-
公开(公告)号：CN116132017B
公开(公告)日：2023-09-26
申请号：CN202211434319.6
申请日：2022-11-16
Applicant: 泉城省实验室
Abstract: 本发明公开了隐私保护机器学习推理加速的方法及系统，SGX接收机器学习过程中的待推理数据，判断待推理数据是线性还是非线性，如果是非线性，则在SGX中进行非线性运算；如果是线性，SGX将线性数据部分进行加密，并将加密处理后的线性数据部分发送给FPGA；FPGA对加密处理后的线性数据部分进行解密处理，并将解密后的线性数据部分进行线性运算；线性运算结束后，FPGA将线性运算结果进行加密，并将加密的密文返回给SGX；SGX对接收到的密文进行解密后，再对解密后的数据进行非线性运算，至此完成机器学习的一次推理过程，继续完成机器学习的后续线性数据部分的处理，直至机器学习的所有待推理数据均被处理完毕。
-
-
公开(公告)号：CN119623583A
公开(公告)日：2025-03-14
申请号：CN202510163854.X
申请日：2025-02-14
Applicant: 泉城省实验室
Abstract: 本发明涉及联邦学习Krum算法硬件加速与优化系统及方法，属于联邦学习与硬件加速技术领域。包括数据控制模块、数据FIFO模块及算法计算模块；数据控制模块、数据FIFO模块及算法计算模块依次连接，数据控制模块连接算法计算模块；数据控制模块用于整个Krum算法的流水控制；数据FIFO模块用于缓存一方客户端模型梯度参数并进行循环读取；算法计算模块则用于计算krum算法，包括欧几里得距离计算和最小梯度计算。每个模块独立且功能明确的模块，分别负责特定的任务，提高了算法的可维护性、可扩展性和性能优化的灵活性。
-
公开(公告)号：CN119051862A
公开(公告)日：2024-11-29
申请号：CN202411546477.X
申请日：2024-11-01
Applicant: 泉城省实验室
Abstract: 本发明涉及一种隐私保护的基因序列比较和配对方法与系统，属于信息安全技术领域。包括：序列份额编排：服务器指定两个秘密并生成对应的秘密份额集合，随后服务器根据所持有基因序列中的每个碱基及配对碱基来编排份额的所在位置；不经意传输：服务器和用户执行不经意传输协议，即OT协议；执行过程按碱基序列逐个进行，服务器输入编排后的份额四元组，用户根据持有基因序列的碱基获得四元组中的一个；模式匹配：用户获得全部的秘密份额并调用秘密恢复算法，通过对比恢复出秘密结果，获得匹配结果。本发发明利用碱基序列的配对规律，方法可同时实现相同基因和配对基因的隐私比较，提升了隐私计算协议的效率。
-
公开(公告)号：CN117478330B
公开(公告)日：2024-11-22
申请号：CN202311538196.5
申请日：2023-11-17
Applicant: 泉城省实验室
Abstract: 本发明涉及基于双线性映射与布隆过滤器的三方隐私集合求交集基数方法，步骤为：P1、P2与P3分别选取一组公钥和私钥，然后进行哈希操作，并利用生成的私钥对哈希值运算，运算后的哈希值与各自的公钥传输；P1、P2与P3利用哈希值构造双线性映射，P1与P2将构造的双线性映射分别插入布隆过滤器中；将两个布隆过滤器看做两个字符串，对两个字符串分别进行秘密分享操作并分发给P3；P3利用得到的秘密分享份额计算出两个字符串进行AND运算的结果，然后利用计算结果构造新的布隆过滤器，P3查询自己拥有的双线性映射是否存在新构造的布隆过滤器中，若存在，则三方集合交集基数增加1。本发明降低了现有方法的计算及通信复杂度，在大数据集合上表现更突出。
-
Patent Agency Ranking
公开(公告)号：CN116701440B
公开(公告)日：2024-04-16
申请号：CN202310712462.5
申请日：2023-06-15
Applicant: 泉城省实验室
IPC: G06F16/245 , G06F16/22
