-
公开(公告)号：CN107070651A
公开(公告)日：2017-08-18
申请号：CN201710212239.9
申请日：2017-04-01
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于EPR对的设备无关量子隐私查询方法，所述基于EPR对的设备无关量子隐私查询方法在设备无关密钥分发思想的基础上，利用EPR纠缠对提出设备无关的量子隐私查询协议；通过计算CHSH不等式违背，判断Bob是否制备了真正的纠缠对，乃至数据库拥有者Bob和用户Alice是否共享了纠缠对。即使Eve可以提供或者控制量子态制备源或者测量设备，数据库的信息也不会泄露给Eve。与已有的量子隐私查询协议相比，本发明的协议，在用于分发密钥的量子态制备源或测量设备不可信任的条件下仍然是安全的。
-
公开(公告)号：CN106789083A
公开(公告)日：2017-05-31
申请号：CN201710021571.7
申请日：2017-01-12
Applicant: 成都信息工程大学
IPC: H04L9/32 , H04L12/42 , H04L12/437
Abstract: 本发明公开了一种基于可信第三方的环状量子信任评估模型，所述基于可信第三方的环状量子信任评估模型根据环状的性质可知环状结构决定路径选择的唯一性，信任信息按照环的形式进行单向传递；引入备用桥TTP机制，当环状结构中的某条路径被破坏，此时就会立即启动备用TTP；将具有相似偏好或相同属性的节点归到同一个域内，并将被评价过节点的信誉值保存在节点所属的本地数据库中；归类并添加根TTP、子TTP和新的节点。本发明以确保具有可信第三方TTP的节点信任评估的安全可靠，避免了具有单一TTP的节点信任评估给量子通信网络带来的负担。
-
公开(公告)号：CN106778287A
公开(公告)日：2017-05-31
申请号：CN201710021804.3
申请日：2017-01-12
Applicant: 成都信息工程大学
IPC: G06F21/57
CPC classification number: G06F21/577
Abstract: 本发明公开了一种基于云模型推理的移动用户行为可信评判模型及评判方法，可信评判模型为移动用户行为评判标准集为C＝{C1,C2,...,Cn}，其中表示移动用户ui(i＝1，2，...,n)的评判标准集的数字特征。所述评判方法包括：评判主体根据实际情况设置容忍度，容忍度用R表示；以评判标准集为依据得到评判该移动用户行为的数字特征，由正向云发生器，正向云发生器是将定性概念转换成定量的描述，得到代表移动用户行为的云滴，并经过转换得到表征移动用户行为的云模型和移动用户行为评判的云模型；最后经过云模型推理及云模型综合评判。本发明建立移动互联网环境下基于云模型推理的移动用户行为可信评判模型，确保移动用户行为可信评判和移动互联网应用环境的安全可信。
-
公开(公告)号：CN105721157A
公开(公告)日：2016-06-29
申请号：CN201610029124.1
申请日：2016-01-18
Applicant: 成都信息工程大学
CPC classification number: H04L9/3226 , H04L9/0852 , H04L63/083
Abstract: 本发明公开了一种以纠缠态为量子载体的节点可信接入模型的建立方法，采用以纠缠态为量子载体的量子身份认证技术认证待接入节点的身份；身份认证后，接入控制中心通过以纠缠态为量子载体的量子授权管理技术与授权管理中心进行交互，验证入网权限；节点接入受保护网络后，接入控制中心采用信任值来认证其可信性，并决定是否断开网络连接；当节点退出受保护的网络后，接入控制中心将节点入网情况记入日志，上报授权管理中心。本发明实现了未来量子通信网络中节点的安全可信接入，防止了量子通信网络环境下节点接入的假冒、恶意行为等问题，确保了量子通信网络的安全性和可控可管性；丰富了量子通信网络相关理论与技术的研究。
-
公开(公告)号：CN117313887B
公开(公告)日：2025-05-13
申请号：CN202311410059.3
申请日：2023-10-27
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于模糊学习的量子度量学习方法，属于量子机器学习技术领域，包括以下步骤：获取输入特征转换为模糊集合；通过模糊组件处理模糊集合中的不确定性特征；整合原始特征和模糊信息，以减少数据中的不确定信息；将整合后的信息作为量子特征映射的输入进行量子度量学习。本发明中，通过设计的模糊组件，能够处理真实数据集中的不确定性特征，减少由于噪声等因素导致的数据不确定性和歧义，同时，还可以弥补数据预处理过程中可能遗失的部分有效信息，提高模型的鲁棒性，通过模糊组件，能够有效地抽取出高阶的潜在模糊特征，为数据的深层次信息提供了有力的补充，进一步增强了模型的识别与分类能力。
-
Patent Agency Ranking
公开(公告)号：CN118485155B
