-
公开(公告)号:CN107241806B
公开(公告)日:2018-07-31
申请号:CN201710575962.3
申请日:2017-07-14
Applicant: 安徽大学
Abstract: 本发明公开了种基于拍卖和隐私保护的双向异质频谱分配方法,包括以下步骤:初始化阶段:N个买家与M个卖家分别对自身的报价进行拆分加密;提交报价阶段:N个买家与M个卖家将自身的拆分加密后的报价信息全部发送给拍卖者A;分组阶段:拍卖者A计算干扰图,进行买家分组;买家分组匹配阶段:通过最大匹配算法得到分组信息;获胜者决定阶段:拍卖代理B生成拍卖算法的加密电路,并将该加密电路发送给拍卖者A,由拍卖代理和拍卖者向加密电路输入解密后的报价信息,利用加密电路计算获胜者;最终定价阶段:利用加密电路计算获胜者分担拍卖的最后价格。本发明在异质双向频谱拍卖过程中保护了每个买家或卖家的报价信息,实现了良好的隐私性。
-
公开(公告)号:CN107360551B
公开(公告)日:2018-07-24
申请号:CN201710567234.8
申请日:2017-07-12
Applicant: 安徽大学
Abstract: 本发明公开了一种车载自组织网络中基于差分隐私的位置隐私保护方法,包括位置服务器、路边单元RSU、以及多个车辆,该方法包括以下步骤:车辆进入RSU覆盖范围后初始化自己的位置信息并将自己的ID和位置坐标信息发送给RSU;RSU为服务请求车辆选取一个替身车辆,并且将替身车辆的ID和服务请求车辆的ID在数据库中做一个映射;RSU对替身车辆的位置信息添加噪声进行位置混淆,获得加噪后的位置;以及RSU根据加噪后的替身位置来请求位置服务器获取服务,请求成功后将结果返给服务请求车辆。本发明所提出的基于差分隐私技术的替身方法实现了请求者的位置不可追踪性,位置加噪混淆方法使得替身的位置隐私不被泄露出去。
-
公开(公告)号:CN108134597A
公开(公告)日:2018-06-08
申请号:CN201810015566.X
申请日:2018-01-08
Applicant: 安徽大学
IPC: H03K19/003 , H03K19/0185
Abstract: 本发明提供一种三个内部节点翻转完全免疫的锁存器,通过八对PN晶体管对构建一个存储模块,实现可靠的数据存储反馈环,再将该存储模块反馈至四输入C单元,不但实现了对双节点翻转的完全容忍,而且实现了三个内部节点翻转的完全容忍(免疫)功能。另一方面,由于使用了较少数目的晶体管和高速通路技术并在输出级插入传输门从而避免电流竞争,降低了电路面积开销、延时开销和功耗开销。本发明能够有效适用于高可靠性需求的集成电路与系统,可广泛应用于航天航空等对锁存器可靠性和开销要求较高的领域。
-
公开(公告)号:CN107947942A
公开(公告)日:2018-04-20
申请号:CN201711234735.0
申请日:2017-11-30
Applicant: 安徽大学
Abstract: 本发明公开了一种基于群签名和信誉的车辆位置隐私保护方法,包括以下内容:鼓励更多车辆合作形成群的信誉模型;评估车辆位置隐私强度的隐私模型;群的形成与动态混合区域建立机制;假名更换机制。对于车载自组网络中的任意车辆,当其假名快到期时,根据自身的信誉值,主动向控制服务器请求建立群,控制服务器为请求车辆分配群领导者角色,并根据请求车辆的当前位置,动态形成一个混合区域,在混合区域中的其他车辆根据自己的信誉值、隐私强度、假名剩余时间来判断是否参与合作改变假名,并能够动态的调整车辆的信誉值。本发明能够鼓励更多的车辆加入群,从而合作改变假名,保证车辆位置隐私;同时,车辆在形成的混合区域中不用保持静默状态,而是以群身份广播消息,保障了车辆的行驶安全;此外,能够有效地减少非必要的频繁改变假名造成的资源开销。
-
公开(公告)号:CN107634837A
公开(公告)日:2018-01-26
申请号:CN201711057462.7
申请日:2017-11-01
Applicant: 安徽大学
Abstract: 本发明公开一种基于边缘计算的车联网高效消息认证方法,包括以下步骤,(1)车联网参与实体的系统初始化,该步骤包括参数生成、车辆生成假名和签名两个过程;(2)RSU和车辆的消息认证,该步骤包括RSU选举出边缘计算车辆(ECV)、ECV执行任务、RSU检查ECV的认证结果、车辆消息认证四个过程。本发明的签名部分使用基于椭圆曲线密码学的操作,使得计算、传输开销较低;进一步通过模糊逻辑控制理论来选举出ECV来做到局部最优选举;设置ECV帮助RSU实现快速准确的消息签名认证;RSU通过广播认证结果最大程度地减少了整个系统的冗余认证,提升了整个车联网的运行效率。
-
公开(公告)号:CN107360551A
公开(公告)日:2017-11-17
申请号:CN201710567234.8
申请日:2017-07-12
Applicant: 安徽大学
CPC classification number: H04W4/046 , H04L63/0428 , H04L67/12 , H04W84/18
Abstract: 本发明公开了一种车载自组织网络中基于差分隐私的位置隐私保护方法,包括位置服务器、路边单元RSU、以及多个车辆,该方法包括以下步骤:车辆进入RSU覆盖范围后初始化自己的位置信息并将自己的ID和位置坐标信息发送给RSU;RSU为服务请求车辆选取一个替身车辆,并且将替身车辆的ID和服务请求车辆的ID在数据库中做一个映射;RSU对替身车辆的位置信息添加噪声进行位置混淆,获得加噪后的位置;以及RSU根据加噪后的替身位置来请求位置服务器获取服务,请求成功后将结果返给服务请求车辆。本发明所提出的基于差分隐私技术的替身方法实现了请求者的位置不可追踪性,位置加噪混淆方法使得替身的位置隐私不被泄露出去。
-
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:CN112217629B
公开(公告)日:2022-07-22
申请号:CN202011090575.9
申请日:2020-10-13
Applicant: 安徽大学
Abstract: 本发明提供了一种云存储公开审计方法,其包括通过采用基于格的云存储公开审计方法并结合轻量级认证技术,将完整性审计工作委托给一个能够获悉公钥的可信第三方来完成。由于本发明采用了格密码技术,因此一方面该方法能够抵抗量子计算机的攻击,具有较好的安全性,另一方面终端用户所需要的计算开销较小,文件上传与验证过程的效率较高。
-
公开(公告)号:CN108959961B
公开(公告)日:2022-03-22
申请号:CN201810671583.9
申请日:2018-06-26
Applicant: 安徽大学
IPC: G06F21/62
Abstract: 本发明公开了一种查询平均成绩的隐私保护方法、装置、计算机设备及存储介质,其中方法包括:计算个人隐私预算阈值;生成查询条件,判断用户当前隐私预算是否超过个人隐私预算阈值;若未超过个人隐私预算阈值,计算系统敏感度;根据系统敏感度对真实成绩进行加噪处理;对加噪处理后的的真实成绩进行数值处理,并将数值处理后的成绩信息发送给用户。通过计算个人隐私预算阈值,并在当前隐私预算未超过个人隐私预设阈值时,计算系统敏感度,对真实成绩进行加噪处理,再将加噪处理后的的真实成绩进行数值处理后的发送给用户,从而提高成绩查询系统在面对有组织地进行多人多次同时攻击时的情况下的安全性。
-
-
-
-
-
-
-
-
-