-
公开(公告)号：CN106712945B
公开(公告)日：2018-01-23
申请号：CN201710052420.8
申请日：2017-01-22
Applicant: 安徽大学
IPC: H04L9/08
Abstract: 本发明公开了一种基于Bell态的量子秘密共享方法，其特征是存在一个秘密分发者，以及n个参与者，秘密分发者把一个随机的秘密分发给n个参与者，其中每个参与者获得一个子秘密，当n个参与者把他们所有的子秘密堆积在一起时就能恢复出原始分享的秘密，而少于n个参与者则得不到任何有关分享的秘密的信息。本发明能有效地解决现有量子秘密分享过程中检测参与者欺诈及通道安全复杂且效率低等问题，同时能节约经典和量子资源，降低操作复杂性并保证更高的量子效率。
-
公开(公告)号：CN107257499A
公开(公告)日：2017-10-17
申请号：CN201710601622.3
申请日：2017-07-21
Applicant: 安徽大学
IPC: H04N21/25 , H04N21/254 , H04N21/258 , H04N21/466
CPC classification number: H04N21/252 , H04N21/2541 , H04N21/25875 , H04N21/25891 , H04N21/4668
Abstract: 本发明公开了一种视频推荐系统中的隐私保护方法和视频推荐方法，该隐私保护方法基于信息匿名化和差分隐私，实现了在视频推荐过程中对用户个人隐私的保护。每个请求视频推荐的用户需要生成一张用户信息表，同时在多个用户中随机选取一个用户作为用户代理，用户代理将收集到的每位用户匿名化后的信息表组合成一张推荐表，用户代理在将推荐表进行差分隐私处理后发送给服务器端，服务器端用推荐算法进行视频推荐后，将推荐结果返回给用户代理，最后用户代理将推荐结果发送给各个用户。该方法在不改变云端推荐算法的前提下解决了传统推荐算法难以实现对用户个人隐私进行有效保护的问题，同时提供了高质量的视频推荐服务。
-
公开(公告)号：CN107196974A
公开(公告)日：2017-09-22
申请号：CN201710618390.2
申请日：2017-07-26
Applicant: 安徽大学
CPC classification number: H04L63/0421 , G06F21/6245 , H04L67/18
Abstract: 本发明公开了一种基于差分隐私的空间众包工作者位置隐私保护方法，包括：1、空间众包中工作者将真实位置添加一个符合差分隐私机制的噪声，并发送给服务器；2、服务器接收到来自工作者所发送的扰动位置信息；3、空间众包任务请求者向服务器发送任务请求；4、服务器计算出任务效用最高的任务传播区域；5、服务器在任务传播区域发布任务请求，由该区域的工作者选择是否接受任务。本发明能够解决因数据库管理不当所可能造成的工作者位置隐私泄露的问题，同时可以有效的应对背景知识攻击的问题，从而能提高空间众包中工作者位置隐私的安全性，进而提高空间众包工作者的工作积极性和工作效率。
-
公开(公告)号：CN107070869A
公开(公告)日：2017-08-18
申请号：CN201710010588.2
申请日：2017-01-06
Applicant: 安徽大学
IPC: H04L29/06
CPC classification number: H04L63/0853 , H04L63/083
Abstract: 本发明公开一种基于安全硬件的匿名认证方法，其特征应用于一个可信中心、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任意一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：CN117171641A
公开(公告)日：2023-12-05
申请号：CN202311124140.5
申请日：2023-09-01
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F18/241 , G06F18/2321 , G06F18/214 , G06N3/0442 , G01D21/02