Abstract: 本发明提出了一种布谷鸟过滤器及数据插入、查询、删除方法，涉及计算机信息表示与检索技术领域，布谷鸟过滤器由指纹记录表和位置标记表构成；所述指纹记录表，由m个桶组成，用来保存插入的数据指纹，其中，每个桶有b个保存数据指纹的槽；所述位置标记表，由m个向量组成，为每个桶创建一个向量，用来记录数据指纹在指纹记录表中的插入位置信息；其中，每个数据指纹对应两个候选桶，从中选择一个桶的一个槽来保存数据指纹，当且仅当最终保存在第二个候选桶中时，在第二个候选桶对应的向量中，记录槽的位置下标值；本发明具有更高的数据指纹计算效率、更低的数据查询假阳率，解决布谷鸟过滤器存在查询假阳的技术问题。
-
公开(公告)号：CN117494794A
公开(公告)日：2024-02-02
申请号：CN202311529748.6
申请日：2023-11-16
Applicant: 泉城省实验室
IPC: G06N3/098 , H04L67/568 , H04L67/01 , H04L9/40 , H04L9/08
Abstract: 本发明涉及一种基于带错误学习的异步联邦学习安全聚合方法，属于信息安全技术领域，包括：客户端下载全局模型，用于本地训练，随机选取秘密向量和噪声，并通过秘密向量和噪声将本地训练好的梯度掩盖，上传掩码梯度；服务器接收客户端上传的掩码梯度，将其放入缓冲区K，当K满时，准备聚合K中客户端的秘密向量，并将K中的客户端广播；K中的客户端执行安全聚合，得到聚合后的秘密向量ssum，并将参与安全聚合过程的客户端集合传给服务器；服务器对客户端集合中的客户端上传的掩码梯度求和，并且通过ssum删除掩码梯度的掩码，得到全局模型的更新梯度。本发明是一种异步安全聚合的新颖方法，且降低了安全聚合过程中的计算和通信开销。
-
公开(公告)号：CN117371025A
公开(公告)日：2024-01-09
申请号：CN202311204903.7
申请日：2023-09-18
Applicant: 泉城省实验室
IPC: G06F21/62 , H04L9/00 , G06N20/00 , H04L67/104
Abstract: 本发明公开一种去中心化机器学习模型训练方法及系统，包括：将参与方进行分组；重构参与方接收区块链下发的全局模型，并发送至组内的普通参与方；普通参与方以全局模型作为初始模型进行本地模型的训练，将本地模型拆分成份额的形式在组内进行分发，各普通参与方接收到组内其他普通参与方的模型份额后进行聚合，将聚合结果发送至重构参与方；重构参与方将组内的聚合结果进行重构，将得到的小组模型上传到区块链，区块链对小组模型再次进行聚合，将当前轮次的全局模型下发至重构参与方作为下一轮训练的初始模型。保证各参与方的敏感数据不出本地，实现更高层次的敏感数据隐私保护。
-
公开(公告)号：CN119692437A
公开(公告)日：2025-03-25
申请号：CN202510192098.3
申请日：2025-02-21
Applicant: 泉城省实验室
IPC: G06N3/098 , G06N3/084 , G06N3/0464 , G06F18/23
Abstract: 本发明涉及针对异构资源的隐私增强自适应聚类联邦学习方法及系统，属于联邦学习技术领域。包括：（1）基于上行时延的参与方聚类；应用不同的聚类标准对异构设备进行聚类；（2）算力相似簇内的本地训练；根据设备计算能力对用户进行聚类，优化训练效率；（3）基于谱嵌入的安全簇模型聚合；采用基于梯度向量相似性的软聚类，允许用户模型聚合成多个聚类模型，并使用多个聚类模型更新本地模型。本发明通过在聚类过程中对用户的梯度向量进行混洗来确保隐私和机密性。此外，方法采用同态加密和双线性聚合签名来验证用户身份并保护梯度共享。
-
公开(公告)号：CN119544211A
公开(公告)日：2025-02-28
申请号：CN202411725138.8
申请日：2024-11-28
Applicant: 泉城省实验室
Abstract: 本发明涉及一种基于哈希证明系统的非平衡隐私集合交集计算方法及系统，包括：1.1密钥生成及参数交换；1.2客户端预处理；对于客户端的本地元素，利用三组哈希函数H1、H2、H3将所有元素插入到一个布谷鸟哈希表中；1.3服务器端预处理；利用三组哈希函数H1、H2、H3将所有元素插入到一个简单哈希表中；2.1求交；2.2验证；本发明能够在不泄露参与方隐私数据的前提下，由客户端安全地得到两方集合的交集，协议在线阶段仅需一轮通信，总通信量仅与小集合大小呈线性关系而与大集合大小无关。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.023 seconds)
