-
公开(公告)号：CN119030705A
公开(公告)日：2024-11-26
申请号：CN202411031650.2
申请日：2024-07-30
Applicant: 重庆交通大学 , 安徽大学 , 润建股份有限公司 , 中国汽车工程研究院股份有限公司 , 重庆微标科技股份有限公司
Abstract: 本发明公开了一种零信任环境下车联网中基于身份认证的密文检索方法，包括：基于双线性配对方法为车辆用户生成公私钥对；数据拥有者向通过信任评估的车辆用户发送基于公钥生成的公共参数；提取数据拥有者的共享文件中的关键字，加密关键字后映射到计数布隆过滤器的对应位置并将共享文件的索引写入链表中；将车辆用户的陷门映射到计数布隆过滤器的对应位置，检查最近路边单元自身以及附近路边单元是否存在该陷门对应的关键字：若存在，则根据对应位置的链表确定共享文件的索引获取对应的加密共享文件；若不存在，则将车辆用户的陷门发送给云服务器，通过云端服务区获取加密共享文件。本发明能够有效实现车辆在零信任环境下的加密数据查询。
-
公开(公告)号：CN118840860A
公开(公告)日：2024-10-25
申请号：CN202410864126.7
申请日：2024-06-30
Applicant: 重庆交通大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/40 , G06F18/213 , G06F16/29 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/098 , G06F21/62 , G06F123/02
Abstract: 本发明公开了一种基于联邦学习和图神经网络的交通流量预测方法，包括：对交通流量预测的全局模型进行初始化，并将全局模型的参数发送给各个客户端；各个客户端将局部模型参数替换为获取的全局模型参数，进而获取本地的交通流量数据来训练局部模型；各个客户端通过差分隐私技术对局部模型参数加入噪声，然后进行上传；聚合各个客户端上传的局部模型参数，使用平均池化操作得到新的全局模型，进而将更新后的全局模型参数发送给各个客户端，不断更新全局模型直至收敛或达到最大迭代次数；将前M个时间点的交通流量输入训练好的全局模型中输出未来N个时间点的交通流量预测值。本发明能够实现交通流数据的隐私保护并提高交通流预测的精度。
-
公开(公告)号：CN117200972A
公开(公告)日：2023-12-08
申请号：CN202311195584.8
申请日：2023-09-08
Applicant: 重庆交通大学
Abstract: 本发明为基于同态加密的明文与密文的矩阵乘法计算方法，属于信息安全领域。该方法包含以下步骤：S1：设定安全参数和相关加解密参数；S2：根据安全参数生成公私钥对和运算密钥；S3：客户端对矩阵进行编码后再进行加密，生成加密数据，并发送；S4：服务器对矩阵进行编码，对加密数据进行变换；S5：服务器进行明文与密文的矩阵乘法计算，得到矩阵乘法结果的密文并发送；S6：客户端利用私钥解密得到矩阵乘法结果密文。本发明提供了基于同态加密的明文与密文的矩阵乘法计算方法，在两方参与的隐私计算框架下能实现服务器对客户端需求的快速高效矩阵乘法计算，保证了模型和数据二者的安全性，具有很强的泛化能力。
-
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
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：CN116400631A
公开(公告)日：2023-07-07
申请号：CN202310455766.8
申请日：2023-04-25
Applicant: 重庆交通大学
IPC: G05B19/042
