一种抗增强梯度攻击的安全高效联邦学习方法

    公开(公告)号:CN119416261A

    公开(公告)日:2025-02-11

    申请号:CN202411559082.3

    申请日:2024-11-04

    Applicant: 南通大学

    Abstract: 本发明涉及联邦学习、抗增强梯度攻击和隐私保护技术领域,尤其涉及一种抗增强梯度攻击的安全高效联邦学习方法。本发明在不泄露参与者隐私的前提下,通过对参与者整数型更新向量的分量上界和L2范数的约束,进行联合防御,能高效地剔除恶意参与者的增强梯度投毒攻击。本发明结合了布尔共享和Diffie‑Hellman密钥交换协议,保护了参与者的模型更新向量的隐私,同时参与者进行隐私保护的操作也是轻量级的布尔运算,不需要昂贵的加密操作,并且隐私保护操作没有进一步增加参与者的通信开销。本发明提出一种使用二选一不经意传输协议的方法,把服务器拥有的布尔共享转换成其相应的算术共享,服务器再使用算术共享来进行联邦学习全局模型的聚合。

    一种保护隐私的量化联邦学习方法

    公开(公告)号:CN118940310A

    公开(公告)日:2024-11-12

    申请号:CN202410933275.4

    申请日:2024-07-12

    Applicant: 南通大学

    Abstract: 本发明提供了一种保护隐私的量化联邦学习方法,属于智能物联网中的联邦学习、量化和隐私保护技术领域,解决了联邦学习过程中存在的通信开销大和隐私泄露的技术问题。其技术方案包括以下步骤:S10、系统初始化;S20、本地模型参数的量化编码;S30、量化更新向量的隐私保护;S40、服务器布尔共享的生成;S50、布尔共享到算术共享的转换;S60、算术共享矩阵的聚合;S70、本地模型更新。本发明的有益效果为:该方法不仅减少了联邦学习中参与者的通信开销,还保护了参与者模型更新向量的隐私。

    一种可撤销用户的身份基加密方法

    公开(公告)号:CN119299090A

    公开(公告)日:2025-01-10

    申请号:CN202411399250.7

    申请日:2024-10-09

    Applicant: 南通大学

    Abstract: 本发明提供了一种可撤销用户的身份基加密方法,属于密码学技术领域,解决了身份基加密中撤销用户时密钥更新开销大的技术问题。其技术方案包括以下步骤:S10、系统初始化;S20、用户私钥生成;S30、更新私钥生成;S40、用户解密钥生成;S50、加密算法;S60、解密算法;S70、撤销用户算法。本发明的有益效果:该方法极大减少了密钥更新时系统管理员的计算开销。

    一种可检索的去中心化细粒度安全共享知识的方法

    公开(公告)号:CN118337417A

    公开(公告)日:2024-07-12

    申请号:CN202410348776.6

    申请日:2024-03-26

    Applicant: 南通大学

    Abstract: 本发明提供了一种可检索的去中心化细粒度安全共享知识的方法,属于物联网知识细粒度安全共享技术领域。解决了在不可信智能物联网中数字知识细粒度安全共享的技术问题。其技术方案为:包括以下步骤:S10、系统初始化;S20、属性机构初始化;S30、用户转换密钥生成;S40、数据加密;S50、密文检索;S60、外包解密;S70、属性撤销。本发明的有益效果:本发明实现了物联网知识的安全共享,有效提升了访问控制的灵活性和知识共享的便利性,保护了用户检索关键字的隐私。

    可证明安全的基于属性的在线/离线加密方法

    公开(公告)号:CN103973449B

    公开(公告)日:2017-05-17

    申请号:CN201410167043.9

    申请日:2014-04-23

    Applicant: 南通大学

    Abstract: 本发明公开了两种基于属性的在线/离线加密(ABOOE)方法,包括具有选择明文安全和选择密文安全的ABOOE方法,将基于属性加密(ABE)的加密过程分解成离线和在线两个阶段:离线阶段在不知明文和所需属性集合的前提下,对加密所需复杂计算进行预处理;然后,在线阶段获知消息和属性集合后,仅需少量简单计算即可生成密文。本发明提供基于属性的在线/离线密钥封装机制(ABOOKEM)的构建方法和相应方案,并构造出将单向性ABOOKEM转化成CCA安全ABOOE的通用方法。该方法在不增加计算量的前提下有效提高了ABOOE的安全性。本发明的ABOOE提高了ABE的加密效率,适用于计算能力高度受限的终端设备。

    一种基于区块链的智能物联网隐私保护联邦学习方法

    公开(公告)号:CN118400089A

    公开(公告)日:2024-07-26

    申请号:CN202410453079.7

    申请日:2024-04-16

    Applicant: 南通大学

    Abstract: 本发明提供了一种基于区块链的智能物联网隐私保护联邦学习方法,属于联邦学习、隐私保护、区块链技术领域,解决了智能物联网中隐私保护联邦学习的用户掉线造成模型训练失败的技术问题。其技术方案包括以下步骤:S10、全局初始化,系统管理员构建区块链平台,生成系统全局参数;S20、本地模型参数的编码,计算模型参数密文;S30、密文的聚合,并计算掩码之和;S40、模型更新,参与者解密聚合模型的密文,去除掩码,更新全局模型参数。本发明的有益效果为:该方法不仅保护联邦学习中参与者的梯度隐私,缩短了密文的长度,极大地减少了系统的通信开销。

    一种抗密钥连续辅助输入泄漏的基于属性加密方法

    公开(公告)号:CN105743642B

    公开(公告)日:2018-08-14

    申请号:CN201610266492.8

    申请日:2016-04-26

    Applicant: 南通大学

    Abstract: 本发明提供了一种抗密钥连续辅助输入泄漏的基于属性加密方法,包括以下步骤,私钥生成中心输入系统安全参数λ和合法属性集合U,构造一个m维向量,并将该m维向量嵌入到系统公钥PK和系统主密钥MSK;私钥生成中心认证用户拥有的属性集合ω,利用系统主密钥MSK和系统公钥PK,生成包含m维向量的用户私钥SKω;加密方利用系统公钥PK和设定的访问策略,对待加密处理的信息进行加密,生成包含mn1维向量的密文;仅在用户私钥SKω的属性满足密文的访问策略时,该用户才解密得到明文。在本发明中,系统主密钥MSK和用户私钥SKω可以连续无界泄漏,提高了用户私钥SKω兼容性,在保证加密信息安全性的前提下,减少了系统主密钥长度及用户私钥长度。

    可证明安全的基于属性的在线/离线加密方法

    公开(公告)号:CN103973449A

    公开(公告)日:2014-08-06

    申请号:CN201410167043.9

    申请日:2014-04-23

    Applicant: 南通大学

    Abstract: 本发明公开了两种基于属性的在线/离线加密(ABOOE)方法,包括具有选择明文安全和选择密文安全的ABOOE方法,将基于属性加密(ABE)的加密过程分解成离线和在线两个阶段:离线阶段在不知明文和所需属性集合的前提下,对加密所需复杂计算进行预处理;然后,在线阶段获知消息和属性集合后,仅需少量简单计算即可生成密文。本发明提供基于属性的在线/离线密钥封装机制(ABOOKEM)的构建方法和相应方案,并构造出将单向性ABOOKEM转化成CCA安全ABOOE的通用方法。该方法在不增加计算量的前提下有效提高了ABOOE的安全性。本发明的ABOOE提高了ABE的加密效率,适用于计算能力高度受限的终端设备。

Patent Agency Ranking