-
公开(公告)号：CN119628817A
公开(公告)日：2025-03-14
申请号：CN202411748350.6
申请日：2024-12-02
Applicant: 安徽大学
Abstract: 本发明公开一种基于属性的车联网双重访问控制数据共享方法，用户生成属性密钥，利用属性密钥生成代理密钥；数据的所有者依据定义的半隐藏的访问结构使用属性基加密算法对数据进行加密，考虑到车辆端的计算能力有限，加密过程分为离线和在线两个阶段；云服务器过滤掉恶意用户所发送的虚假信息；(对想要访问数据的用户所发送的下载请求进行访问控制，从而拒绝EDOS攻击；只有满足访问策略的用户才可以解密密文，解密阶段同样分为外包解密和用户解密两个阶段；将恶意用户撤销，恶意用户被撤销后只需要对撤销列表相关的密文进行更新，无需更新整个密文。本发明能够实现车联网中安全的数据共享，促进了车辆网络的广泛应用。
-
公开(公告)号：CN113872969B
公开(公告)日：2024-01-19
申请号：CN202111139922.7
申请日：2021-09-28
Applicant: 安徽大学
Abstract: 本发明公开一种基于代理重加密机制的自动驾驶车车内消息重加密方法，包括系统初始化、密钥生成、重加密密钥生成、消息加密、一级消息解密、消息重加密、二级消息解密等过程。本发明基于自动驾驶汽车中ECU和总线的双冗余环境，使用代理重加密技术保证消息的机密性以及单点故障或网络攻击情况下消息的安全性，另外，当自动驾驶汽车出现单点故障或遭受网络攻击时，能够实现加密条件下消息的转发与处理；另外本发明中的重加密部分不需要完全可信的第三方来充当代理，整个技术方案实用性更强。
-
公开(公告)号：CN114205091B
公开(公告)日：2023-11-03
申请号：CN202111440056.5
申请日：2021-11-30
Applicant: 安徽大学
Abstract: 本发明公开一种基于混沌映射的自动驾驶车辆网络认证和密钥协商方法，包括系统初始化、用户的注册、自动驾驶车辆的注册、合法用户的三因素认证登录以及三方认证和密钥协商。本发明通过散列函数、物理不可克隆函数、混沌映射、模糊提取等技术，以扩展混沌映射的计算Diffie‑Hellman难题为基础，完成安全的三方认证和密钥协商，实现安全通信。本发明的认证部分使用轻量级的基于混沌映射技术，并通过物理不可克隆函数PUF保证其物理安全性，降低储存在自动驾驶车辆中的敏感信息的泄露风险，本发明能够实现在自动驾驶车辆网络中安全的交换机密消息，促进无人驾驶车辆的广泛应用。
-
公开(公告)号：CN115048514B
公开(公告)日：2023-06-16
申请号：CN202210647587.X
申请日：2022-06-09
Applicant: 安徽大学
IPC: G06F16/35 , G06F16/9536 , G06F16/951 , G06N3/0442 , G06N3/08 , G06Q50/00
Abstract: 本发明提供基于人格的社交网络谣言检测与立场分类方法及系统，方法包括：收集、整理数据集，将数据集处理成向量形式；在原数据集基础上再爬取用户日常发布的其他推文，处理成人格向量；实现人格识别任务，预测用户的大五人格值；将预处理推文向量通过LSTM共享层进一步训练；实现谣言检测任务，对源推文进行分类，判断是否是谣言；实现立场分类任务，对所有人的回复进行分类。解决了现有技术存在的考虑因素覆盖不够全面以及检测效果较差的技术问题。
-
公开(公告)号：CN112115494B
公开(公告)日：2023-04-25
申请号：CN202010998493.8
申请日：2020-09-22
Applicant: 安徽大学
Abstract: 本发明公开一种适用于自动驾驶车辆内部的数据访问控制方法，依次执行以下步骤：相应参数初始化、生成访问策略和属性、应用程序向TTP申请注册、TTP根据访问树形结构AS生成和分发密钥、数据加密、数据通信以及密钥更新。本发明可实现快速加解密，并且适用于大属性集环境；两种密钥更新策略可以实现密钥快速更新。同时能够使得主可以自定义访问策略，而车载应用程序只可以访问其权限范围内的数据，进一步提高自动驾驶的安全性与隐私性。另外通过分析和实验证明，本发明的计算和传销开销较低，方案具有可行性。
-
Patent Agency Ranking
公开(公告)号：CN115640427A
公开(公告)日：2023-01-24
申请号：CN202211100183.5
申请日：2022-09-08
Applicant: 安徽大学
IPC: G06F16/901 , G06Q50/00
