公开(公告)号：CN116805127A

公开(公告)日：2023-09-26

申请号：CN202310556223.5

申请日：2023-05-12

Applicant: 重庆交通大学

Inventor： 刘洋 ,  范英齐 ,  黄大荣 ,  米波 ,  刘新予 ,  杨林翰 ,  邓昭阳 ,  冒永逸 ,  匡航冬 ,  毛伟奇

IPC: G06F30/22 ,  G06F111/04

Abstract: 本发明涉及基于SPZN的智能网联汽车系统安全性简化验证方法，属于无人驾驶、形式化验证领域；基于汽车电子控制单元信息的特点以及汽车控制信息流传输相关约束规则的特点，根据车辆控制信息流、传输过程中相关约束规则、智能网联汽车状态、状态在某一时段内出现的概率、变迁的前置条件、后置条件，通过将Z语言形式化描述和SPN模型融合成为SPZN模型，然后对SPZN模型进行先精炼操作后抽象操作得到简化模型，保证了简化模型能够不丧失原有的描述能力，同时，简化的SPZN模型能够有效的解决SPN网因节点设备众多而带来的状态爆炸问题和Z框架动态能力和实时性不足的问题，提高系统的协同控制性能和效率。

公开(公告)号：CN116489642A

公开(公告)日：2023-07-25

申请号：CN202310455763.4

申请日：2023-04-25

Applicant: 重庆交通大学

Inventor： 米波 ,  匡航冬 ,  黄大荣 ,  马浩宇 ,  翁渊 ,  邓昭阳 ,  范英齐 ,  冒永逸 ,  毛伟奇

IPC: H04W12/041 ,  H04W12/0433 ,  H04W12/03 ,  H04W12/00 ,  H04W4/44 ,  H04L9/08 ,  H04L9/14 ,  H04L9/00 ,  G06N20/00 ,  G06F21/62

Abstract: 本发明具体涉及一种面向车联网隐私安全的联邦学习方法，包括：生成公私钥，将私钥分割为对应份数的子密钥分发给参加联邦学习的各个车辆；对于单个车辆：基于本地数据和全局原型向量训练本地模型，对局部原形向量进行加密生成加密局部原形向量；对各个车辆的加密局部原形向量进行同态加法运算生成加密局部原形向量之和；各个车辆基于自身的子密钥依次对加密局部原形向量之和进行部分解密直至完全解密得到局部原形向量之和；根据局部原形向量之和计算全局原型向量，并分发给参加联邦学习的各个车辆。本发明能够减少联邦学习的参数量并缓解模型异构问题，通过多密钥的半同态加密算法以及差分隐私中的高斯机制保护联邦学习参与方数据的隐私。

公开(公告)号：CN118118226A

公开(公告)日：2024-05-31

申请号：CN202410135554.6

申请日：2024-01-31

Applicant: 重庆交通大学

Inventor： 米波 ,  冒永逸 ,  黄大荣 ,  邓昭阳 ,  匡航冬 ,  毛伟奇 ,  范英齐

IPC: H04L9/40 ,  H04L9/08 ,  H04L67/12

Abstract: 本发明公开了一种车联网中用户自定义访问控制的隐私保护众包方法，包括：当数据拥有者上传文件时：对上传的文件进行对称加密得到加密文件；为上传的文件生成访问凭证和文件索引并生成文件标签；调用智能合约进行数据的存储；将文件的访问凭证发送给数据请求者完成授权；当数据请求者请求访问文件时：根据请求信息和所获得的访问凭证计算搜索信息；通过智能合约根据搜索信息匹配对应文件标签的加密文件，若匹配成功，则为数据请求者生成解密辅助信息，并将解密辅助信息和对应的加密文件发送给数据请求者；根据数据请求者接收的解密辅助信息计算出对称密钥，并解密对应的加密文件得到明文的文件。本发明能够提高车辆网数据众包的数据隐私性和安全性。