-
公开(公告)号：CN110263570A
公开(公告)日：2019-09-20
申请号：CN201910387357.2
申请日：2019-05-10
Applicant: 电子科技大学 , 国家计算机网络与信息安全管理中心
IPC: G06F21/62 , G06F21/30 , G06F16/9532 , G06F16/9535 , H04L9/06 , H04L9/08 , H04L29/06 , H04L29/08
Abstract: 本发明属于信息安全技术领域，具体提供一种实现高效相似性查询和访问控制的基因数据脱敏方法，其有效支持密文环境下大规模基因数据的相似性查询，同时支持复杂的逻辑查询以满足用户个性化的查询需求，该方法授权方式灵活，可对不同的数据授予不同的访问权限，并在查询过程中实现对用户的数据访问权限的可靠控制，此外，本发明采用特定的哈希函数压缩数据，显著减少密文状态下匹配的元素数量，进一步提高查询检索效率。
-
公开(公告)号：CN110263570B
公开(公告)日：2020-09-25
申请号：CN201910387357.2
申请日：2019-05-10
Applicant: 电子科技大学 , 国家计算机网络与信息安全管理中心
IPC: G06F21/62 , G06F21/30 , G06F16/9532 , G06F16/9535 , H04L9/06 , H04L9/08 , H04L29/06 , H04L29/08
Abstract: 本发明属于信息安全技术领域，具体提供一种实现高效相似性查询和访问控制的基因数据脱敏方法，其有效支持密文环境下大规模基因数据的相似性查询，同时支持复杂的逻辑查询以满足用户个性化的查询需求，该方法授权方式灵活，可对不同的数据授予不同的访问权限，并在查询过程中实现对用户的数据访问权限的可靠控制，此外，本发明采用特定的哈希函数压缩数据，显著减少密文状态下匹配的元素数量，进一步提高查询检索效率。
-
公开(公告)号：CN117202172A
公开(公告)日：2023-12-08
申请号：CN202311179929.0
申请日：2023-09-13
Applicant: 电子科技大学
Abstract: 本发明提供一种保护隐私的基于秘密分享的临近测试方法，通过对针对三角函数的高效安全计算协议并将其应用于临近测试模型中使得参与方可以联合地在不向另一方直接披露自己拥有的数据值的情况下获得双方距离计算的结果。本发明在保证保护隐私位置信息的同时能够及时准确地完成临近测试，相对于已有的传统协议来说，保证了模型的整体精确度和计算结果的准确性，并大幅降低了函数评估时所需要的通信量和计算量，减少临近测试过程中的通讯开销，达到了通信高效和计算高效的预期目标，使得在实际应用中，用户所能感知到的延迟大幅下降，保证了密文下模型计算时的用户体验。
-
公开(公告)号：CN115065463B
公开(公告)日：2023-04-07
申请号：CN202210656199.8
申请日：2022-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种隐私保护的神经网络预测系统，属于信息安全技术领域。本发明包括客户端、服务端和第三方；在神经网络模型预测的离线阶段，客户端、服务端和第三方通过协商完成模型参数的分享；在线预测阶段，客户端将输入数据的分享值发送给服务端；客户端和服务端利用安全计算协议共同执行具有隐私保护的神经网络预测，服务端将得到的预测结果的分享返回给客户端，客户端重构得到预测结果。在通信方面，本发明仅需一轮通信交互，且降低了现有方案的通信开销数据量，以使得本发明的通信效率显著提高，本发明中所有的计算都是基于环而不是域。本发明还重新定制了离线阶段的协议，不仅提高了离线阶段的效率而且仅需轻量级的秘密分享操作。
-
公开(公告)号：CN113688385B
公开(公告)日：2023-04-07
申请号：CN202110818450.1
申请日：2021-07-20
Applicant: 电子科技大学
IPC: G06F21/56 , G06F18/2431
Abstract: 本发明提出一种轻量级的分布式入侵检测方法，每个客户端准备本地数据，所述本地数据为非独立同分布non‑IID流量数据及其对应的入侵检测分类标签；在训练阶段，每个客户端使用本地数据训练其本地的轻量梯度提升机器LGBM在预测阶段，将测试数据输入至各训练完成的LGBM，得到各LGBM输出的入侵检测预测结果；服务器收集各LGBM输出的入侵检测预测结果后，通过投票方式得到最终的针对该测试数据的入侵检测结果。本发明在传统的决策树方法上引入轻量级梯度提升算法，通过结合用户训练的决策树，可以在非独立同分布的数据上有效处理大量样本。与目前的基于联邦学习的方法相比，该框架在独立同分布和非独立同分布的数据上都实现了更高的准确率和更低的开销。
