-
-
公开(公告)号：CN114117306B
公开(公告)日：2022-07-15
申请号：CN202111443344.6
申请日：2021-11-30
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F16/958 , G06F16/9535 , G06F21/62 , G06N3/00
Abstract: 本发明公开了一种基于本地化差分隐私保护的多目标推荐方法，其步骤包括：1、从网站上获取访问用户对项目的评分信息得到评分矩阵；2、将评分矩阵映射成01矩阵；3、使用随即响应机制扰动01矩阵；4、对扰动后的01矩阵使用概率传播算法得到权值矩阵；5、根据权值矩阵初始化种群；6、迭代的对种群进行交叉、变异和更新；7、根据迭代后的种群生成多个推荐结果。本发明能有效地保护用户隐私，同时维持推荐准确性和多样性之间的平衡。
-
公开(公告)号：CN109033453B
公开(公告)日：2021-10-26
申请号：CN201810973951.5
申请日：2018-08-24
Applicant: 安徽大学
IPC: G06F16/9535 , G06K9/62
Abstract: 本发明公开了一种基于RBM与差分隐私保护的聚类的电影推荐方法，包括：初始化阶段：收集所有用户对项目的评分信息，生成一个用户项目评分矩阵；聚类阶段：在得到的用户项目评分矩阵中，以单个用户为基础，对所有用户进行聚类操作，把所有用户分为k个类；生成推荐模型阶段：得到所有用户的聚类结果，然后在每个聚类中使用RMB算法生成各自的推荐模型；在线用户电影推荐阶段：用户登录系统，在推荐模型中选出评分高的且用户无观看记录的T个项目推送到用户界面。本发明还公开了一种基于RBM与差分隐私保护的聚类的电影推荐系统。本发明使用差分隐私技术中Laplace机制对聚类过程进行保护，再对每个聚类分别生成推荐模型，使得相同聚类用户的推荐结果更精确。
-
公开(公告)号：CN111814189A
公开(公告)日：2020-10-23
申请号：CN202010847611.5
申请日：2020-08-21
Applicant: 安徽大学
IPC: G06F21/62 , G06K9/62 , G06F16/9536
Abstract: 本发明公开了一种基于差分隐私的分布式学习隐私保护方法，该方法应用于网络中n个用户节点，每个用户拥有自己独立分布的一组数据样本，并包括以下步骤：S1、初始化阶段；S2、用户节点本地学习阶段；步骤S3、用户节点获取邻居节点信息并更新阶段；步骤S4、加噪声扰动阶段；步骤S5、广播阶段。本发明能解决当前分布式学习中的隐私保护问题，使得用户节点通过邻居节点更新自己的本地参数，并将噪声处理过的参数发给邻居节点，从而在去中心化的网络环境下，能保护用户的个人敏感数据不遭泄露。
-
公开(公告)号：CN108010178B
公开(公告)日：2019-12-03
申请号：CN201711282367.7
申请日：2017-12-07
Applicant: 安徽大学
IPC: G07C13/00
Abstract: 本发明公开了一种基于中国剩余定理的移动式量子投票方法，其特征是：存在一个监督员、一个计票员和若干个投票者。监督员制备量子态，并将量子态一分为二，将其中一部分量子比特发送给投票者作为量子选票，将另一部分量子比特发送给计票员作为验票凭证；每个投票者都对同一个量子选票进行投票操作，待全部投票操作完成后发送给计票员计票并验证，最终得到所有投票者的投票结果。本发明的目的在于解决现有移动式投票无法抵抗不诚实投票者的二次投票攻击，以及现有分配式投票耗费量子资源过大等问题，并提高了投票操作的安全性。
-
Patent Agency Ranking
公开(公告)号：CN107332656B
公开(公告)日：2019-08-30
申请号：CN201710551579.4
申请日：2017-07-07
Applicant: 安徽大学
