一种区块链赋能的社区检测加密方法

    公开(公告)号:CN120017316A

    公开(公告)日:2025-05-16

    申请号:CN202510022273.4

    申请日:2025-01-07

    Abstract: 本发明涉及一种区块链赋能的社区检测加密方法,属于隐私保护和身份信息管理技术领域。本方法在对社区检测中数据拥有者的行为进行约束的同时保护了用户数字身份信息的安全,建立了新的去中心化的信任机制。首先利用区块链技术实现分布式身份认证,借助智能合约实现动态授权。在数据方面,引入向量承诺技术对数据拥有者上传的数据进行约束,同时将承诺后的数据放在区块链上实现可验证性与可溯源性。通过构建起可靠的信任基础,确保了身份管理系统的安全性和可靠性。此外,通过结合社区搜索算法,根据用户在社区中的地位和角色,实现了差异化的身份权限管理,大大提高了管理的精准性和效率。

    一种基于遗传算法的区块链多副本分配和存储方法

    公开(公告)号:CN113934374B

    公开(公告)日:2024-12-03

    申请号:CN202111193595.3

    申请日:2021-10-13

    Abstract: 本发明公开的一种基于遗传算法的区块链多副本分配和存储方法,属于区块链系统技术领域。本发明实现方法为:通过对区块使用多副本机制进行分配和存储,降低区块链中新节点加入的存储空间要求门槛,使得整体区块链系统所需的存储空间减少;且使用基于遗传算法的多副本分配和存储优化算法,在多重资源约束的条件下,为区块链上的所有区块生成最优的分配与存储位置;通过设置精英制度和基于存储节点筛选表的交叉算子和突变算子,遗传算法得到近似最优的分配和存储方案,生成分配方案后由对应的节点负责实际的存储工作,从而降低区块链系统的整体能源损耗;区块链系统会定期地根据全局状态使用遗传优化算法调整区块的分配位置,能够有效提升区块链中区块查询事件的效率。

    一种可验证纵向联邦学习隐私保护方法

    公开(公告)号:CN118965417A

    公开(公告)日:2024-11-15

    申请号:CN202410776703.7

    申请日:2024-06-17

    Abstract: 本发明涉及一种可验证纵向联邦学习隐私保护方法,属于联邦学习技术领域。本发明包括步骤:1、构建初始化模型;2、对参与方Z实现训练数据的样本对齐;3、可信第三方向参与方Z分发加密密钥对;4、参与方Z执行本地模型前向训练得到中间结果;5、参与方Z将中间结果经过同态加密后进行互换,进而,得到互换中间结果;6、计算本地模型梯度;7、计算验证集损失函数与贡献值;8、本地模型反向模型更新训练;9、重复步骤4至步骤8,直到训练停止。本发明提出一种可验证纵向联邦学习隐私保护方法用于提升模型的性能。通过在训练的过程中,使用夏普利值来计算被动方的贡献值,进而验证被动方本地模型的性能,提升全局模型的准确率。

    去中心化纵向联邦学习隐私保护方法

    公开(公告)号:CN118965416A

    公开(公告)日:2024-11-15

    申请号:CN202410776614.2

    申请日:2024-06-17

    Abstract: 本发明涉及去中心化纵向联邦学习隐私保护方法,属于机器学习技术领域。本发明包括步骤:1、模型参与方的成员节点包括主动方、被动方、验证方;2、形成主动方数据样本和被动方数据样本;3、模型初始化;4、被动方进行前向训练;5、验证方对本地中间结果进行验证通过拜占庭共识后,加权聚合形成聚合中间结果;6、主动方进行顶层模型训练;7、被动方利用主动方顶层模型的梯度值G反向更新本地模型参数;8、重复步骤3至步骤7,直到停止训练。本发明用于排除单独故障和提升准确率的性能,通过区块链中的共识组节点判断被动方的贡献值,聚合节点聚合共识后的被动方的本地值,实现去中心化的纵向联邦学习隐私保护方法。

