-
公开(公告)号：CN108521326B
公开(公告)日：2021-02-19
申请号：CN201810317657.9
申请日：2018-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于向量同态加密的隐私保护的线性SVM模型训练方法，属于信息技术安全领域，包括以下步骤：步骤1.使用者采用基于向量的同态加密方案VHE对训练数据集进行加密，并将加密结果发送至服务器；步骤2.服务器对加密结果进行计算，得到密文线性核函数矩阵并将密文线性核函数矩阵返回至使用者；步骤3.使用者对密文线性核函数矩阵进行解密，得到明文线性核函数矩阵并将明文线性核函数矩阵发送至服务器；步骤4.服务器采用密文SMO算法对明文线性核函数矩阵进行训练，并将训练结果返回至使用者。
-
公开(公告)号：CN106790069B
公开(公告)日：2020-03-31
申请号：CN201611190593.8
申请日：2016-12-21
Applicant: 电子科技大学
Abstract: 本发明涉及基于向量同态加密的隐私保护K‑NN分类方法，包括：A.接收查询向量组和标准向量组；B.通过查询向量组生成矩阵G，标准向量组使用密钥S通过向量同态加密生成密文组和新密钥GS；C.对新密钥GS进行密钥转换为转换密钥S'，得到此时的转换矩阵M和转换密文组；D.使用转换密钥S'对转换密文组解密，得到解密向量组；E.根据K个最小值的解密向量的分量为对应的各查询向量附上分类标签。本发明能够良好的对用户隐私数据保护，并且在隐私数据受到保护的情况下，通过K‑NN算法对用户的查询向量进行高效、准确的分类，提高了对向量类型判断的效率，扩大了向量类型判断的应用范围。
-
公开(公告)号：CN107241182A
公开(公告)日：2017-10-10
申请号：CN201710513628.5
申请日：2017-06-29
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于向量同态加密的隐私保护层次聚类方法，解决的是将层次聚类分析迁移至云上后产生的数据隐私有泄露风险的技术问题，通过采用方法包括：(1)聚类分析开始，客户端接收待聚类向量组；(2)使用向量同态加密方法对待聚类向量组进行加密，得到密文向量组；(3)根据密钥交换矩阵N与比特扩展矩阵W定义中间矩阵H；(4)将中间矩阵H与密文向量组进行聚类分析；(5)聚类服务器将聚类分析完成的密文向量组发送回客户端，由客户端使用密钥矩阵S进行解密，根据各个向量的标签组合得到聚类结果的技术方案，较好的解决了该问题，可用于向量类型判断中。
-
公开(公告)号：CN106961329B
公开(公告)日：2020-02-14
申请号：CN201710179121.0
申请日：2017-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种针对ADS‑B协议保密性及完整性的解决方法，属于应用密码学技术领域；一种针对ADS‑B协议保密性及完整性的解决方法包括可信第三方配置安全参数、飞机接收安全参数完成加密并发送ADS‑B消息、接收方接收ADS‑B消息校验。本发明能够在兼容现行ADS‑B协议格式的基础上实现对传统明文广播传输消息的机密性以及完整性的保障。
-
公开(公告)号：CN106961329A
公开(公告)日：2017-07-18
申请号：CN201710179121.0
申请日：2017-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种针对ADS‑B协议保密性及完整性的解决方法，属于应用密码学技术领域；一种针对ADS‑B协议保密性及完整性的解决方法包括可信第三方配置安全参数、飞机接收安全参数完成加密并发送ADS‑B消息、接收方接收ADS‑B消息校验。本发明能够在兼容现行ADS‑B协议格式的基础上实现对传统明文广播传输消息的机密性以及完整性的保障。
-
Patent Agency Ranking
公开(公告)号：CN106961328A
公开(公告)日：2017-07-18
申请号：CN201710175292.6
申请日：2017-03-22
Applicant: 电子科技大学