Abstract: 本发明属于大数据分析领域，具体涉及一种社交网络中基于人格信息的网络结构隐藏方法、装置。该网络结构隐藏方法包括如下步骤：S1：基于社交网络中的用户关系图谱转换为图形结构数据。S2：基于每个用户发布的社交内容，通过文本分析工具生成每个用户的五维人格向量。S3：采用多元线性回归的方法基于网络结构的各项中心性指标分别构建用于表征所有用户各项人格的人格特征矩阵。S4：通过进化算法生成在度分量上人格变化最大的匿名k度序列。S5：根据获取的匿名k度序列对原始的图G进行相应的修改，从而生成满足k度匿名图的新图G′。本发明解决了现有现有社交网络中的信息发布可能存在泄露用户人格特征或隐私信息的问题。
-
公开(公告)号：CN115550023A
公开(公告)日：2022-12-30
申请号：CN202211174690.3
申请日：2022-09-26
Applicant: 安徽大学
IPC: H04L9/40
Abstract: 本发明属于大数据分析领域，具体涉及一种抑制图拆解的图攻击方法，以及采用该方法网络的图结构的防护系统和装置。图攻击方法包括如下步骤：S1：将待处理的网络采用图结构进行表征；S2：绘制图结构在基于度值和基于集体影响力两种拆解策略下的ANC曲线；S3：基于ANC曲线确定网络中的目标节点集；S4：基于两种拆解路径的目标节点集构建用于评估基于原始图和攻击后的图在混合的攻击策略下产生的拆解序列的差异的损失函数；S5：预设约束条件和迭代轮次，然后利用损失函数计算链路梯度，并以链路梯度为指引对满足约束条件的边进行迭代删除，得到增强图结构；本发明克服了现有的各类网络系统对图拆解方法的抵御性能不强，容易遭受网络攻击的问题。
-
公开(公告)号：CN115269845A
公开(公告)日：2022-11-01
申请号：CN202210917923.8
申请日：2022-08-01
Applicant: 安徽大学
IPC: G06F16/35 , G06F40/216 , G06F40/242 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于社交网络用户人格的网络对齐方法及系统，方法包括：采集用户发布内容及多平台网络结构，处理得到统一长度用户文本特征向量及多平台网络结构图；将多平台用户文本放入LIWC中，得到用户大五人格得分；拼接用户文本特征向量得到文本特征矩阵，以图卷积网络处理得到每个用户单平台表示向量；拼接两个用户单平台表示向量，以全连接层获取二分类预测结果；根据网络对齐二分类预测结果进行判断，将各平台表示向量放入全连接层，语言探索及字词计数LIWC得到人格真实值，用户平台表示通过全连接层以获得用户大五人格向量，进行人格预测并辅助网络对齐。本发明解决了信息稳定性差导致对齐效果易受有干扰以及网络对齐精度较低的技术问题。
-
公开(公告)号：CN115242659A
公开(公告)日：2022-10-25
申请号：CN202210947679.X
申请日：2022-08-09
Applicant: 安徽大学
Abstract: 本发明属于大数据分析领域，具体涉及一种基于高阶集体影响力的超网络节点分析方法、超网络拆解方法、系统，以及相应的网络防护装置。该关键节点分析方法包括如下步骤：S1：根据拟拆解的目标网络的拓扑结构构建出一个相应的初始超网络。S2：对初始超网络进行超边约简处理。S3：计算超网络中每个节点的高阶集体影响力值。S4：对目标网络的所有节点按照高阶集体影响力值进行排序。S5：选择节点重要性列表中排名靠前的预设比例或预设数量的节点构成所需的关键节点集。拆解方法则是根据关键节点集对目标网络进行分步拆解，进而确定最佳的网络拆解策略。本发明克服了基于二部网络投影的网络拆解方法的局限性，并解决了超大规模网络无法拆解的问题。
-
公开(公告)号：CN111314345B
公开(公告)日：2022-09-16
申请号：CN202010101336.2
申请日：2020-02-19
Applicant: 安徽大学
Abstract: 本发明公开了一种保护序列数据隐私方法、装置、计算机设备及存储介质，其中方法包括通过数据采集设备获取目标用户的初始数据，并将所述初始数据拆分发送至两个边缘服务器，边缘服务器上均部署有一个双向长短期记忆神经网络；双向长短期记忆神经网络中的三个门的未激活运算的结果传送至可信第三方做求和运算，可信第三方将运算参数随机拆分发送至第一边缘服务器和第二边缘服务器进行门的激活运算，直到双向长短期记忆神经网络训练完成，我们将序列数据输入我们训练好的神经网络模型，并将运算结果发送至智能物联网设备。通过在两个边缘服务器上运行秘密共享协议，保护了序列数据中的用户隐私，同时，它还可以为智能物联网服务提供商保护神经网络参数的隐私，结合序列数据上下文的信息，可以更好的应用序列数据。
-
-
-
-
-
-
-
-
-
Search Results
261
records
(took 0.044 seconds)
