-
公开(公告)号：CN110266489A
公开(公告)日：2019-09-20
申请号：CN201910640097.5
申请日：2019-07-16
Applicant: 重庆邮电大学
Abstract: 本发明属于量子计算和量子通信领域，特别涉及一种基于拉格朗日酉算子的量子门限秘密共享方法及系统，所述方法包括分发者为参与者制备影子密钥和旋转密钥；分发者委派授权子集中的受信任的参与者作为重构者，重构者从授权子集中挑选t个包括自己在内的参与者作为授权子集；分发者生成一个秘密粒子，并对秘密粒子进行拉格朗日酉操作获得信息粒子；分发者以诱骗粒子的传输模式将信息粒子传送给重构者；重构者验证该传送过程是否存在偷窃行为；若传输过程不存在偷窃行为，授权子集中的每个参与者依次对信息粒子进行操作，再发给重构者进行混合操作得到秘密粒子；本发明既验证消息粒子的合法性，又重构出原始的秘密粒子，提高了验证效率。
-
公开(公告)号：CN108737116A
公开(公告)日：2018-11-02
申请号：CN201810676880.2
申请日：2018-06-27
Applicant: 重庆邮电大学
CPC classification number: H04L9/3226 , H04L9/085 , H04L9/0852 , H04L9/0863 , H04L2209/463
Abstract: 本发明提出一种基于d维三量子纠缠态的投票表决协议方法，属于量子计算和量子认证技术领域。本发明由投票管理中心制备d维三量子纠缠系统，将三个量子分别分发给投票群组、监票人和计票人，同时制备n个私密份额和群组认证码a0，将私密份额发放给n个投票群组注册授权者，并从投票群组中选出t个具有投票资格的人参与投票，将群组认证码发放给监票人；投票群计算各自的私密认证码，根据自己的表决意向和私密认证码进行投票表决；投票完成后监票人利用手中群组认证码对手中量子进行酉操作，通过测量对安全性进行认证；通过认证后计票人得到投票表决结果。本发明与其它协议相比所需制备量子数更少因而提高了效率，且使用任意d维量子态加强了协议灵活性、通用性。
-
公开(公告)号：CN119341734A
公开(公告)日：2025-01-21
申请号：CN202410469747.5
申请日：2024-04-18
Applicant: 重庆邮电大学
IPC: H04L9/08
Abstract: 本发明涉及量子计算和量子密码领域，具体涉及一种可用于量子密钥恢复攻击的不含相位门的模乘电路；包括：构造+1所需的加法电路；构造+1电路；构造半经典的进位器；构造半经典的常数算数加法电路，构造半经典的比较器；构造基于二分法的半经典的常数模加电路；构造半经典的out‑of‑place常数模乘电路；构造半经典的in‑place常数模乘电路；由于该发明中的电路仅包含X门，√X门，CX门，以及多重CX，故发明中的量子电路可以容易地在经典计算机上模拟，也可以在没有大量计算资源的条件下测试其正确性，同时该电路也能尽量避免由相位合成带来的计算精度的损失。
-
公开(公告)号：CN118174852A
公开(公告)日：2024-06-11
申请号：CN202311770013.2
申请日：2023-12-21
Applicant: 重庆邮电大学
Abstract: 当前量子安全多方凸包协议存在时间复杂度较高，所耗费辅助量子比特资源较多的问题。本发明首先提出了一种基于量子同态加密的值大小比较方法，该方法在量子同态加密的基础上使用了具有较少辅助量子比特的量子电路来进行值大小比较。在此方法基础上，本发明提出了一种安全多方凸包计算方法，在该方法中，每个参与者首先计算出自己的点集中的最大最小值。然后，服务器计算出整个点集集合的最大最小值，参与者代表将其加入到凸集集合中，并连接这最大最小值的点形成直线l0。最后，在直线l0上侧中求出距该直线最远的点，并加入到凸集集合中，再通过不断重复连接新直线、求距新直线上侧中最远的点，最终求出直线l0上侧的所有凸集点,直线l0下侧的凸集点的求法同理可得，最终求出所有凸集点。该方法能够同时抵抗提出的外部攻击和内部攻击，同时该方法中所需耗费辅助量子比特资源更少，耗费时间更低。
-
公开(公告)号：CN117768091A
公开(公告)日：2024-03-26
申请号：CN202311774194.6
申请日：2023-12-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及量子密码学领域，具体涉及针对改进的Type‑III型Feistel结构的量子密码分析方法，包括：针对改进的Type‑III型Feistel结构，构造其周期函数f；基于周期函数f，构造具有多项式时间的x轮量子区分器；在x轮基础上向下扩展y轮，可得到x+y＝z轮的加密预言机O；敌手A，使用量子叠加态方式询问预言机O若干次；敌手A，利用Grover meets Simon算法，对d分支z轮改进的Type‑III型Feistel结构，进行量子选择明文密钥恢复攻击。本发明可加速搜索密钥的效率，更加高效的对现有的分组密码结构进行量子安全性分析。
-
Patent Agency Ranking
公开(公告)号：CN117527234A
