基于无证书有序聚合签名的防范BGP中间人攻击的方法

    公开(公告)号:CN116015670A

    公开(公告)日:2023-04-25

    申请号:CN202211584113.1

    申请日:2022-12-09

    Abstract: 本发明公开基于无证书有序聚合签名的防范BGP中间人攻击的方法,由无证书公钥密码体制的密钥生成中心进行公钥、私钥的生成与管理,为EBGP路由路径生成邻居关系认证码和整条EBGP路由路径的一个聚合签名;防范合谋攻击采用邻居关系验证、EBGP路由路径聚合签名验证,其中邻居关系验证可有效降低路由路径造假的机率,EBGP路由路径验证既可防范路由前缀和路由路径中潜伏恶意路由域,也可防范任意两个或多个路由域参与合谋攻击而导致下游路由域接收到潜伏恶意路由域的虚假BGP更新报文。

    一种基于多属性用户选择移动群智感知激励机制的方法及系统

    公开(公告)号:CN109068288A

    公开(公告)日:2018-12-21

    申请号:CN201811036362.0

    申请日:2018-09-06

    CPC classification number: H04W4/35 G06Q30/0218 H04L67/10 H04L67/12 H04W4/38

    Abstract: 本发明涉及一种基于多属性用户选择移动群智感知激励机制的方法及系统,首先感知平台将感知任务划分为多个子任务,并为各个子任务设置任务效用值、信誉积分阈值以及初始信誉积分;感知平台以流动的方式发布子任务;感知用户上传属性值;感知平台先后对用户进行一次筛选、二次筛选确定最优用户集;感知平台根据报酬计算函数计算感知用户完成子任务所获的报酬;感知用户根据参与意愿分析函数自主选择是否最终接受子任务处理请求;感知平台设置用户信誉积分奖惩机制,更新感知用户的信誉积分。本发明不仅能够提高感知用户参与度和所提交的感知数据质量,而且能够有效地保证感知用户的质量和降低系统花费开销。

    基于改进CP‑ABE的云存储分组加密访问控制方法

    公开(公告)号:CN106911702A

    公开(公告)日:2017-06-30

    申请号:CN201710133566.5

    申请日:2017-03-08

    CPC classification number: H04L63/0442 H04L63/06 H04L63/08 H04L67/1097

    Abstract: 本发明公开基于改进CP‑ABE的云存储分组加密访问控制方法,对CP‑ABE加密过程中的访问结构树T进行遍历,得出所有可能出现的用户属性组A,对所有的用户属性组A进一步加密产生每个属性组对应的解密私钥。用户属性发生变化时,只需对自己之前所在属性组进行重加密,而不需要对所有属性进行重加密。密钥始终存放在属性权威中心,重加密后私钥不需要进行重新发送,从而避免因用户不在线而导致的无法接收最新秘钥。将这些用户属性组A和对应的解密私钥,利用哈希表存放在属性权威中心,用户身份验证时,可直接将用户属性集与属性组匹配,且用户接收到的密钥是伪密钥,可降低传输过程中信息泄露的风险。

    基于零知识证明的机器学习完整性证明方法及系统

    公开(公告)号:CN117353936A

    公开(公告)日:2024-01-05

    申请号:CN202311304333.9

    申请日:2023-10-10

    Abstract: 本发明涉及一种基于零知识证明的机器学习完整性证明方法及系统。客户首先将其机器学习任务外包给服务提供商,由客户提供数据集及辅助数据;服务提供商根据客户的要求使用数据集执行机器学习任务,提供其对任务结果的承诺;接收到承诺后,客户在其中抽取一定数量迭代作为挑战,服务提供商则根据挑战生成相应的不含任何有效知识的证明与承诺证明,分别用于证明任务执行的合法性与挑战本身的合法性。若两个证明均能通过客户的验证,则客户可以确信服务提供商诚实地完成了任务;最后,客户付款并对服务提供商交付的结果进行核验,完成交易过程。本发明可用于保证任务执行过程的真实性、交付结果的可靠性与交易公平性,同时降低证明与验证开销。

