DNA序列相似率安全计算方法及系统

    公开(公告)号:CN110321722B

    公开(公告)日:2021-11-09

    申请号:CN201910609488.0

    申请日:2019-07-08

    Applicant: 济南大学

    Abstract: 本公开公开了DNA序列相似率安全计算方法及系统,每个客户端获取待计算相似率的DNA序列;每个客户端利用自身的公钥对获取的待计算相似率的DNA序列进行加密处理,得到加密的待计算相似率的DNA序列;每个客户端将加密的待计算相似率的DNA序列发送给云服务器C;云服务器C将所有客户端的公钥进行累乘,生成公共公钥PK;云服务器C和云服务器S将加密的待计算相似率的DNA序列转换为通过公共公钥PK加密的密文,得到重新加密的待计算相似率的DNA序列;从云服务器C和云服务器S中分别选取重新加密的待计算相似率的DNA序列,对重新加密的待计算相似率的DNA序列进行同态加密运算,得到DNA序列相似率。

    一种模型增量更新的方法及系统

    公开(公告)号:CN112860303A

    公开(公告)日:2021-05-28

    申请号:CN202110175581.2

    申请日:2021-02-07

    Applicant: 济南大学

    Abstract: 本公开提出了一种模型增量更新的方法及系统,包括:使用归纳保形的思想筛选出测试数据集中携带新知识或复杂知识的数据,用于训练数据集和模型的迭代更新;使用时间窗口限制训练数据集的规模;使用数据循环选择的方法来抑制老旧冲突数据对训练模型的负面影响和训练数据集的无限增长。当携带复杂知识的数据占据新增数据一定比例或模型精确度降低到设定阈值,重新进行特征选择,数据集构建和模型训练。本公开实施例子提出了一种带有新知识和复杂知识的数据筛选方式,大幅度减少人工标记样本数量,减少训练数据规模,一定程度可以减少非平衡对模型性能的影响。

    DNA序列相似率安全计算方法及系统

    公开(公告)号:CN110321722A

    公开(公告)日:2019-10-11

    申请号:CN201910609488.0

    申请日:2019-07-08

    Applicant: 济南大学

    Abstract: 本公开公开了DNA序列相似率安全计算方法及系统,每个客户端获取待计算相似率的DNA序列;每个客户端利用自身的公钥对获取的待计算相似率的DNA序列进行加密处理,得到加密的待计算相似率的DNA序列;每个客户端将加密的待计算相似率的DNA序列发送给云服务器C;云服务器C将所有客户端的公钥进行累乘,生成公共公钥PK;云服务器C和云服务器S将加密的待计算相似率的DNA序列转换为通过公共公钥PK加密的密文,得到重新加密的待计算相似率的DNA序列;从云服务器C和云服务器S中分别选取重新加密的待计算相似率的DNA序列,对重新加密的待计算相似率的DNA序列进行同态加密运算,得到DNA序列相似率。

    一种物联网恶意检测器的安全性评估方法及系统

    公开(公告)号:CN115643198B

    公开(公告)日:2025-05-13

    申请号:CN202211103120.5

    申请日:2022-09-09

    Applicant: 济南大学

    Abstract: 本发明公开的一种物联网恶意检测器的安全性评估方法及系统,包括:获取恶意样本和正常样本;构建物联网恶意检测器的替代检测器;从正常样本中选取离恶意样本余弦距离最大的样本为标志点;通过进化计算从恶意样本中搜索候选对抗样本,在进化计算的过程中,每一代都会在恶意样本上添加扰动生成子代样本,计算子代样本到标志点的余弦距离,将余弦距离大于门限值的子代样本选定为候选对抗样本,将余弦距离不大于门限值的子代样本参与到下一轮进化计算中;通过替代检测器对候选对抗样本进行检测,将通过检测的样本作为对抗样本对物联网恶意检测器的安全性进行评估,获得安全性评估结果。能够对物联网恶意检测器的安全性进行及时有效的评估。

    基于不经意传输的安全参数化模式匹配方法及系统

    公开(公告)号:CN118740378A

    公开(公告)日:2024-10-01

    申请号:CN202411223043.6

    申请日:2024-09-03

    Abstract: 本发明涉及模式匹配技术领域,特别是涉及基于不经意传输的安全参数化模式匹配方法及系统,用户客户端和服务器分别对持有字符串进行参数预处理,将字符串中每个参数符号映射为对应的非负整数;用户客户端与服务器均设有原始秘密;构造元组,服务器根据预处理后的字符串,对原始秘密进行拆分,得到若干个真实份额;对每一个真实份额,构造对应的随机份额,并将真实份额和随机份额均存储到对应的元组中;服务器和用户客户端,按位执行不经意传输协议,用户客户端按位对元组中的份额进行选择,得到元组中的一个份额;用户客户端将获得的全部份额进行秘密重构,若重构秘密与原始秘密一致,则说明参数化模式匹配完成。保障了双方数据的安全。