    一种基于语义一致性的大语言模型水印方法

    公开(公告)号:CN118734801A

    公开(公告)日:2024-10-01

    申请号:CN202410724440.5

    申请日:2024-06-05

    Abstract: 本发明涉及一种基于语义一致性的大语言模型水印方法,属于人工智能安全技术领域。本方法包括水印嵌入和水印提取检测两个部分,在模型推理阶段,不对模型原始参数进行修改的情况下,将水印信息嵌入到生成文本中,避免了在模型训练阶段嵌入水印的过多资源消耗。本方法具有优良的鲁棒性,保持了水印文本的高文本质量和水印嵌入的低计算开销,具有良好的实用性。

    基于差分隐私和同态加密的联邦学习隐私保护方法

    公开(公告)号:CN117421762A

    公开(公告)日:2024-01-19

    申请号:CN202311049045.3

    申请日:2023-08-21

    Abstract: 本发明提出了基于差分隐私和同态加密的联邦学习隐私保护方法,属于网络安全数据信息隐私保护技术领域。本发明通过在本地模型训练过程中向梯度添加少量噪声,有效的抵御了成员推断攻击以及其他可能的隐私攻击方法,能够保护隐私数据。通过使用门限同态加密算法对训练过程中的模型参数进行加密,各参与方拥有不同的私钥,相较于传统的同态加密算法,大大降低了因某参与方密钥泄露而对整个联邦学习隐私造成毁灭性打击的风险。本方法中的各参与方节点对框架基本架构没有结构性影响,参与方的增删只影响门限参数的设定,能够灵活适应参与方数目的动态调整情况。本发明为充分实现联邦学习数据隐私、实现数据信息的安全交流与整合,提供了有效技术方案。

    一种基于zk-SNARK的可监管的隐私保护区块链系统及方法

    公开(公告)号:CN116366225A

    公开(公告)日:2023-06-30

    申请号:CN202310290956.9

    申请日:2023-03-23

    Abstract: 本发明涉及一种基于zk‑SNARK的可监管的隐私保护区块链系统及方法,属于区块链应用技术领域。本发明利用同态加密进行通信过程中的数据计算,借助zk‑SNARK零知识证明技术确保通信数据的正确性,通过在通信的地址集合中添加虚拟地址来实现通信者的身份的保密,使用监管方密钥对链上消息进行监管。本发明由Substrate和基于zk‑SNARK的隐私保护技术构建,能够在通信过程中保护用户消息、通信者身份的隐私信息。监管部门可以使用自身私钥对链上消息进行监管,在保证自身私钥安全的前提下并不妨碍对用户消息的隐私保护;与其他零知识证明方案相比,zk‑SNARK证明的大小恒定且足够小,使用基于账户的区块链也有利于零知识证明成本和链上存储成本的优化。

    一种基于零知识证明的支持监管的联盟链隐私保护方法

    公开(公告)号:CN115361145B

    公开(公告)日:2023-01-13

    申请号:CN202211276496.6

    申请日:2022-10-19

    Abstract: 本发明涉及一种基于零知识证明的支持监管的联盟链隐私保护方法,属于网络信息安全技术领域。在每笔交易被记录到账本过程中,每个客户端生成对应各种合规性验证的零知识证明,并发送给其他参与组织的背书节点。背书节点对交易包含的零知识证明模拟验证后,对通过验证的交易进行签名。当提交节点对交易进行记账时,验证所有背书节点的签名,并将通过验证的交易记入账本。本方法解除了交易合规性验证对于监管者的依赖,在不暴露交易隐私的同时对于交易合规性的自动验证,防止不合规交易被附加到公共账本中,监管者在基础的合规性检验之上使用不同的零知识证明设置不同的合规性要求,这些要求都将在记账前被自动验证。

    一种基于跨链网关和Floyd算法的可信跨链路由方法

    公开(公告)号:CN115208817A

    公开(公告)日:2022-10-18

    申请号:CN202210595413.3

    申请日:2022-05-29

    Abstract: 本发明涉及一种基于跨链网关和Floyd算法的可信跨链路由方法,属于区块链跨链路由技术领域。本发明利用跨链网关实现区块链之间的信息交互,在跨链路由网络中求最短路径问题时降低迭代次数和中间数据,利用Floyd算法选择跨链任务路由的跨链最短路径。本方法没有异构区块链的限制和中心化的风险,提高了区块链系统的可扩展性。同时,具有良好的可靠性,采用了迪杰斯特拉算法添加动态规划,可执行性可以保证。本方法效率高,无论是在空间复杂度还是时间复杂度上都进行了显著优化。

Patent Agency Ranking