Abstract: 本发明公开了一种不经意量子密钥分配的后处理方法，其特征是在数据库查询服务中，一个数据服务中心向查询用户分配一个不经意密钥，使得数据服务中心知道该密钥中所有的比特，而查询用户仅仅知道该密钥中双方事先约定的比特数，但数据服务中心并不知道查询用户具体已知比特的位置。本发明能使数据服务中心能根据具体的应用需求，精确地控制查询用户知道任意位数(但是事先约定好的)的密钥，从而既能提高数据库的安全性，又能更好地应用于一些特殊的数据库查询服务。
-
公开(公告)号：CN109033453A
公开(公告)日：2018-12-18
申请号：CN201810973951.5
申请日：2018-08-24
Applicant: 安徽大学
CPC classification number: G06K9/6223
Abstract: 本发明公开了一种基于RBM与差分隐私保护的聚类的电影推荐方法，包括：初始化阶段：收集所有用户对项目的评分信息，生成一个用户项目评分矩阵；聚类阶段：在得到的用户项目评分矩阵中，以单个用户为基础，对所有用户进行聚类操作，把所有用户分为k个类；生成推荐模型阶段：得到所有用户的聚类结果，然后在每个聚类中使用RMB算法生成各自的推荐模型；在线用户电影推荐阶段：用户登录系统，在推荐模型中选出评分高的且用户无观看记录的T个项目推送到用户界面。本发明还公开了一种基于RBM与差分隐私保护的聚类的电影推荐系统。本发明使用差分隐私技术中Laplace机制对聚类过程进行保护，再对每个聚类分别生成推荐模型，使得相同聚类用户的推荐结果更精确。
-
公开(公告)号：CN107070869B
公开(公告)日：2018-07-27
申请号：CN201710010588.2
申请日：2017-01-06
Applicant: 安徽大学
IPC: H04L29/06
Abstract: 本发明公开种基于安全硬件的匿名认证方法,其特征应用于个可信中心、若干个移动客户端和若干个应用服务器构成的互联网环境中,包括1、可信中心生成系统参数以及所有参与方的私钥和公钥;2任意个移动客户端生成签名;3移动客户端生成密钥和密文;4安全硬件利用密钥进行解密,再对签名进行重签名;5应用服务器对重签名进行验证,并生成认证码发送给移动客户端;6移动客户端对认证码进行验证,并得到应用服务器的后继服务。本发明能有效的解决现有移动网络中客户端匿名认证过程中存储代价和计算代价高以及认证效率低的问题,同时提高客户端的隐私性、以及应用服务器的安全性。
-
公开(公告)号：CN107392048B
公开(公告)日：2018-04-20
申请号：CN201710618400.2
申请日：2017-07-26
Applicant: 安徽大学
Abstract: 本发明公开了一种数据可视化中的差分隐私保护方法及其评价指标，包括1、将获取的分类属性数据集执行并行运算下满足差分隐私保护的数据聚合处理；2、选定一个聚合后的子集，进行可视化处理；3、通过3种评价指标精确量化由满足差分隐私保护的数据聚合后的可视化质量。本发明能有效解决海量的带有敏感信息的分类属性数据集在可视化过程中会出现数据展示重叠严重，敏感数据隐私泄露的问题；并显著减少数据聚合的时间，提高可视化的时效性。
-
公开(公告)号：CN107749865A
公开(公告)日：2018-03-02
申请号：CN201711282361.X
申请日：2017-12-07
Applicant: 安徽大学
Abstract: 本发明公开了一种基于同态加密的位置隐私查询方法，包括一个云服务器，一个数据服务提供商，若干个移动用户；数据服务提供商SP根据查询对象的密集程度对地图上的区域进行分块，然后用对称加密算法加密各分块内的查询对象，并用同态加密算法加密各对称密钥，最后将所有的密文存储到云服务器上，秘密保存同态加密的私钥；用户根据自己所在的位置从云服务器下载查询对象的密文以及相对应的对称密钥密文，继而对对称密钥密文进行盲化处理，并传给数据服务提供商；数据服务提供商将解密后的盲化明文传输给用户，最终用户解密相应的查询对象得到最终的查询结果。整个过程不会泄露用户所在的位置信息，以此实现位置隐私的保护。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.036 seconds)