CPC classification number: H04L9/0825 , H04L9/30
Abstract: 一种VHE实现方法，涉及VHE加密方案领域，包括如下步骤：根据要加密的明文向量x构造矩阵S′和M′，生成一可逆矩阵Ps及其逆矩阵Pm，计算私钥S和公钥M，其中，S＝S′Ps，M＝PmM′，然后使用公钥M对明文x进行加密操作，计算密文向量c＝Mx+e，其中，e表示噪声向量，本发明解决了现有VHE实现方案因未能有效隐藏公钥和私钥的关系，而存在安全性问题。
-
公开(公告)号：CN107241182B
公开(公告)日：2020-10-13
申请号：CN201710513628.5
申请日：2017-06-29
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于向量同态加密的隐私保护层次聚类方法，解决的是将层次聚类分析迁移至云上后产生的数据隐私有泄露风险的技术问题，通过采用方法包括：(1)聚类分析开始，客户端接收待聚类向量组；(2)使用向量同态加密方法对待聚类向量组进行加密，得到密文向量组；(3)根据密钥交换矩阵N与比特扩展矩阵W定义中间矩阵H；(4)将中间矩阵H与密文向量组进行聚类分析；(5)聚类服务器将聚类分析完成的密文向量组发送回客户端，由客户端使用密钥矩阵S进行解密，根据各个向量的标签组合得到聚类结果的技术方案，较好的解决了该问题，可用于向量类型判断中。
-
公开(公告)号：CN107612675B
公开(公告)日：2020-09-25
申请号：CN201710850810.X
申请日：2017-09-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种隐私保护下的广义线性回归方法，旨在解决现有技术中在计算外包时云端不可信的时候在加密下情况下实现广义线性回归效率效和精度低的问题，本申请中结合加密算法以及线性回归方法以及梯度下降法实现了数据集加密之后的广义线性回归，也就是实现了云端不可信的情况下，加密保护下依旧可以进行数据处理等，实现了真正的计算外包，实现了明文的计算与密文的计算的相互对应，克服了传统的梯度下降法在密文下迭代的准确率低和计算速度慢的技术难题；本申请适用于向量同态计算相关领域。
-
公开(公告)号：CN108776836A
公开(公告)日：2018-11-09
申请号：CN201810592585.9
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于VHE的隐私保护神经网络的训练及预测方法，利用VHE同态加密算法对数据集D进行加密，得到加密数据集D′，所述加密数据集D′包括训练数据集D′1和测试数据集D′2；对所述训练数据集D′1进行BP神经网络批梯度训练，得到训练后的BP神经网络；利用训练后的BP神经网络对测试数据集D′2进行预测，得到预测结果；本发明结合加密算法以及BP神经网络方法实现了密文域下的BP神经网络的训练及预测，也就是实现了云端不可信的情况下，数据在输入加密保护下依旧可以进行BP神经网络的训练及预测等，实现了真正的计算外包。
-
公开(公告)号：CN106952212A
公开(公告)日：2017-07-14
申请号：CN201710151231.6
申请日：2017-03-14
Applicant: 电子科技大学
Abstract: 本发明公开一种基于向量同态加密的HOG图像特征提取算法，涉及图像处理技术领域，由于VHE同态加密方案在密文域内仅支持整数间的运算并且不支持除法，针对VHE所能支持的运算，对已有的HOG图像特征提取算法进行合理的裁剪和改进，简化一些特征提取步骤，并将提取过程中的一些复杂运算进行等效的转换，保证裁剪后的算法在保证一定的算法效率的前提下，提取的特征向量与原始HOG特征提取算法提取的特征向量是等效的，都可以准确地表达图像特征。本方案采取的基于向量的同态加密方案VHE，能够直接对一个整数向量进行加密，并支持基于密文向量的一些操作运算，与之前的基于单个比特或者单个整数加密的同态加密方案相比，大大提高密文域内的运算效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.017 seconds)
