公开(公告)号：CN117272387A

公开(公告)日：2023-12-22

申请号：CN202311334990.8

申请日：2023-10-13

Applicant: 浙江大学 ,  杭州安恒信息技术股份有限公司

Inventor： 范渊 ,  方怀康 ,  王吾冰 ,  徐东德 ,  张振永

IPC: G06F21/62 ,  G06F21/71

Abstract: 本申请公开了一种基于秘密分享的数据共享方法、装置、设备及存储介质，涉及多方安全计算领域，包括：接收其他数据共享端数据基于秘密分享方法共享的分片数据，并与其他数据共享端以及结果需求端共同确认数据处理资格；将分片数据转换为明文数据，并对明文数据进行数据筛选，以得到目标数据；将目标数据转换为二进制数据，并对二进制数据进行数据分割，以将分割后数据转换为十进制数据，并基于秘密分享方法对十进制数据进行数据共享，以将十进制数据发送至结果需求端。这样一来，可以将非数值型的数据编码为十进制数据，使用秘密共享技术对十进制数据进行共享，以实现基于秘密分享对非数值型数据的共享。

公开(公告)号：CN116682405A

公开(公告)日：2023-09-01

申请号：CN202310468862.6

申请日：2023-04-27

Applicant: 浙江大学

Inventor： 陈文智 ,  余瑞璟 ,  魏成坤 ,  范渊 ,  刘博 ,  王吾冰 ,  张紫徽

IPC: G10K11/178 ,  G10L21/0216

Abstract: 本发明公开了一种面向多方隐私聚合的离散高斯噪声安全采样方法和系统，包括以下步骤：各参与方提供均匀比特流；对均匀比特流进行安全采样以得到安全均匀比特流；基于安全均匀比特流对几何噪声进行采样并转换以得到离散拉普拉斯噪声；基于安全均匀比特流对离散拉普拉斯噪声进行拒绝采样以得到离散高斯噪声。该方法和系统可以保证恶意安全性。

公开(公告)号：CN117593599A

公开(公告)日：2024-02-23

申请号：CN202311185213.1

申请日：2023-09-14

Applicant: 浙江大学

Inventor： 陈文智 ,  李唯贤 ,  魏成坤 ,  范渊 ,  刘博 ,  王吾冰 ,  张紫徽

IPC: G06V10/774 ,  G06V10/776 ,  G06V10/50 ,  G06V10/82 ,  G06N3/082

Abstract: 本发明公开了一种基于分位数的差分隐私梯度自适应裁剪方法，包括以下步骤：步骤1，采样一批带有隐私信息的样本数据，将其输入至分类模型，并计算样本数据在分类模型中的梯度，基于梯度计算二范数；步骤2，基于当前裁剪阈值构建二范数的隐私直方图；步骤3，基于隐私直方图和分位数确定新裁剪阈值；步骤4，判断新裁剪阈值不满足要求时，利用新裁剪阈值更新当前裁剪阈值后跳转执行步骤1；步骤5，统计隐私开销并输出隐私开销及最终新裁剪阈值。该方法和装置在满足差分隐私前提下获取梯度分布信息，并基于分位数在训练过程中动态设置裁剪阈值，提高模型性能的同时，通过除去基于样本数据筛选裁剪阈值的开销，适用于低算力场景。

公开(公告)号：CN116821675A

公开(公告)日：2023-09-29

申请号：CN202310578018.9

申请日：2023-05-22

Applicant: 浙江大学

Inventor： 陈文智 ,  赵明虎 ,  魏成坤 ,  范渊 ,  刘博 ,  王吾冰 ,  张紫徽

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种面向差分隐私深度学习算法的模型性能和隐私安全检测方法及系统，采用差分隐私深度学习算法和非隐私深度学习算法分别训练目标模型和影子模型，利用影子模型生成的特征向量构建数据对，利用数据对训练得到能够区分输入特征向量是否为用于目标模型训练的二分类攻击模型，基于该二分类攻击模型和目标模型的预测结果，计算目标模型的性能指标和隐私安全指标，根据指标表征待测差分隐私深度学习算法的模型性能和隐私安全保护能力。该方法和系统能够有效提高评估隐私数据泄露风险的准确性，暴露差分隐私深度学习算法的不足和缺陷，为后续发展差分隐私深度学习算法提供思路。

公开(公告)号：CN117336026A

公开(公告)日：2024-01-02

申请号：CN202311214352.2

申请日：2023-09-20

Applicant: 浙江大学

Inventor： 陈文智 ,  高祺 ,  魏成坤 ,  范渊 ,  刘博 ,  王吾冰 ,  张紫徽

IPC: H04L9/40

Abstract: 本发明公开了一种面向SSL算法库的Padding Oracle攻击检测与评估系统，包括攻击向量生成器、动态修改监测器以及分析器，其中，攻击向量生成器用于采用各类Padding Oracle攻击算法对密文进行攻击生成攻击向量；动态修改检测器用于采用动态插桩方式并基于动态染色算法对SSL算法库中各类解密算法对攻击向量和密文的解密过程进行染色分析，得到密文解密过程的染色分析跟踪结果和攻击向量解密过程的染色分析跟踪结果；分析器用于基于染色分析跟踪结果进行对比分析检测攻击能力和评估防御能力。该系统检测攻击效果覆盖范围更广。