度；采用秘密分享技术将梯度秘密分享给两个服务器；根据收到的梯度份额，两个服务器分别进行盲化操作，通过交互、基于欧式距离的相似度检测方法识别出恶意梯度更新；服务器利用有效的梯度更新完成全局模型更新。本发明提出的鲁棒性安全聚合方案不涉及复杂的公钥操作，大大降低了计算开销；与基于差分隐私的同类型工作相比，不影响模型精度的损失，保证了高精度模型，并且不需要假设服务器存在干净的辅助数据集。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.039 seconds)
