-
公开(公告)号：CN114139194B
公开(公告)日：2025-02-14
申请号：CN202111325422.2
申请日：2021-11-10
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于任务内容的隐私保护任务分配方法，属于移动群智感知隐私保护技术领域。本方法利用多项式函数和随机矩阵乘法，实现基于任务内容的隐私保护任务分配。其中，通过构造基于多项式函数表示用户任务信息，基于随机矩阵保护数据请求者的任务信息，基于矩阵性质在随机矩阵上执行任务检索操作的隐私保护任务分配。本方法支持基于隐私保护的任务分配功能、阈值任务分配功能、任务还原功能以及基于访问控制的任务分配功能。对比现有技术，本方法在数据隐私性、检索效率和密文检索准确率等方面，具有显著优势。
-
公开(公告)号：CN114186237B
公开(公告)日：2024-07-19
申请号：CN202111245837.9
申请日：2021-10-26
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于真值发现的鲁棒性联邦学习模型聚合方法，属于机器学习中的联邦学习技术领域。所述基于真值发现的鲁棒性联邦学习模型聚合方法主要包括以下步骤：步骤1、搭建包含一个中心服务器和若干个客户端的联邦学习系统；步骤2、中心服务器将初始全局模型发送给客户端；步骤3、客户端用本地的数据集训练初始全局模型，而后得到本地模型，并将本地模型参数发送给中心服务器；步骤4、中心服务器接收客户端发送的本地模型参数，先估计客户端的权重再计算本地模型参数的真值，聚合得到全局模型参数，最后用余弦相似度过滤恶意客户端。所述聚合方法能抵御恶意中毒攻击，容忍系统中高达50％占比的恶意客户端，具有较强的鲁棒性。
-
公开(公告)号：CN118233074A
公开(公告)日：2024-06-21
申请号：CN202410230301.7
申请日：2024-02-29
Applicant: 北京理工大学 , 中科信息安全共性技术国家工程研究中心有限公司
Abstract: 一种面向联邦学习的隐私保护差异感知聚合方法使用阈值Paillier加密系统、加性同态加密系统对客户端的隐私数据进行差异感知聚合，并迭代地进行局部和全局模型更新计算，直到收敛。在此过程中，与客户端相关的信息得到了保护，同时也提供了防止客户端之间串通的能力。有益效果在于：使用本方案后，可以解决联邦学习场景中数据隐私泄露问题、数据异构问题、通信开销和计算开销问题，在全面保护客户端数据隐私的基础上，实现联邦学习训练过程中数据异构性问题，其聚合权重不仅涉及数据集大小和差异水平，同时还提高了隐私保护、通信和计算效率。
-
公开(公告)号：CN118074942A
公开(公告)日：2024-05-24
申请号：CN202311336208.6
申请日：2023-10-16
Applicant: 北京理工大学
Abstract: 本发明涉及一种公开可验证的隐私保护SVM分类方法，属于人工智能与信息安全隐私保护技术领域。本方法利用Shamir阈值秘密共享技术、BGN同态加密技术、SVM分类技术和多服务器可验证计算框架，实现了隐私保护的模型推理与支持公开的结果验证。通过构造基于Shamir秘密共享技术实现输入数据加密，基于BGN同态加密技术实现机器学习模型加密，基于多服务器可验证计算框架实现了远程模型推理的支持公开可验证的隐私保护SVM分类，本方法实现安全和高效的推理结果正确性的公开验证，同时提出批量结果验证，提高了大规模模型决策的验证效率。对比现有技术，本方法在数据机密性、模型机密性、公开可验证性、验证效率以及系统可靠性方面具有显著优势。
-
公开(公告)号：CN113254987B
公开(公告)日：2022-07-01
申请号：CN202110401369.3
申请日：2021-04-14
Applicant: 北京理工大学
IPC: G06F21/62 , G06F21/60 , G06F16/2455 , G06F16/2458 , H04L9/32 , H04L9/40 , H04L67/10
Abstract: 本发明涉及一种可容错且保护隐私的时序数据聚合方法，属于数据聚合及隐私保护技术领域。所述方法包括：1)可信机构生成系统参数并广播；2)每个数据提供者随机选择自己的私钥，生成公钥发送给可信机构进行广播；3)每个数据提供者根据自己的私钥和其他数据提供者的公钥生成与其他数据提供者间的共享密钥；4)可信机构生成一个随机置换序列，分发给每个数据提供者作为其唯一的序列数；5)每个数据提供者加密感知数据，并对加密后的密文签名，向云服务器发送密文、签名；6)云服务器对签名进行验证，若验证通过，则对所有的密文异或，得到感知数据；否则不异或。所述方法能保护数据提供者的隐私，实现可容错性，并能有效降低计算和通信开销。
