-
公开(公告)号：CN114282652A
公开(公告)日：2022-04-05
申请号：CN202111578391.1
申请日：2021-12-22
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种隐私保护的纵向深度神经网络模型构建方法、计算机及存储介质，属于隐私保护模型构建技术领域。首先，发起方和所有参与方找出共有的样本ID，生成自己的公私钥对，利用公钥对中间数据进行加密；其次，参与方基于本地数据集与发起方进行安全前向传播过程，使发起方获得深度神经网络模型交互层的真实加权值；最后，参与方和发起方进行安全反向传播过程，发起方基于加权值计算交互层中间误差，使双方各自获得更新交互层模型参数的梯度，进行深度神经网络交互层模型的更新，得到纵向深度神经网络模型。在无可信第三方的前提下保护数据隐私安全，对不同神经网络结构进行多方安全联合建模。解决构建模型成本高、风险大、结构敏感的问题。
-
公开(公告)号：CN113360896A
公开(公告)日：2021-09-07
申请号：CN202110619300.8
申请日：2021-06-03
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明提出了一种横向联邦学习架构下的Free rider攻击检测方法，属于人工智能安全领域。本发明首先，通过模型参数增量处理获取高维样本，对高维样本进行降维处理，抽取三部分特征，将特征合并得到压缩后的样本，在评估网络中计算样本的能量，根据能量判断攻击者，由于Free Rider攻击者生成的模型参数是在原本的全局模型参数的基础上按照训练的轮次加入差分扰动，因此在对其计算本地模型参数增量之后，其增量值等于攻击中加入的差分扰动，估计网络在评估样本的似然性时，其样本能量值的平均值会偏高，因此这样的样本数据会被检测为异常，我们设置阈值判断出Free Rider攻击者。解决了基于横向联邦学习架构下的Free Rider攻击的检测能力差的技术问题。
-
公开(公告)号：CN119201988A
公开(公告)日：2024-12-27
申请号：CN202411256454.5
申请日：2024-09-09
Applicant: 哈尔滨工业大学
IPC: G06F16/2453 , G06F16/242 , G06F16/2455 , G06F16/22 , G06F21/60
Abstract: 本发明提出一种多方数据联合安全查询方法，属于多方数据查询技术领域。包括：步骤一、查询客户端接收并解析用户输入的SQL查询语句，并对查询语句进行权限检查检验SQL语句是否被各数据持有方允许执行；步骤二、查询客户端根据查询语句为各参与方生成多方安全计算任务，并发送给各参与方；步骤三、各参与方在本地进行权限检查，执行子查询部分和多方安全计算任务；步骤四、获得各参与方执行结果，查询客户端调度各参与方执行多方安全计算任务。解决无法实现多种高效安全且支持任意多参与方的常见数据库函数操作的技术问题。本发明涵盖常见的数据库查询语句，并且支持两个及以上的任意参与方数量，在大多数查询语句中具有良好的查询效率。
-
公开(公告)号：CN113902303B
公开(公告)日：2024-04-16
申请号：CN202111186099.5
申请日：2021-10-12
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06Q10/0635 , G06Q30/016 , G06F16/9535
Abstract: 本申请公开了一种基于用户满意度的隐私模型自动推荐系统、算法、设备及存储介质，属于数据分析技术领域。解决了现有技术中存在的用户如何对隐私模型进行选择问题以及如何配置隐私模型参数的问题。本申请用户满意度的隐私模型自动推荐系统、算法、设备及存储介质创造性地提出历史配置方案资源池的概念，针对熟悉隐私保护知识和不熟悉隐私保护知识的用户，通过正向过程与逆向过程相结合对历史配置方案资源池进行迭代升级。历史配置方案资源池在每次数据匿名化处理过程中，以用户满意度为基准自动推荐配置，确保匿名后数据符合用户满意度要求。本申请为数据的匿名化处理提供更加简便高效的解决方案，提高了匿名后数据的质量，增强了数据保护的能力。
-
公开(公告)号：CN117494143A
公开(公告)日：2024-02-02
申请号：CN202311546452.5
申请日：2023-11-20
Applicant: 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 一种基于GAN的多模态重构攻击的防御方法，属于人工智能安全技术领域。为加强GAN多模态重构攻击的特征数据安全性，本发明攻击方获取其他参与方参与联邦学习训练过程中的梯度信息；攻击方根据其他参与方参与联邦学习训练过程中的梯度信息进行数据重构攻击；构建抵御数据重构攻击的防御方法，包括在联邦学习的每轮训练开始前，中央服务器随机选择不定数量的参与方参与本次训练，并将当前全局模型参数发送给被选中的每一个参与方；对于中央服务器发送至其他参与方参与联邦学习训练过程中的梯度信息数据，通过梯度压缩和稀疏化的方式进行防御；对于中央服务器发送至其他参与方参与联邦学习训练过程中的梯度信息数据传输过程中采用设计的加密传输协议。
