-
公开(公告)号：CN118133355B
公开(公告)日：2024-07-09
申请号：CN202410546083.8
申请日：2024-05-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请提供一种基于身份基同态签名的联邦学习方法及相关设备；该方法包括：用户端：利用用户标识生成身份私钥的第一部分，利用第一哈希函数和用户标识生成身份私钥的第二部分，将第一部分和第二部分组成身份私钥；对本地模型进行训练得到本地模型参数；对本地模型参数加密，并利用身份私钥和标签对加密后的本地模型参数进行签名，将签名和加密的本地模型参数发送至服务器端。服务器端：接收各用户端发来的签名，利用标签和用户标识对各签名进行验证；签名有效则接收加密的本地模型参数并解密；聚合本地模型参数得到聚合参数，对聚合参数进行加密，利用各用户端的签名对加密的聚合参数计算生成同态签名，将加密的聚合参数和同态签名发送至用户端。
-
公开(公告)号：CN118133328B
公开(公告)日：2024-07-09
申请号：CN202410573742.7
申请日：2024-05-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请提供的一种去中心化学习方法、系统及相关设备，包括：获取初始参数，对本地区块链模型进行训练，得到梯度更新参数；根据梯度更新参数确定欧几里得范数；对梯度更新参数进行加密得到加密梯度更新参数；获取范数约束，根据范数约束确定零知识证明；获取其他客户端的加密梯度更新参数及零知识证明，对其他客户端的零知识证明进行验证，生成第一验证结果；响应于客户端属于合规客户端集合，确定合规客户端集合中每个客户端对应的加密梯度更新参数，并计算聚合盲因子，对聚合盲因子进行正确性验证，生成第二验证结果；响应于客户端属于更新后的合规客户端集合，进行安全多方计算得到聚合更新参数；根据聚合更新参数对梯度更新参数进行调整。
-
公开(公告)号：CN119853910A
公开(公告)日：2025-04-18
申请号：CN202510334207.0
申请日：2025-03-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本公开提供一种道路交通终端标识方法及相关装置，该方法包括：客户端对道路交通终端设备采集硬件信息和时间戳，生成对称密钥并创建终端标识码。使用对称密钥加密终端标识码，接收代理节点的代理公钥并加密对称密钥。生成客户端公私钥，用私钥对终端标识码签名。将客户端公钥、加密后的终端标识码、加密后的对称密钥及终端标识签名发送至代理节点，由其生成终端标识解析结果并返回。本公开减轻了终端设备的计算和存储压力，提升了标识管理的效率和安全性，增强了系统的实时性和解析效率。
-
公开(公告)号：CN118114774A
公开(公告)日：2024-05-31
申请号：CN202410535818.7
申请日：2024-04-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/04 , G06F40/284 , G06N3/02 , G06F17/16
Abstract: 本公开提供一种大模型推断方法、装置、电子设备、存储介质及程序产品，包括：向客户端发送词嵌入的嵌入矩阵，接收客户端发送的基于待推断词语、第一秘密共享份额和嵌入矩阵得到的第二密文，以得到第二秘密共享份额，将第一神经网络的参数和第二秘密共享份额发送到所述客户端，得到第一关联结果，基于第一关联结果和第一神经网络的参数得到第一待截断信息，通过预先构建的第一扰动信息对第一待截断信息进行截断，以完成第一神经网络中的矩阵乘法，基于矩阵乘法结果进行处理得到第一输出结果，基于第二神经网络对第一输出结果进行处理，得到第二输出结果，并进行转化处理，得到推断结果。本公开传输数据量较小，计算时间较短，因此效率较高。
-
公开(公告)号：CN118114676A
公开(公告)日：2024-05-31
申请号：CN202410535821.9
申请日：2024-04-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F40/295 , G06F21/60
Abstract: 本公开提供一种命名实体识别方法、系统、设备、存储介质及程序产品，该方法包括：接收模型持有者端发送的模型秘密共享份额和数据持有者端发送的数据秘密共享份额；其中，模型秘密共享份额由基于秘密共享技术对命名实体识别模型进行加密得到，数据秘密共享份额由基于秘密共享技术对待识别数据进行加密得到；在秘密共享域下，基于模型秘密共享份额对数据秘密共享份额进行识别，得到识别结果秘密共享份额；将识别结果秘密共享份额发送到数据持有者端。其中，第三方服务器上处理的是由基于秘密共享技术对命名实体识别模型进行加密得到的模型秘密共享份额和由基于秘密共享技术对待识别数据进行加密得到的数据秘密共享份额，避免了隐私泄露的问题。
-
Patent Agency Ranking