-
Patent Agency Ranking
公开(公告)号：CN114139194A
公开(公告)日：2022-03-04
申请号：CN202111325422.2
申请日：2021-11-10
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于任务内容的隐私保护任务分配方法，属于移动群智感知隐私保护技术领域。本方法利用多项式函数和随机矩阵乘法，实现基于任务内容的隐私保护任务分配。其中，通过构造基于多项式函数表示用户任务信息，基于随机矩阵保护数据请求者的任务信息，基于矩阵性质在随机矩阵上执行任务检索操作的隐私保护任务分配。本方法支持基于隐私保护的任务分配功能、阈值任务分配功能、任务还原功能以及基于访问控制的任务分配功能。对比现有技术，本方法在数据隐私性、检索效率和密文检索准确率等方面，具有显著优势。
-
公开(公告)号：CN111028905A
公开(公告)日：2020-04-17
申请号：CN201911239018.6
申请日：2019-12-06
Applicant: 北京理工大学
Abstract: 本发明涉及一种电子医疗系统中保护隐私的Top-k疾病匹配方法，属于电子医疗以及数据匹配技术领域。该方法使用安全的k近邻技术实现欧几里德距离加权来保护数据隐私和允许用户设置不同的权重，提出多维数据查询技术，基于多维数据查询，实现了密文下相似度Top-k疾病匹配和诊断治疗文件共享，并采用消息认证码完成诊断治疗文件完整性和正确性的认证。所述疾病匹配和数据共享是指用户以安全有效的方式搜索和访问医疗服务提供商上传的真实患者的临床数据和诊断治疗文件，从而获得与自身状况相匹配的诊断治疗文件。最后，通过在真实数据集下的实验和对虚拟数据集的广泛模拟证明了所述方法在实际医疗应用中的可行性和效率。
-
公开(公告)号：CN111028080A
公开(公告)日：2020-04-17
申请号：CN201911250169.1
申请日：2019-12-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于多臂老虎机和Shapley值的群智感知数据动态交易方法，属于大数据和群智感知技术领域。本发明首先利用Shapley值判定每个“工人”的数据对“买家”的边际贡献，包括考虑新数据的直接贡献和考虑冗余数据的间接贡献。之后，“买家”会选择边际贡献较高的“工人”，并给出意向的交易价格。为了提高交易的成功率并得到最大的回报，“买家”实施一定的学习策略。针对给出高价保证交易成功，和试探底线获得更大回报的两难问题，利用上下文形式的多臂老虎机模型进行学习，该策略在每个轮次中选择可观察到的最佳价格，逐渐进行调整以适应“工人”的心理底线。采用本方法推断出的“工人”的价格预期更接近实际值，“买家”由此获得更大回报。
-
公开(公告)号：CN115062331B
公开(公告)日：2025-05-09
申请号：CN202210559125.2
申请日：2022-05-22
Applicant: 北京理工大学
IPC: G06F21/62 , G06N3/0464 , G06N3/08
Abstract: 本发明属于机器学习中的深度学习技术领域，具体涉及一种基于加性同态加密的隐私保护深度学习方法。本发明提出的基于加性同态加密的高效率隐私保护深度学习方法致力于解决上述两大挑战，该方法将用户从繁重的迭代训练过程中解放出来，减少用户的传输消耗，同时借助加性同态加密和随机梯度下降训练具有良好可用性和保密性的多层感知模型。通过巧妙的数学逻辑关系实现了通信高效，大大降低了参与实体的通信开销。
-
公开(公告)号：CN114139070B
公开(公告)日：2025-02-14
申请号：CN202111404538.5
申请日：2021-11-24
Applicant: 北京理工大学
IPC: G06F16/9537 , G06F21/60 , G06F21/62
Abstract: 本发明涉及一种支持任意地理范围查询的用户选择方法，属于移动群智感知隐私保护技术领域。本方法利用双云模型、多项式函数和随机矩阵乘法，实现任意地理范围查询的用户选择。其中，通过构造基于双云服务器模型来防护合谋攻击，基于矩阵分解技术生成加密与重加密密钥，基于多项式拟合技术生成用户的位置信息和查询范围，基于随机矩阵乘法技术执行检索操作的任意地理范围查询的用户选择。本方法支持在不透露用户位置和查询隐私的情况下，实现线性检索效率的任意地理范围的用户位置检索。对比现有技术，本发明在数据隐私性、检索准确性和模型安全性以及去中心化程度方面，具有显著优势。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.035 seconds)
