-
公开(公告)号：CN109818729B
公开(公告)日：2021-10-29
申请号：CN201910080251.8
申请日：2019-01-28
Applicant: 东北大学
Abstract: 本发明提供一种基于Paillier同态加密的隐私保护平均距离查询方法，涉及信息安全技术领域。包括基于服务器端的平均距离查询处理协议和基于客户端的平均距离查询处理协议，根据平均距离查询来优化位置选择，采用两种类型的隐私保护查询处理协议，使用部分同态加密作为构建块，对服务器和客户端的敏感数据进行加密，并对加密数据进行进一步的伪装操作，以保护双方的隐私，使客户端无需与其他企业共享数据，也无需访问敏感信息，就可以回答基于位置的查询。本方法有助于在不侵犯客户隐私的情况下，在各种应用程序的实体和联合分析之间有效地共享敏感数据，大大提高了服务的质量，同时也能够降低企业的物流成本。
-
Patent Agency Ranking
公开(公告)号：CN110933026A
公开(公告)日：2020-03-27
申请号：CN201911002370.8
申请日：2019-10-22
Applicant: 东北大学
Abstract: 本发明涉及一种轻量级隐私保护的等值查询方法，包括四个角色，分别是密钥中心、IoT设备、边缘服务器和授权用户。密钥中心执行初始化操作，将公共参数公开，将主密钥自己保存；密钥中心执行密钥生成操作，生成密钥并分发给其他角色；IoT设备将自己的数据加密后外包到边缘服务器；边缘服务器重加密数据后存储；授权用户向边缘服务器发送查询请求；边缘服务器响应查询请求返回查询结果；最后授权用户解密服务器返回的查询结果得到明文数据。本发明基于椭圆曲线密码学实现了代理重加密，有效的构建了边缘计算中高效安全查询方案。与现有技术相比，能够保证外包数据的隐私性，同时减少了加解密过程的计算开销，更适用于计算和存储能力稍弱的边缘设备。
-
公开(公告)号：CN110933026B
公开(公告)日：2021-06-04
申请号：CN201911002370.8
申请日：2019-10-22
Applicant: 东北大学
Abstract: 本发明涉及一种轻量级隐私保护的等值查询方法，包括四个角色，分别是密钥中心、IoT设备、边缘服务器和授权用户。密钥中心执行初始化操作，将公共参数公开，将主密钥自己保存；密钥中心执行密钥生成操作，生成密钥并分发给其他角色；IoT设备将自己的数据加密后外包到边缘服务器；边缘服务器重加密数据后存储；授权用户向边缘服务器发送查询请求；边缘服务器响应查询请求返回查询结果；最后授权用户解密服务器返回的查询结果得到明文数据。本发明基于椭圆曲线密码学实现了代理重加密，有效的构建了边缘计算中高效安全查询方案。与现有技术相比，能够保证外包数据的隐私性，同时减少了加解密过程的计算开销，更适用于计算和存储能力稍弱的边缘设备。
-
公开(公告)号：CN113221144A
公开(公告)日：2021-08-06
申请号：CN202110545260.7
申请日：2021-05-19
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 东北大学
Inventor： 李桐 , 刘一涛 , 徐剑 , 刘刚 , 王刚 , 周小明 , 宋进良 , 冯达 , 刘扬 , 王磊 , 陈得丰 , 杨智斌 , 任帅 , 陈剑 , 耿洪碧 , 李欢 , 张彬 , 王琛 , 杨滢璇 , 佟昊松 , 孙赫阳 , 孙茜 , 何立帅 , 李菁菁
Abstract: 一种隐私保护机器学习的虚拟化终端异常检测方法及系统，其特征在于，方法包括以下步骤：步骤1，采集虚拟化终端的行为数据，并从行为数据中提取行为特征以生成行为特征向量；步骤2，基于历史生成的行为特征向量，实施可逆矩阵加密以获得密文数据，并基于密文数据更新神经网络训练模型；步骤3，基于神经网络训练模型，对行为特征向量数据进行训练以获得虚拟化终端的异常行为检测结果。本发明将神经网络训练模型的生成和更新过程外包至异地的计算服务器，提高了中心服务器的运算效率，保障了数据与训练模型的安全性。
-
公开(公告)号：CN113221144B
公开(公告)日：2024-05-03
申请号：CN202110545260.7
申请日：2021-05-19
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 东北大学
Inventor： 李桐 , 刘一涛 , 徐剑 , 刘刚 , 王刚 , 周小明 , 宋进良 , 冯达 , 刘扬 , 王磊 , 陈得丰 , 杨智斌 , 任帅 , 陈剑 , 耿洪碧 , 李欢 , 张彬 , 王琛 , 杨滢璇 , 佟昊松 , 孙赫阳 , 孙茜 , 何立帅 , 李菁菁
IPC: G06F21/60 , G06F21/62 , G06F21/64 , G06N3/0464 , G06N3/08
Abstract: 一种隐私保护机器学习的虚拟化终端异常检测方法及系统，其特征在于，方法包括以下步骤：步骤1，采集虚拟化终端的行为数据，并从行为数据中提取行为特征以生成行为特征向量；步骤2，基于历史生成的行为特征向量，实施可逆矩阵加密以获得密文数据，并基于密文数据更新神经网络训练模型；步骤3，基于神经网络训练模型，对行为特征向量数据进行训练以获得虚拟化终端的异常行为检测结果。本发明将神经网络训练模型的生成和更新过程外包至异地的计算服务器，提高了中心服务器的运算效率，保障了数据与训练模型的安全性。
-
公开(公告)号：CN109818729A
公开(公告)日：2019-05-28
申请号：CN201910080251.8
申请日：2019-01-28
Applicant: 东北大学
Abstract: 本发明提供一种基于Paillier同态加密的隐私保护平均距离查询方法，涉及信息安全技术领域。包括基于服务器端的平均距离查询处理协议和基于客户端的平均距离查询处理协议，根据平均距离查询来优化位置选择，采用两种类型的隐私保护查询处理协议，使用部分同态加密作为构建块，对服务器和客户端的敏感数据进行加密，并对加密数据进行进一步的伪装操作，以保护双方的隐私，使客户端无需与其他企业共享数据，也无需访问敏感信息，就可以回答基于位置的查询。本方法有助于在不侵犯客户隐私的情况下，在各种应用程序的实体和联合分析之间有效地共享敏感数据，大大提高了服务的质量，同时也能够降低企业的物流成本。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