公开(公告)号：CN115514967B
公开(公告)日：2023-03-21
申请号：CN202211382188.1
申请日：2022-11-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04N19/176 , H04N19/85
Abstract: 本发明公开了一种基于二进制块双向编码的图像压缩方法及图像解压方法，图像压缩方法包括：获取待压缩图像对应的多个待处理图像块，根据待处理图像块的大小获取类型判断阈值；根据待处理图像块对应的第一符号数目和第二符号数目获取编码类型判断参数；根据各待处理图像块的编码类型判断参数和类型判断阈值之间的大小关系确定各待处理图像块的块类型和标志符号；根据各待处理图像块的块类型和标志符号，通过预设的图像块编码步骤对各待处理图像块中目标编码符号的数目和位置进行编码，并获得各图像块编码结果；根据上述待压缩图像对应的所有图像块编码结果获取图像压缩结果。本发明有利于提高图像压缩处理效率。
-
公开(公告)号：CN115514967A
公开(公告)日：2022-12-23
申请号：CN202211382188.1
申请日：2022-11-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04N19/176 , H04N19/85
Abstract: 本发明公开了一种基于二进制块双向编码的图像压缩方法及图像解压方法，图像压缩方法包括：获取待压缩图像对应的多个待处理图像块，根据待处理图像块的大小获取类型判断阈值；根据待处理图像块对应的第一符号数目和第二符号数目获取编码类型判断参数；根据各待处理图像块的编码类型判断参数和类型判断阈值之间的大小关系确定各待处理图像块的块类型和标志符号；根据各待处理图像块的块类型和标志符号，通过预设的图像块编码步骤对各待处理图像块中目标编码符号的数目和位置进行编码，并获得各图像块编码结果；根据上述待压缩图像对应的所有图像块编码结果获取图像压缩结果。本发明有利于提高图像压缩处理效率。
-
公开(公告)号：CN115720168A
公开(公告)日：2023-02-28
申请号：CN202211446357.3
申请日：2022-11-18
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种针对云端加密数据的去重和完整性验证方法，方法包括：云服务器生成私钥和公共参数，公开公共参数；用户端获取待上传数据并加密获得加密数据，向云服务器发送加密数据的哈希值以触发云服务器判断自身是否存储目标云端加密数据；若云服务器存储有目标云端加密数据，用户端与云服务器进行所有权证明，用户端与云服务器交互生成安全文件标签，用户端生成待上传数据的再签名密钥和验证密钥并上传再签名密钥；云服务器为目标云端加密数据的所有者生成数据完整性证明；用户端根据数据完整性证明的数量确定目标云端加密数据的所有者数量，并验证目标云端加密数据的完整性。本发明可提高云服务器的利用率、云端数据存储和使用的安全性。
-
公开(公告)号：CN114897053A
公开(公告)日：2022-08-12
申请号：CN202210382614.5
申请日：2022-04-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本实施例提供一种子空间聚类方法、装置、设备及存储介质，该方法包括：通过预设神经网络模型对原始数据特征进行特征提取、自表示处理、解码处理等操作得到目标损失函数，其中，是利用核范数对预设的自表示系数矩阵施加低秩先验以进行自表示处理。通过目标损失函数对神经网络模型进行训练，从训练好的卷积自编码网络模型中提取目标自表示系数矩阵，进一步得到目标相似度矩阵，然后利用聚谱类算法对目标相似度矩阵进行分割得到子空间聚类结果。本申请基于核范数与卷积自编码网络模型实现对自表示系数矩阵的学习，进而得到准确性更高的相似度矩阵，最后得到准确性更高的子空间聚类结果，本申请的方法能够提升子空间聚类的准确率。
-
公开(公告)号：CN116502729A
公开(公告)日：2023-07-28
申请号：CN202310354035.4
申请日：2023-03-31
Applicant: 哈尔滨工业大学(深圳)
IPC: G06N20/00 , G06F18/214 , G06F18/21 , G06N5/01 , H04L9/08
Abstract: 本发明提供一种基于梯度提升决策表的隐私保护垂直联邦学习方法及系统，方法应用于包括多个参与终端的系统中，每个参与终端持有每个学习样本的部分特征数据，且各个参与终端持有的特征数据的类别不同；本发明提供的学习方法中，在学习的全部过程中，所有的中间数据都是被加密的，每个参与终端只能获取到数据的加性秘密共享份额，而无法获取到完整的明文数据。本发明可以实现对基于梯度提升决策表的隐私保护垂直联邦学习数据的隐私保护。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.026 seconds)
