-
Patent Agency Ranking
公开(公告)号：CN112866299B
公开(公告)日：2022-03-18
申请号：CN202110387073.0
申请日：2021-04-12
Applicant: 南京大学
IPC: H04L9/40 , G06F21/60 , H04L67/1097
Abstract: 本发明属于计算机网络领域，公开了一种移动边缘计算网络的加密数据去重与分享装置，包括移动终端、边缘存储服务器、边缘权威服务器以及边缘密钥服务器；边缘存储服务器包括与移动终端邻近的所有可用边缘存储服务器，边缘存储服务器为移动终端提供加密数据的存储服务；所述边缘权威服务器为网络中公开的服务器集合，边缘权威服务器为移动终端提供安全的数据盲标签计算服务；所述边缘密钥服务器使用分布式哈希表进行索引，移动终端通过计算分布式哈希表得到边缘密钥服务器集合，并将密钥信息存储到边缘密钥服务器集合中的所有边缘密钥服务器。
-
公开(公告)号：CN114912132A
公开(公告)日：2022-08-16
申请号：CN202210511813.1
申请日：2022-05-11
Applicant: 南京大学
Abstract: 本发明公开了一种基于模型转换实现隐私保护卷积神经网络推理的方法，服务器调用模型转换程序，从输入神经网络模型中选取N‑1个卷积层作为分割点；所述模型转换程序调用卷积层转换程序，根据神经网络的卷积层参数生成相应的压缩卷积层和拓展卷积层，从而将输入神经网络模型划分为N个模型分片；客户端采用同态加密系统生成N对公钥与私钥，服务器与客户端分别调用模型推理程序。本发明通过模型分割的方法，将神经网络模型划分为多个分片，从而提升了在使用同态加密技术计算神经网络推理过程中的效率；待推理数据和神经网络模型分别由客户端和服务器持有，因此本方法同时保护了服务器和客户端的隐私。
-
公开(公告)号：CN112866299A
公开(公告)日：2021-05-28
申请号：CN202110387073.0
申请日：2021-04-12
Applicant: 南京大学
Abstract: 本发明属于计算机网络领域，公开了一种移动边缘计算网络的加密数据去重与分享装置，包括移动终端、边缘存储服务器、边缘权威服务器以及边缘密钥服务器；边缘存储服务器包括与移动终端邻近的所有可用边缘存储服务器，边缘存储服务器为移动终端提供加密数据的存储服务；所述边缘权威服务器为网络中公开的服务器集合，边缘权威服务器为移动终端提供安全的数据盲标签计算服务；所述边缘密钥服务器使用分布式哈希表进行索引，移动终端通过计算分布式哈希表得到边缘密钥服务器集合，并将密钥信息存储到边缘密钥服务器集合中的所有边缘密钥服务器。
-
公开(公告)号：CN110457951B
公开(公告)日：2021-04-16
申请号：CN201910767566.X
申请日：2019-08-19
Applicant: 南京大学
Abstract: 本发明公开一种无人工噪声的深度学习模型保护方法，包括步骤1，接收用户查询请求后，获取所需的经过训练的神经网络模型参数П、Θ，用户神经网络模型参数使用集合П＝{π1，π2，π3，…，πM}表示，其中πi表示第i次训练相同神经网络所得的模型集；Θ表示神经网络经过迭代训练不同层数上所有参数的集合；步2，通过核密度估计法处理输入的参量数据Θ，得到参量的概率分布函数；步骤3，通过得分函数p(u，v)处理各个参量θ(u，v)的取值分值，所得的总分值大小P，表明取值可能性的大小；步骤4，返回取值可能性最大时的参量数值，所述参量数值即为用户查询请求的结果。本发明使请求模型参数的用户无法根据返回结果获取隐私数据，从而起到用户隐私保护的作用。
-
公开(公告)号：CN110457951A
公开(公告)日：2019-11-15
申请号：CN201910767566.X
申请日：2019-08-19
Applicant: 南京大学
Abstract: 本发明公开一种无人工噪声的深度学习模型保护方法，包括步骤1，接收用户查询请求后，获取所需的经过训练的神经网络模型参数П、Θ，用户神经网络模型参数使用集合П＝{π1，π2，π3，…，πM}表示，其中πi表示第i次训练相同神经网络所得的模型集；Θ表示神经网络经过迭代训练不同层数上所有参数的集合；步2，通过核密度估计法处理输入的参量数据Θ，得到参量的概率分布函数；步骤3，通过得分函数p(u，v)处理各个参量θ(u，v)的取值分值，所得的总分值大小P，表明取值可能性的大小；步骤4，返回取值可能性最大时的参量数值，所述参量数值即为用户查询请求的结果。本发明使请求模型参数的用户无法根据返回结果获取隐私数据，从而起到用户隐私保护的作用。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
