一种基于差分隐私的移动用户的轨迹隐私保护方法及系统

    公开(公告)号:CN109104696A

    公开(公告)日:2018-12-28

    申请号:CN201810916399.6

    申请日:2018-08-13

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于差分隐私的移动用户的轨迹隐私保护方法,该方法应用于服务器,并作用于m个通信基站L={l1,l2,…lm},n个用户U={u1,u2,…un}所构成的移动场景中,其中li其表示第i个通信基站的位置,1≤i≤m;uj表示第j个用户,1≤j≤n,该方法包括以下步骤:S1、初始化阶段;S2、数据聚合阶段;S3、数据扰动阶段;S4、数据发布阶段。本发明还公开了一种基于差分隐私的移动用户的轨迹隐私保护系统。本发明通过对通信基站覆盖的用户人数进行扰动,而不同于其他方案通过对每个用户的位置进行扰动,这样大大降低了隐私预算的使用,保证了数据的可用性,并且减小了计算开销。

    一种基于数字图像识别辅助定位的自助导游系统及其方法

    公开(公告)号:CN108287893A

    公开(公告)日:2018-07-17

    申请号:CN201810049926.8

    申请日:2018-01-18

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于数字图像识别辅助定位的自助导游系统及其方法,其特征包括:手机终端、定位服务器和数据库;数据库中存储有不同类别的景点信息、景点的地理位置信息,景点的周边景点信息以及景点的直方图特征,并以不同类别的景点的直方图特征构成特征量分类模型;定位服务器包括:识别模块、定位模块、查询模块、信息推送模块和通讯模块。本发明能利用智能手机的拍照功能来实现景点的识别和定位,从而提升旅客在旅游过程中的自助性和体验度,为自助导游提供一种全新的方式。

    一种基于中国剩余定理的移动式量子投票方法

    公开(公告)号:CN108010178A

    公开(公告)日:2018-05-08

    申请号:CN201711282367.7

    申请日:2017-12-07

    Applicant: 安徽大学

    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。

    一种基于云服务器的位置隐私保护方法

    公开(公告)号:CN107347096A

    公开(公告)日:2017-11-14

    申请号:CN201710551578.X

    申请日:2017-07-07

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于云服务器的位置隐私保护方法,其特征是:存在一个云服务器,一个数据服务提供商,若干个移动用户;数据服务提供商统一定义数据格式,并将数据分块加密存储到云服务器上,秘密保存解密密钥;用户根据自己所在的位置从云服务器获得加密的分块数据,继而数据服务提供商根据不经意传输协议将解密密钥传输给用户,最终用户解密得到明文的分块数据;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。本发明能够有效地解决基于位置服务中的数据隐私和位置隐私保护问题,同时降低数据服务提供商的存储代价、计算代价和通信代价,从而在保证用户隐私的同时降低系统开销。

    一种基于Bell态的量子秘密共享方法

    公开(公告)号:CN106712945A

    公开(公告)日:2017-05-24

    申请号:CN201710052420.8

    申请日:2017-01-22

    Applicant: 安徽大学

    CPC classification number: H04L9/085 H04L9/0852

    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。

    一种多授权机构的密文策略属性基加密方法

    公开(公告)号:CN106230590A

    公开(公告)日:2016-12-14

    申请号:CN201610585572.X

    申请日:2016-07-22

    Applicant: 安徽大学

    CPC classification number: H04L9/3073 H04L9/0825 H04L63/0485 H04L67/1097

    Abstract: 本发明公开了一种多授权机构的密文策略属性基加密方法,包括以下步骤:步骤一、系统初始化和建立多个授权机构;步骤二、在移动终端设备每次启动时,执行预加密处理,生成中间密文;步骤三、在上传中间密文到云存储服务器的过程中,使用由线性秘密共享机制定义的访问策略加密中间密文并外包到云存储服务器上;以及步骤四:各个授权机构根据用户的全域标示符和用户的属性集合为加密文件产生私钥。本发明针对移动云存储环境,在保证数据安全的前提下,利用加密预处理技术,把大量的配对操作提前预处理,进而使线上加密的计算代价最小;利用密钥转换技术和解密外包,将大量的配对操作外包到云存储服务器,减轻移动终端的解密计算代价。

    一种动态障碍物环境下目标搜索的无人机集群协同控制方法

    公开(公告)号:CN119937593A

    公开(公告)日:2025-05-06

    申请号:CN202510105359.3

    申请日:2025-01-23

    Applicant: 安徽大学

    Abstract: 本发明涉及一种动态障碍物环境下目标搜索的无人机集群协同控制方法,与现有技术相比解决了无人机集群在复杂、动态环境中目标搜索效率低、避障性能差的缺陷。本发明包括以下步骤:无人机集群的初始化;动态环境感知与障碍物信息获取;无人机多子群协同优化目标搜索;无人机集群路径规划与避障处理;无人机调度位置的更新。本发明结合了实时环境感知、数据融合技术以及基于势力场的避障机制,确保了无人机集群在复杂环境中的安全性和稳定性,避免了无人机在动态障碍物环境中可能发生的碰撞和路径规划失误;基于代价矩阵的路径优化方法有效降低了任务完成的总时间和飞行距离,进一步提升了任务执行的效率。

    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

    公开(公告)号:CN115879126B

    公开(公告)日:2024-07-19

    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。

    一种基于数据打包的隐私保护决策树的样本分类方法

    公开(公告)号:CN111967514B

    公开(公告)日:2023-11-17

    申请号:CN202010817497.1

    申请日:2020-08-14

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于数据打包的隐私保护决策树的样本分类方法,该方法应用于由n个拥有数据的参与方,两个服务器组成的网络环境中,并包括以下步骤:S1、初始化阶段;S2、参与方发送加密数据阶段;S3、服务器处理加密数据阶段;S4、训练决策树并进行样本分类阶段。本发明应用于多个参与方,允许客户端在自己的密钥下加密他们的数据,并利用数据打包技术有效地减少系统的计算开销和通信开销,从而有效解决决策树的样本分类过程中的隐私保护问题,提高在本地训练好的决策树模型下对样本进行分类的安全性。

    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

    公开(公告)号:CN111859440B

    公开(公告)日:2022-12-23

    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。

Patent Agency Ranking