    一种面向任务需求的选择激励的方法及终端

    公开(公告)号:CN109960583B

    公开(公告)日:2022-10-28

    申请号:CN201910078860.X

    申请日:2019-01-28

    Abstract: 本发明提供了一种面向任务需求的选择激励的方法及终端,其包括:获取平台上预设的任务的属性信息,得到第一属性信息;获取多个用户对应的终端分别对所述任务进行反馈的属性信息,得到多个的第二属性信息;将第一属性信息和第二属性信息进行匹配分析;根据匹配分析结果,通过模糊贴近度的方法,将多个的第二属性信息对应的多个终端进行排序,得到排序结果,以供平台选择执行所述任务对应的终端。本发明提供的一种面向任务需求的选择激励的方法及终端,既能够实现以任务为中心的目标终端的选择,即实现了目标终端对应目标用户选择,又能够保证任务完成的质量。

    一种密钥派生加密的移动终端数据安全删除的方法及系统

    公开(公告)号:CN108573176B

    公开(公告)日:2022-04-12

    申请号:CN201810237413.X

    申请日:2018-03-22

    Abstract: 本发明涉及一种密钥派生加密的移动终端数据安全删除的方法及系统,首先根据闪存的存储层次组织结构特性建立节点树,给根节点分配主密钥,并执行密钥派生算法得到节点树其他节点密钥;随机获取文件数据的少量文件分量;由文件存储的节点密钥和文件分量通过异或运算生成文件的加密密钥;用户使用文件密钥对文件进行加密操作,获得密文;存储密文和文件分量,同时删除文件密钥和节点密钥;通过闪存转换层统计闪存存储单元阵列中被标记为无效数据的数量和分布。本发明通过灵活性选择密钥删除和块擦除操作实现数据细粒度安全删除,并且密钥的产生和更新过程只涉及哈希算法以及对称加密有效地降低了系统开销。

    基于最大频繁模式的动态规则库构建方法

    公开(公告)号:CN108173876B

    公开(公告)日:2020-11-06

    申请号:CN201810092166.9

    申请日:2018-01-30

    Abstract: 本发明涉及一种基于最大频繁模式的动态规则库构建方法,包括以下步骤:输入Web日志数据集,并对其进行数据过滤,将时间格式转化为时间戳,将IP和URL映射为数字;进行用户识别和会话识别,构造WASD;遍历WASD的每行,过滤出每个用户的近期访问行为,构成该用户的近期访问序列,进而由所有用户的近期访问序列构成DWASD;构造Spark运行环境变量sc;计算min_support;对前缀进行权重计数,并提取频繁1项集;遍历频繁1项集,递归寻找频繁项集;计算最大频繁项集,得到基于最大频繁模式的动态规则库。该方法有利于降低计算量,快速有效地构建出更加具有时效性的规则库。

    基于隐私保护CNN的密态图像识别方法及系统

    公开(公告)号:CN110991462A

    公开(公告)日:2020-04-10

    申请号:CN201911051308.8

    申请日:2019-10-31

    Abstract: 本发明涉及一种基于隐私保护CNN的密态图像识别方法,该方法首先发送方将原始图像加密成两个密态分量图像,并分别发送给第一服务器和第二服务器;而后可信服务器公开卷积神经网络训练参数,生成并分发随机安全参数给两台服务器;第一服务器、第二服务器分别使用有偏置、无偏置的卷积核参数执行安全卷积操作,两台服务器交互地使用安全比较函数执行安全激活操作,两台服务器交互地使用安全减法函数执行安全池化操作,第一服务器、第二服务器分别使用有偏置、无偏置的连接参数执行安全全连接操作;最后接收方分别接收到两服务器的输出结果,并进行解密操作,得到密态图像的识别结果。该方法及系统有利于提高密态图像识别的正确性和图像隐私性。

Patent Agency Ranking