一种隐私保护的联盟打车方法及系统

    公开(公告)号:CN109345438A

    公开(公告)日:2019-02-15

    申请号:CN201811181539.6

    申请日:2018-10-11

    Abstract: 一种隐私保护的联盟打车方法及系统,属于匿名认证、隐私保护以及区块链技术领域。包括多个打车云服务提供商共享用户的数据组件联盟打车平台,乘客向路边节点发送联盟打车请求,路边节点验证乘客的身份和数据,在自己的覆盖区域内广播该请求,收到广播的司机向路节点发送联盟打车响应;路边节点验证司机的身份和数据,将匹配的司机信息发送给对应的乘客;乘客与司机联系后向路边节点发送确认信息,开始联盟打车,乘客向司机匿名支付车费;路边节点维护联盟区块链。所述打车方法及系统为乘客及时提供打车服务,为云服务提供商提供商业利益,保护用户隐私和云服务提供商商业机密,在现有协议基础上降低计算开销和通信开销。

    一种匿名打车系统及移动安全支付方法

    公开(公告)号:CN105741536A

    公开(公告)日:2016-07-06

    申请号:CN201610157091.9

    申请日:2016-03-18

    Abstract: 一种匿名打车系统包括下单模块、订单处理模块、抢单模块、交互与评价模块、交互模块、调度模块、收费模块、支付模块、支付处理模块;一种移动安全支付方法步骤为:下单模块发起打车请求,抢单模块抢单,订单处理模块处理订单,调度模块分派车辆接送用户;司机及用户通过交互模块及交互与评价模块交换各自信息,主要包括姓名、手机号及车牌号;司机将用户送达目的地后,收费模块向用户收取当前打车的费用,支付模块与支付处理模块交互,向司机端收费模块支付费用。上述过程中,打车过程与支付过程都匿名进行,因此可以有效地保护用户的隐私。本发明的匿名认证技术对司机与用户隐私进行保护;移动安全支付确保保护支付隐私不被泄露。

    一种支持隐私保护和身份追踪的区块链交易方法

    公开(公告)号:CN119599665A

    公开(公告)日:2025-03-11

    申请号:CN202411772463.X

    申请日:2024-12-04

    Abstract: 本发明涉及一种支持隐私保护和身份追踪的区块链交易方法,属于区块链应用技术领域。该方法的具体过程为:金融管理机构FMA根据安全参数λ,生成用于成员注册和异常分析的公钥/私钥对,并对公钥进行群发;在区块链上部署充值合约和支付合约;每个消费者ui通过移动设备向FMA注册成为交易系统的成员用户,注册成功后消费者持有FMA返回的群签名密钥gski;支付服务运营商cj在提供服务之前向FMA注册成为成员,注册成功后支付服务运营商持有FMA返回其所管理的每一产品终端的标识符pid;消费者基于所述签名密钥gski和产品终端的标识符pid,调用支付合约进行订单支付,以及最后还包括异常分析环节。

    一种基于重投票的共识加速方法
    24.
    发明公开

    公开(公告)号:CN118944888A

    公开(公告)日:2024-11-12

    申请号:CN202410424245.0

    申请日:2024-04-10

    Abstract: 本发明提供了一种基于重投票的共识加速方法,其中该方法,包括:当节点的交易信息通过合法性验证后,当前视图下的主节点收集不少于预设个数的节点针对前序区块Bk‑1的投票生成聚合签名,并将聚合签名、前序区块Bk‑1的哈希值和待上链的交易打包成一个区块Bk,并广播;当没有提案获得的票数大于等于预设阈值时,区块链系统进入重投票阶段;当有效的区块Bk产生后,将区块Bk‑2提交,区块链系统继续执行下一轮的共识过程。本发明将重投票机制引入共识协议中,可以在主节点收集投票的过程中,允许副本节点改变他们的投票,使主节点可以更早收集到足够的投票,解决了传统的分布式一致性协议在处理海量交易时存在效率低下的问题。

    一种基于零知识证明的隐私保护与可验证的联邦学习方法

    公开(公告)号:CN114841363B

    公开(公告)日:2024-07-23

    申请号:CN202210374786.8

    申请日:2022-04-11

    Abstract: 本发明涉及一种基于零知识证明的隐私保护与可验证隐私的联邦学习方法,属于人工智能机器学习技术领域,包括训练任务发布、本地训练、证明生成、训练结果提交、训练过程验证和训练参数聚合。本发明在联邦学习过程中利用零知识证明技术,在不泄露训练者的隐私数据的情况下向发布者证明训练过程的正确性。本发明对于联邦学习中所使用的训练算法没有限定和要求,支持对任意训练过程的证明,使得联邦学习具有可验证和隐私保护的性质,提高了联邦学习的安全性。同时,本发明采用了一种将小数机器学习过程转化为整数机器学习过程的方法,将复杂的机器学习过程通过一系列涉及加减乘除的简单运算的组合表示,将机器学习过程和密码学进行有机的联系与结合。

    一种基于TEE的代码与数据同步提供的远程证明方法

    公开(公告)号:CN118368082A

    公开(公告)日:2024-07-19

    申请号:CN202410248349.0

    申请日:2024-03-05

    Abstract: 本发明涉及一种基于TEE的代码与数据同步提供的远程证明方法,属于隐私计算技术领域。首先,各参与方向隐私计算服务中心进行证书申请。然后,业务需求方与数据提供方签约。之后,业务需求方申请使用可信执行环境。可信执行环境与业务需求方进行身份认证和密钥协商,并与数据提供方进行身份认证和密钥协商。然后,业务需求方部署代码到可信执行环境。最后,数据提供方传输数据到可信执行环境。本方法能够保证用户和远程可信执行环境可靠、安全的建立信任链和安全信道。

    一种基于区块链和一致性重投票的共识加速方法

    公开(公告)号:CN118316590A

    公开(公告)日:2024-07-09

    申请号:CN202410424273.2

    申请日:2024-04-10

    Abstract: 本发明提供了一种基于区块链和一致性重投票的共识加速方法,其中该方法,包括:当交易信息通过合法性验证后,当前视图下的主节点收集不少于预设个数的节点针对前序区块的投票生成聚合签名,并将聚合签名、前序区块的哈希值和待上链的交易打包成一个区块;当没有提案获得的票数大于等于预设阈值时,区块链系统进入重投票阶段;当有效的区块Bk产生后,将区块Bk‑2提交,区块链系统继续执行下一轮的共识过程。本发明通过引入了重投票机制,使得在主节点收集投票的过程中,副本节点有权更改其投票,从而让主节点更早地获取足够的投票。这一创新有效地提高了联盟链现有共识协议的性能,解决了传统分布式一致性协议在处理大量交易时效率低下的难题。

Patent Agency Ranking