公开(公告)日：2024-02-06
申请号：CN202311770016.6
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: H04L9/08
Abstract: 本发明涉及量子通信和量子密码学领域，具体涉及一种基于盲矩阵的非模d量子安全多方求积方法；包括：通过n个参与者构建盲矩阵，每个参与者将生成的元素发送给其他对应参与者然后根据自己收到的元素值计算盲化值；半可信第三方制备相互无偏基粒子序列发送给第一个参与者，参与者根据自己的盲化值和秘密值信息对粒子执行酉操作；粒子在参与者之间环形传输；半可信第三方根据测量结果进行窃听检测和乘积计算。本发明降低了对参与者量子计算能力的要求；可以用于非模d乘积计算，提升了计算精度；通过盲矩阵的特性，增强了方法安全性；本发明不需要额外的操作就可以计算某个参与者的排序数，具有更强的适用性。
-
公开(公告)号：CN115934944A
公开(公告)日：2023-04-07
申请号：CN202211594439.2
申请日：2022-12-13
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/295 , G06F40/30 , G06F18/214 , G06F18/2415 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于Graph‑MLP与相邻对比损失的实体关系抽取方法，包括：获取具有标签信息的训练文本数据；根据词表对训练文本进行分词处理；将训练文本中的单词嵌入向量表示得到训练文本的词序列向量；将训练文本的词序列向量输入Bi‑LSTM中提取得到训练文本的上下文语义特征表示；创建Graph‑MLP关系分类模型；并将训练文本的上下文语义特征表示作为训练样本对Graph‑MLP关系分类模型进行训练；获取目标文本的词序列向量，将目标文本的词序列向量输入训练好的Graph‑MLP关系分类模型输出目标文本中两个实体之间的关系。
-
公开(公告)号：CN112887034B
公开(公告)日：2022-01-04
申请号：CN202110089483.7
申请日：2021-01-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及量子通信安全技术领域，具体涉及一种高安全性的量子多方隐私求和方法，包括：第三方TP根据系数矩阵和单量子态构造传输序列S′，并通过量子信道将S′发送给参与者Bob1；Bob1对接收到的传输序列S′执行酉变换、粒子重新排序操作，得到新传输序列S1'，将S1'发送给下一个参与者Bob2。Bob2接收到传输序列S1'后，执行与Bob1相同的操作并传递给下一个参与者，传输序列一直在参与者中依次传递直到最后一个参与者Bobn对接收到的传输序列执行酉变换、粒子重新排序后，得到新传输序列S′n并发回TP；TP对S′n执行窃听检测，若量子信道有无窃听者，则重启方法，否则请求参与者计算所有随机数的和，TP以此计算参与者隐私的求和值。本方法在有效降低资源消耗和通信消耗的同时，具有更高的安全性。
-
公开(公告)号：CN110336775A
公开(公告)日：2019-10-15
申请号：CN201910331441.2
申请日：2019-04-24
Applicant: 重庆邮电大学
Abstract: 本发明属于量子计算和量子认证技术领域，涉及一种基于Grover算法的量子群认证方法，包括认证管理中心制备初始认证量子态，并且通过安全量子信道发送给需要认证的网络群组，接着制备多个私密份额作为注册用户身份信息并通过经典信道发送给注册用户，并且为网络群组生成一个群组标识符并通过经典信道发送给网络群组；认证阶段每个参与认证的用户根据自己身份信息和群组标识符对认证量子态进行酉变换，最后群组将酉变换后的认证量子态传回给认证管理中心，进行对比得出认证结果；本发明使用了Grover算子，对Grover算子的用法进行了扩展，能够对群体用户身份和网络群组标识符同时进行认证，双重认证提高了认证方法的安全性。
-
公开(公告)号：CN119962634A
公开(公告)日：2025-05-09
申请号：CN202510015597.5
申请日：2025-01-06
Applicant: 重庆邮电大学
IPC: G06N3/098 , G06N3/084 , G06N3/0499 , G06N10/20 , G06F21/62
Abstract: 本发明属于联邦学习技术领域，具体涉及一种基于分布式盲量子计算的量子联邦学习方法；包括：将训练集数据通过基于哈夫曼树编码的基编码映射成量子数据；在模型训练过程中，通过自然梯度下降法更新模型信息；通过分布式盲量子计算的架构，客户端对量子进行旋转Z门操作将模型聚合任务委托给服务器。通过本发明所提出的方法，客户端的模型信息始终对服务器保持盲化，提升了数据隐私安全性；此外，自然梯度下降法结合了量子几何张量，提高了寻找全局最小值的效率，提高了模型的性能和准确性。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.028 seconds)