Abstract: 本发明具体涉及基于DMPC的通信中断下零信任智能网联车辆队列控制方法，包括：定义初始状态下的假设输出状态序列和预测输出状态序列；建立优化目标代价函数；针对单个车辆：基于当前时刻的假设输出状态序列、预测输出状态序列和邻居假设输出状态序列求解其优化目标代价函数得到当前时刻的最优预测控制输入序列；计算最优输入状态序列并结合最优预测控制输入序列计算下一时刻的最优输入状态；计算下一时刻的假设输出状态序列并分发给与其通信的邻居车辆。本发明联合多方当前状态来预测车辆未来时刻的运动状态，并且能够基于车辆队列的通信拓扑和邻居车辆的状态来调节各个车辆的自身行驶状态，从而能够提高智能网联车辆队列纵向控制的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112506075B
公开(公告)日：2022-11-22
申请号：CN202011341700.9
申请日：2020-11-20
Applicant: 重庆交通大学
Abstract: 本发明涉及基于TPZN的智能网联汽车系统协同控制方法，属于无人驾驶、预测和控制策略领域，通过将Z语言形式化描述和TPN模型融合成为新的TPZN模型来实现功能，能够有效的解决时间Petri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，建立的智能网联汽车系统协同控制的TPZN形式化模型，能够实现多源异构复杂环境下的智能网联汽车系统信息安全传输的协同控制，提升智能网联汽车行驶的安全性和可靠性。
-
公开(公告)号：CN114598446A
公开(公告)日：2022-06-07
申请号：CN202210238846.3
申请日：2022-03-11
Applicant: 重庆交通大学
Abstract: 本发明涉及互联网隐私保护技术领域，具体涉及基于Shamir门限秘密共享的全同态区块链隐私保护方法，具体包括：将交易中的参与者作为节点构建对应的物理链，同时构建各物理链对应的逻辑链；基于Shamir门限的秘密共享将节点的余额信息划分为对应的余额秘密份额，将余额秘密份额存储于对应节点的物理链中；交易的支付方和收入方向作为参与方的其他节点发布关于交易额的交易额秘密份额；各个参与方基于交易额秘密份额，验证支付方和收入方所发布的交易额是否相等以及支付方的余额是否大于交易额，并根据各个参与方的验证结果判断交易是否合法。本发明能够兼顾区块链的可用性和隐私信息的保密性，从而能够提高交易的有效性和隐私性。
-
公开(公告)号：CN110503854A
公开(公告)日：2019-11-26
申请号：CN201910809428.3
申请日：2019-08-29
Applicant: 重庆交通大学
IPC: G08G1/16
Abstract: 本发明公开了一种基于zigbee通信协议的辅助驾驶系统，基于zigbee通信协议的辅助驾驶系统包括分布设置在目标区域内的协调器及射频读写模块，每个协调器都能够组建一个zigbee局域网络，目标区域内所有道路都被zigbee局域网络覆盖，任意一条道路与任意一个zigbee局域网络边界相交的区域均被至少两个zigbee局域网络覆盖且至少设置有一个射频读写模块，射频读写模块的读写范围覆盖相交的区域。本发明还公开了对应的辅助驾驶方法，实现了主动式的交通事故安全防御，还实现了车辆动态的网络切换，保证了车辆之间持续可靠的通信。
-
公开(公告)号：CN119202410A
公开(公告)日：2024-12-27
申请号：CN202411351480.6
申请日：2024-09-26
Applicant: 重庆交通大学
IPC: G06F16/9537 , G06F21/60 , G06F21/62
Abstract: 本发明公开了一种零信任环境下基于NTRU算法和不经意传输的LBS信息检索方法，包括：服务器将目标区域划分为若干个区块并分配对应的索引；服务器将每个区块的所有兴趣点数据打包为数据集，通过对称加密算法生成加密密钥对数据集进行加密后通过不经意传输的方式存储到路边单元；目标车辆通过NTRU算法生成私钥和公钥；目标车辆根据需要查询的索引从路边单元获取对应的数据集密文；目标车辆对索引进行拆解和公钥加密后，通过不经意传输的方式发送给服务器；服务器通过密文数据计算响应密文并返回给目标车辆；目标车辆通过私钥和响应密文计算加密密钥的对称密钥来解密数据集密文得到对应的兴趣点数据明文。本发明有效平衡了用户隐私需求和LBS服务质量。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.101 seconds)