-
Patent Agency Ranking
公开(公告)号：CN116662910A
公开(公告)日：2023-08-29
申请号：CN202310773985.0
申请日：2023-06-28
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F18/243 , G06N3/098 , G06F18/214 , G16H50/20 , G16H10/60
Abstract: 一种基于联邦学习的多临床分期疾病辅助分类方法及系统，属于大数据、医疗技术领域。为提高分类模型的准确率及隐私数据安全性。本发明采集病例数据构建病例数据集，将病例数据集输入到客户端，进行分析处理，得到优化的病例数据集；客户端对优化的病例数据集进行XGGridBoost模型训练，得到完成训练的模型参数进行加密处理、压缩处理，得到处理的模型参数发送给中心服务端进行解压缩，然后对解压缩的模型参数进行安全聚合，并使用近似算法确定最佳分割点，中心服务端将最佳分割点发送给多个客户端，多个客户端接收后判断本地决策树是否达到最大深度，进行迭代训练或者输出训练模型。本发明解决数据孤岛的问题，提高隐私数据的安全性。
-
公开(公告)号：CN110851824B
公开(公告)日：2023-07-28
申请号：CN201911106972.8
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于计算机技术领域，具体涉及一种针对恶意容器的检测方法，包括以下步骤，步骤1、对被监控虚拟机中所有进程的创建行为进行监听；步骤2、判断创建的进程是否属于该虚拟机中的容器，若此进程属于该虚拟机中的容器，则读取其执行文件的信息；若此进程不属于该虚拟机中的容器，则结束；步骤3、在读取完毕后，从容器中查找该执行文件；步骤4、对执行文件进行安全扫描，若该执行文件为恶意文件，则测得其对应的容器即为恶意容器。与现有技术相比，本发明能够有效地检测出恶意容器，从而防止恶意容器对虚拟机的控制与控制，提高了系统的安全性。
-
公开(公告)号：CN113961438A
公开(公告)日：2022-01-21
申请号：CN202111240836.5
申请日：2021-10-25
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F11/34 , G06V10/762 , G06V10/774 , G06K9/62
Abstract: 本申请公开了一种基于多粒度多层级的历史行为异常用户检测系统、方法、设备及存储介质，属于数据分析技术领域。解决了现有技术中识别异常种类少导致的漏报问题和正常行为模式偏离较大导致的误报的问题。本申请的多粒度多层次聚类包括层级划分、组间粗粒度聚类、组内细粒度聚类；层级划分：将天数按照多个层级进行逐层划分并对每一层级的组内和组间进行定义；组间粗粒度聚类：对每一层级中的每组构建用户的单组特征向量，进行聚类标记；组内细粒度聚类：对每一层级中每组内的用户构建单日行为特征向量，进行聚类标记；最终综合聚类标记得到用户异常行为标记。本申请减少了异常用户的漏报率和误报率，实现了较高的历史行为异常用户识别率和鲁棒性。
-
公开(公告)号：CN118262703A
公开(公告)日：2024-06-28
申请号：CN202410406097.X
申请日：2024-04-07
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明公开了一种面向金融领域的语音数据分类分级方法及系统，涉及金融语音数据安全技术领域。所述方法包括：获取用于训练的多个语音数据，并对语音数据进行预处理，获取频率特征数据；对频率特征数据进行数据增强，获取数据增强后的声学特征；将多个声学特征输入基于深度卷积神经网络的金融领域语音解析模型进行训练；将待识别语音数据对应的频率特征输入训练好的金融领域语音解析模型中，获取语音解析结果。本发明采用声学特征提取结合数据增强策略，提升了模型的泛化能力，通过直接从语音数据中进行分类和分级，能够在保证数据安全的前提下，显著提高语音处理效率和准确性。
-
公开(公告)号：CN117688238A
公开(公告)日：2024-03-12
申请号：CN202311688369.1
申请日：2023-12-11
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F16/9535 , H04L67/55 , G06N3/042 , G06N5/02
Abstract: 本发明提供了一种基于知识图谱和图神经网络的服务推荐方法及系统，属于服务推荐技术领域。为了解决传统推荐方法依赖用户的历史行为进行推荐，缺乏推荐的多样性和创新性，同时也没有注意到推荐的时效问题。本发明将用户‑应用二部图与知识图谱聚合形成协同知识图谱来进行嵌入传播，挖掘用户应用之间的深层语义关联性。同时根据应用的新颖度打分来自适应图注意力权重系数，以此来反映用户的个性化兴趣，获取更多潜在数据信息，提高推荐算法的准确性和时效性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.068 seconds)