    基于可编程数据平面的数据包转发攻击防御方法及系统

    公开(公告)号:CN115664740B

    公开(公告)日:2024-07-23

    申请号:CN202211266272.7

    申请日:2022-10-17

    Applicant: 济南大学

    Abstract: 本公开提供了基于可编程数据平面的数据包转发攻击防御方法及系统,涉及网络安全技术领域,包括获取网络中的链路拓扑信息以及链路的端口实时状态信息,将其解析成P4语言编程的信息格式;构造数据包并对构造的数据包进行转发,确定收发双方和路径,对传输的数据包进行动态攻击检测,检测所传输的数据包是否发生攻击,当确定数据包被攻击时,则判断发生攻击的类型,确定攻击的类型后启动相应的防御攻击过程;极大地提高了数据包的转发效率。同时由于P4语言的协议无关性,在验证过程中无需引入相关协议。

    一种可验证隐私保护分层联邦学习数据通信方法及系统

    公开(公告)号:CN118018178A

    公开(公告)日:2024-05-10

    申请号:CN202311369075.2

    申请日:2023-10-20

    Applicant: 济南大学

    Abstract: 本公开提供了一种可验证隐私保护分层联邦学习数据通信方法及系统,涉及数据隐私保护安全技术领域,包括对用户设备进行分组,构建可验证隐私保护分层联邦学习架构,每个用户对本地数据进行训练并与云端的边缘设备协同训练获取机器学习模型;获取机器学习模型时,将上传的参数在整个数据交互过程中使用用户公钥进行加密;卫星节点将用户传输的加密数据发送给中心服务器进行有效梯度聚合,得到聚合结果后会对其进行加密和签名然后返回给用户。本公开不仅可以容许用户的动态变化,而且允许卫星节点的动态变化,多个卫星节点共同分担单一节点变化导致的压力,从而提高了系统灵活性和稳定性。

    基于区块链和数据增强的联邦学习训练方法及系统

    公开(公告)号:CN116484923A

    公开(公告)日:2023-07-25

    申请号:CN202211558006.1

    申请日:2022-12-06

    Applicant: 济南大学

    Abstract: 本公开提供了基于区块链和数据增强的联邦学习训练方法及系统,涉及人工智能技术领域,包括利用原始训练集进行满足差分隐私的生成对抗网络的预训练;各客户端共同选择一个打包客户端,并将预训练完毕的生成器模型发送至打包客户端;打包客户端接收完所有客户端的生成器模型后,将接收到的生成器模型打包成一个区块上传至区块链中,客户端从区块链中下载包含所有参与方生成器模型的区块;客户端生成新的数据,将处理后的原始训练集与新生成的数据进行整合,构建新的数据集,用于联邦学习训练任务。区块链代替了原本需进行生成器模型存储的第三方机构,排除了第三方机构作恶的风险,保证了生成器模型的安全性。

    一种模型增量更新的方法及系统

    公开(公告)号:CN112860303B

    公开(公告)日:2023-07-04

    申请号:CN202110175581.2

    申请日:2021-02-07

    Applicant: 济南大学

    Abstract: 本公开提出了一种模型增量更新的方法及系统,包括:使用归纳保形的思想筛选出测试数据集中携带新知识或复杂知识的数据,用于训练数据集和模型的迭代更新;使用时间窗口限制训练数据集的规模;使用数据循环选择的方法来抑制老旧冲突数据对训练模型的负面影响和训练数据集的无限增长。当携带复杂知识的数据占据新增数据一定比例或模型精确度降低到设定阈值,重新进行特征选择,数据集构建和模型训练。本公开实施例子提出了一种带有新知识和复杂知识的数据筛选方式,大幅度减少人工标记样本数量,减少训练数据规模,一定程度可以减少非平衡对模型性能的影响。

    一种物联网恶意检测器的安全性评估方法及系统

    公开(公告)号:CN115643198A

    公开(公告)日:2023-01-24

    申请号:CN202211103120.5

    申请日:2022-09-09

    Applicant: 济南大学

    Abstract: 本发明公开的一种物联网恶意检测器的安全性评估方法及系统,包括:获取恶意样本和正常样本;构建物联网恶意检测器的替代检测器;从正常样本中选取离恶意样本余弦距离最大的样本为标志点;通过进化计算从恶意样本中搜索候选对抗样本,在进化计算的过程中,每一代都会在恶意样本上添加扰动生成子代样本,计算子代样本到标志点的余弦距离,将余弦距离大于门限值的子代样本选定为候选对抗样本,将余弦距离不大于门限值的子代样本参与到下一轮进化计算中;通过替代检测器对候选对抗样本进行检测,将通过检测的样本作为对抗样本对物联网恶意检测器的安全性进行评估,获得安全性评估结果。能够对物联网恶意检测器的安全性进行及时有效的评估。

Patent Agency Ranking