-
Patent Agency Ranking
公开(公告)号：CN113190234B
公开(公告)日：2023-04-07
申请号：CN202110561933.8
申请日：2021-05-21
Applicant: 电子科技大学
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：CN114726496A
公开(公告)日：2022-07-08
申请号：CN202210215668.2
申请日：2022-03-07
Applicant: 电子科技大学
Abstract: 本发明提供一种安全的应用于纵向联邦学习的特征选择方法，本发明设计了一个通用的基于基尼系数的特征选择框架，并为该框架设计了两个定制的密码协议。其中一个协议建立在轻量级加法秘密共享技术之上，以保护隐私特征，但同时也引入了少量额外计算开销。另一个同时使用秘密共享和线性同态加密技术。本发明方案与纵向联邦学习中现有的大多数机器学习模型兼容，并可作为即插即用模块集成到现有的隐私保护的纵向联邦学习系统中，以进一步提高训练效率和模型准确率。
-
公开(公告)号：CN111581648B
公开(公告)日：2022-06-03
申请号：CN202010262316.3
申请日：2020-04-06
Applicant: 电子科技大学
Abstract: 本发明提供一种在不规则用户中保留隐私的联邦学习的方法，包括步骤：1)系统初始化；2)加密的汇总结果初始化；3)更新加密的用户的可靠性；4)更新加密的汇总结果：服务器利用更新得到的加密的用户的可靠性作为汇总结果的权重来更新各梯度的加密的汇总结果使得可靠性越低的用户对汇总结果的影响越小。本发明保护所有用户相关信息的隐私，并且减少用户在训练过程中因使用低质量数据的影响，同时确保用户相关信息的真实性。由服务器完成大部分计算，对于计算能力有限的终端用户来说非常友好，且对用户在整个训练过程中由于各种不可预知的原因而中途退出也具有鲁棒性。
-
公开(公告)号：CN113688385A
公开(公告)日：2021-11-23
申请号：CN202110818450.1
申请日：2021-07-20
Applicant: 电子科技大学
Abstract: 本发明提出一种轻量级的分布式入侵检测方法，每个客户端准备本地数据，所述本地数据为非独立同分布non‑IID流量数据及其对应的入侵检测分类标签；在训练阶段，每个客户端使用本地数据训练其本地的轻量梯度提升机器LGBM在预测阶段，将测试数据输入至各训练完成的LGBM，得到各LGBM输出的入侵检测预测结果；服务器收集各LGBM输出的入侵检测预测结果后，通过投票方式得到最终的针对该测试数据的入侵检测结果。本发明在传统的决策树方法上引入轻量级梯度提升算法，通过结合用户训练的决策树，可以在非独立同分布的数据上有效处理大量样本。与目前的基于联邦学习的方法相比，该框架在独立同分布和非独立同分布的数据上都实现了更高的准确率和更低的开销。
-
公开(公告)号：CN113190850A
公开(公告)日：2021-07-30
申请号：CN202110568452.X
申请日：2021-05-24
Applicant: 电子科技大学
Abstract: 本发明涉及信息技术领域，提供了一种智能合约短地址攻击检测工具的实现方法。目的在于检测和发现短地址攻击发生时，使得代币的发行者在短地址攻击发生时，拒绝这笔交易请求，以此来极大程度地保障了代币合约的安全性。主要方案包括利用反编译模块对智能合约以字节码处理得到函数id，反编译模块的输出进入TASE模块，TASE模块将获取每个函数id对应的参数列表，并将函数id与对应的参数列表进行组合输出函数签名；得到的函数签名作为输入，当用户调用智能合约时从调用数据中获取函数签名id，然后找出对应的函数签名中的参数列表；对于函数签名中的每个参数在调用数据中借助TASE定位实际参数，并检查其填充是否正确，如填充错误，则判断为攻击。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.087 seconds)