Abstract: 本发明公开了一种基于改进DBSCAN算法和多尺度LSTM神经网络的气体浓度预测方法，包括：1、获取气体吸收光谱数据、实验环境的温度和湿度数据；2、使用改进DBSCAN聚类算法对原始数据进行筛选构造数据集并进行归一化处理；3、使用特征提取网络提取变量之间的特征并构造多尺度的LSTM神经网络气体浓度预测模型；4、使用气体浓度预测模型和测试集进行预测得到最终预测值。本发明通过对数据进行筛选和异常数据的修正，并根据修正后的数据集构造了多尺度LSTM神经网络，用于实现对气体浓度值的预测，为监测环境中的气体浓度变化提供了依据。
-
Patent Agency Ranking
公开(公告)号：CN115879126A
公开(公告)日：2023-03-31
申请号：CN202211593668.2
申请日：2022-12-13
Applicant: 安徽大学
Abstract: 本发明公开了一种基于安全云存储的医疗信息共享方法、电子设备及存储介质，该方法步骤包括：1、医院生成患者的医疗信息；2、对患者隐私信息加密；3、将患者医疗信息嵌入医学图像；4、上传加密信息到云存储系统；5、医院从云存储系统检索相关医疗信息；6、医疗信息提取与数据恢复；7、患者身份识别与信息解密。本发明能实现对患者个人信息进行加密，并对医疗记录进行信息隐藏，使用深度学习进行医疗信息检索和图像匹配，在不泄露患者隐私信息的情况下共享医疗信息。
-
公开(公告)号：CN111814190B
公开(公告)日：2022-12-23
申请号：CN202010847845.X
申请日：2020-08-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于差分隐私的分布式深度学习优化的隐私保护方法，是应用于服务器端与本地参与者端构成的分布式网络中，其步骤包括：S1、初始化阶段；S2、参与者本地训练参数上传阶段；S3、服务器接收参数筛选阶段。本发明能解决当前分布式深度学习过程中的隐私保护问题，考虑存在恶意参与者的情况下，防止恶意的参与者窃取其他参与者的隐私信息，并防止恶意参与者降低训练模型的精度，同时利用选择性上传参数的方法减少通信开销。
-
公开(公告)号：CN111859440A
公开(公告)日：2020-10-30
申请号：CN202010847615.3
申请日：2020-08-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于混合协议的分布式隐私保护逻辑回归模型的样本分类方法，该方法是应用于由n个数据提供方，一个加密服务提供商以及一个数据聚合方组成的分布式逻辑回归模型训练场景中，并包含以下步骤：步骤S1、初始化阶段；步骤S2、分布式模型训练阶段；步骤S3、最终模型发布阶段。本发明能解决当前多个数据提供方使用逻辑回归模型联合进行样本分类过程中的隐私泄露问题，从而能够在不泄露私有数据的情况下完成样本分类任务，并提高样本分类过程的安全性以及敏感数据的利用率。
-
公开(公告)号：CN110837603A
公开(公告)日：2020-02-25
申请号：CN201911091203.5
申请日：2019-11-09
Applicant: 安徽大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于差分隐私保护的集成推荐方法，其步骤包括：1、从评分网站上获取用户对项目的历史评分数据信息；2、对评分数据加入含隐私分配的噪声，进行预处理操作，得到预处理后的评分矩阵3、计算原始评分矩阵的用户相似度矩阵，选取与当前服务用户最相似的top-k个用户；4、集成协同过滤和矩阵分解方法，对预处理后的评分矩阵进行训练，得到预测评分矩阵依次有序推荐给服务用户。本发明能有效解决现有隐私保护推荐方案中推荐效果不佳和隐私安全性差的问题，从而可以为用户提供安全且高效的推荐。
-
公开(公告)号：CN109408728A
公开(公告)日：2019-03-01
申请号：CN201811451578.3
申请日：2018-11-30
Applicant: 安徽大学
IPC: G06F16/9535
Abstract: 本发明公开了一种基于覆盖算法的差分隐私保护推荐方法，是依据用户对电影评分的数据集得到评分矩阵；将评分矩阵中用户对每部电影评分依次执行覆盖算法；将两个用户聚在同一簇的总次数进行统计得到用户关系矩阵；对用户关系矩阵的每一行进行合理标准化得到用户行标准矩阵；对用户行标准矩阵添加噪声实施干扰；对于目标用户，从用户行标准矩阵中随机抽取k个不同的用户得到相似用户序列；将相似用户序列中评分较高的电影推荐给目标用户。本发明能有效地保护用户隐私，同时提高电影推荐的准确性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.039 seconds)