公开(公告)日：2025-01-07
申请号：CN202410540466.4
申请日：2024-04-30
Applicant: 成都信息工程大学
IPC: G06N10/60 , G06N10/20 , G06N3/0464 , G06N10/70 , G06V10/764 , G06N3/084
Abstract: 本发明属于抵抗量子噪声干扰技术领域，公开了一种基于量子随机罢黜的抵抗量子噪声干扰方法及系统，本发明针对以往量子‑经典混合神经网络缺少对量子噪声的考虑以及在量子噪声的干扰下，大规模量子线路，比如量子卷积神经网络在图像识别分类的准确度上严重下降等问题，设计了一种新的实验环境，即利用经典计算机模拟含噪声的量子电路。这使得在经典计算机环境下的量子神经网络模型与真实量子设备环境下实验的结果基本一致，实验结果更具有实际意义，其次在量子计算机上运行的算法同样可以在经典计算机上进行模拟，大大降低了实验的成本。
-
公开(公告)号：CN119172093A
公开(公告)日：2024-12-20
申请号：CN202410162494.7
申请日：2024-02-05
Applicant: 成都信息工程大学
Abstract: 本发明属于跨链身份认证技术领域，公开了一种基于无证书签密的跨链身份认证方法。本发明对目前跨链身份认证领域存在的去中心化程度低、进行身份认证需要的资源多和可扩展性较差的问题，设计了一种适用于跨链环境下的基于无证书签密的身份认证方案，不需要中心化的公钥证书体系，不用存储数字证书及对数字证书进行验证等，也不存在采用基于身份的加密算法的跨链方案中的密钥托管问题。本发明方案的跨链数字身份标识符合W3C的DID规范，使得本方案的身份认证系统可以连接跨链网络中的其他参与方，与其他兼容DID标准的系统进行互联互通，很好地解决了系统的可扩展性问题，从而兼容新的应用场景。
-
公开(公告)号：CN118485155A
公开(公告)日：2024-08-13
申请号：CN202410540466.4
申请日：2024-04-30
Applicant: 成都信息工程大学
IPC: G06N10/60 , G06N10/20 , G06N3/0464 , G06N10/70 , G06V10/764 , G06N3/084
Abstract: 本发明属于抵抗量子噪声干扰技术领域，公开了一种基于量子随机罢黜的抵抗量子噪声干扰方法及系统，本发明针对以往量子‑经典混合神经网络缺少对量子噪声的考虑以及在量子噪声的干扰下，大规模量子线路，比如量子卷积神经网络在图像识别分类的准确度上严重下降等问题，设计了一种新的实验环境，即利用经典计算机模拟含噪声的量子电路。这使得在经典计算机环境下的量子神经网络模型与真实量子设备环境下实验的结果基本一致，实验结果更具有实际意义，其次在量子计算机上运行的算法同样可以在经典计算机上进行模拟，大大降低了实验的成本。
-
公开(公告)号：CN118074898A
公开(公告)日：2024-05-24
申请号：CN202410162500.9
申请日：2024-02-05
Applicant: 成都信息工程大学
IPC: H04L9/08 , H04L9/00 , H04L9/40 , H04L9/32 , H04L67/1097
Abstract: 本发明属于量子加密技术领域，公开了一种基于量子重加密的区块数据共享方法及系统，包括区块链分布式应用服务器，用于接收用户的密文数据和量子哈希值，进行重加密，将重加密密文上传至分布式数据库，将量子哈希值上传至区块链；接收并处理用户的数据访问请求，向数据拥有者提供重加密密钥，向数据访问者提供密文和访问凭证；数据拥有者，提供数据，与网络中的其他用户共享自己的数据，加密数据并计算量子哈希值，计算并提供解密密钥；数据访问者，付费购买密文数据，使用解密密钥解密密文数据，验证数据完整性。本发明通过利用酉矩阵对量子态操作的恒等关系计算解密密钥，降低对重加密密钥安全性的要求，保护了共享数据的机密性。
-
公开(公告)号：CN116094686B
公开(公告)日：2024-03-19
申请号：CN202211719470.4
申请日：2022-12-30
Applicant: 成都信息工程大学
Abstract: 本发明属于量子卷积神经网络、云计算技术领域，公开了用于量子卷积计算的同态加密方法、系统、设备及终端，用户使用加密算法en(·)以及密钥key加密图像Pm×n；用户对数据集加密完成后，将加密数据集发送给量子云服务器；量子云服务器将加密图像的量子态输入量子卷积线路进行计算；量子云服务器测量密文量子图像的特征图enFm×n；用户将得到的密文特征图输入解密函数de(·)中解密得到明文特征图；逐个对密文特征图数据集进行解密，得到的特征图数据集并用于后续混合量子经典卷积神经网络的模型训练与预测。本发明既保护了用户的隐私，又考虑了算法的复杂性和实用性，适用性更广。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.051 seconds)
