-
公开(公告)号：CN115965406A
公开(公告)日：2023-04-14
申请号：CN202310258187.4
申请日：2023-03-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06Q30/0202 , G06N5/04
Abstract: 一种基于博弈论实现用户隐私损失补偿的数据定价方法，属于数据处理的技术领域，包括：步骤1：通过对作为追随者的买家的效用函数求偏导，得出作为追随者的买家的最优数据购买策略；步骤2：将其带入作为领导者的市场平台的效用函数中，利用迭代梯度算法更新数据价格；再根据数据卖家的效用函数优化其隐私补偿系数；步骤3：确定数据交易的赢家、数据成交价、数据隐私补偿系数和数据的购买量四个关键变量，实现公平高效的数据定价。本发明提出基于Stackelberg博弈的定价方法，结合前面的隐私补偿机制，分析了卖方、买方和市场平台各自的效用，同时引入了激励竞争机制，多个卖方相互竞争，更符合真实数据交易的情况。
-
公开(公告)号：CN115873819A
公开(公告)日：2023-03-31
申请号：CN202310009831.4
申请日：2023-01-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于计算生物学、计算机辅助设计和酶工程技术领域，具体涉及基于超级计算辅助获得D‑氨基酸转氨酶突变体及其应用。本发明基于超级计算辅助技术成功获得一种新的D‑氨基酸转氨酶突变体并对该酶进行了应用。与野生型酶相比，上述D‑氨基酸转氨酶突变体在40℃的半衰期t1/2>12 h，而野生型D‑氨基酸转氨酶仅为8.8 min，突变体的半失活温度T5015为45.3℃，比野生型D‑氨基酸转氨酶提高了约5.4℃。从而显著提高了其热稳定性及酶活性等，有效拓宽其应用领域和范围，具有广泛的工业应用前景，因此具有良好的实际应用之价值。
-
公开(公告)号：CN115442160A
公开(公告)日：2022-12-06
申请号：CN202211388174.0
申请日：2022-11-08
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种差分隐私保护下的网络化系统数据隐蔽攻击检测方法，属于信息安全的技术领域，所述检测方法，首先，对网络化系统进行建模并设计基于系统噪声参数的攻击检测机制；然后，根据已知系统信息，为攻击者设计最优数据隐蔽攻击策略；接着，在保障网络化系统敏感数据隐私的情形下，通过隐私噪声调度机制确定隐私噪声添加的时刻，并实现最优系统控制性能。基于以上设计，可在保护系统数据隐私性以及保障系统达到最优运行性能的基础上，对可能发生的数据隐蔽攻击进行有效检测。
-
公开(公告)号：CN112989395A
公开(公告)日：2021-06-18
申请号：CN202110465793.4
申请日：2021-04-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请公开了一种SM4密码算法的形式化验证方法，所述方法包括：将SM4密码算法的算法参数定义为安全整数类型；其中，所述算法参数包括明文输入、加密结果、密文输入、解密结果、主密钥、密钥常数、轮密钥和s盒参数；确定基于F*框架的算法模块的初始堆，并在所述初始堆的目标缓冲区中添加所述算法参数；利用所述算法参数对所述SM4密码算法的轮密钥生成模块、加密模块和解密模块进行形式化验证，得到所述SM4密码算法的形式化验证结果。本申请能够在SM4密码算法实现过程中保证内存安全、避免受到时间侧信道攻击。本申请还公开了一种SM4密码算法的形式化验证系统，具有以上有益效果。
-
公开(公告)号：CN108933790B
公开(公告)日：2020-12-22
申请号：CN201810732760.X
申请日：2018-07-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的高安全等级的OTA升级固件的加密方法，PC机生成固件升级数据步骤为：利用固件头数据和n个block固件数据生成认证码MAC，将未加密的固件头数据、加密的MAC和n个block固件数据作为固件升级数据；IOT终端设备验证和升级步骤为：IOT终端设备利用接收的数据恢复出MAC的值，并判断自身计算的MAC值与接收的MAC值是否相等，只有在相等的情况下才执行升级操作。本发明的OTA升级固件的加密方法，通过包含侧信道分析在内多种方法很难分析出头部加密算法，从根本上防止了恶意固件的下载，防止了非法人员通过侧信道密码分析方法，将固件升级算法的原理恢复出来，进一步提高了固件升级过程中安全等级。
-
Patent Agency Ranking
公开(公告)号：CN108933790A
公开(公告)日：2018-12-04
申请号：CN201810732760.X
申请日：2018-07-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的高安全等级的OTA升级固件的加密方法，PC机生成固件升级数据步骤为：利用固件头数据和n个block固件数据生成认证码MAC，将未加密的固件头数据、加密的MAC和n个block固件数据作为固件升级数据；IOT终端设备验证和升级步骤为：IOT终端设备利用接收的数据恢复出MAC的值，并判断自身计算的MAC值与接收的MAC值是否相等，只有在相等的情况下才执行升级操作。本发明的OTA升级固件的加密方法，通过包含侧信道分析在内多种方法很难分析出头部加密算法，从根本上防止了恶意固件的下载，防止了非法人员通过侧信道密码分析方法，将固件升级算法的原理恢复出来，进一步提高了固件升级过程中安全等级。
-
公开(公告)号：CN120030535A
公开(公告)日：2025-05-23
申请号：CN202510481176.1
申请日：2025-04-17
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06N3/0442
Abstract: 本发明属于智能电网数据安全保护的技术领域，具体涉及一种基于电网信息物理耦合的APT溯源方法及装置，其方法包括：获取审计日志数据并将其重构为因果关系图，基于该因果关系图构建训练样本集对LSTM模型进行训练；基于物理层拓扑和物理层母线节点的过载情况构建过载关联图，并对其中各支路做脆弱性评估；基于各支路的真实过载情况对其进行二分类，构建过载依赖关系库，并评估各支路过载关联的破坏性影响；基于上述两个评估结果确定可疑支路序列，并根据信息‑物理拓扑关系和时间属性缩小可疑日志范围，得到待识别日志，将该待识别日志重构为目标因果关系图，利用训练好的LSTM模型对其进行识别，以判别出攻击实体并还原攻击路径。
-
公开(公告)号：CN118886003B
公开(公告)日：2025-03-28
申请号：CN202411355197.0
申请日：2024-09-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06N3/0442 , G06N3/092 , G06Q50/06 , G06N7/01
Abstract: 本发明属于电子数字数据处理的技术领域，更具体地，涉及面向智能电网隐蔽性攻击的时序预测强化学习检测方法。所述方法包括以下步骤：首先，对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；其次，将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计；然后，将智能电网中的攻击检测问题建模为部分可观测马尔可夫决策问题；最后，利用强化学习方法解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。本发明可以以较低的延迟和误检率来检测智能电网中的隐蔽攻击。
-
公开(公告)号：CN119005302B
公开(公告)日：2024-12-20
申请号：CN202411455446.3
申请日：2024-10-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F18/241 , G06N3/096 , G06F18/25
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于特征提取器与分类器灵活组合的联邦学习方法。所述方法包括：服务器初始化全局模型；如果是第一轮，则把本地分类器更新为全局分类器，如不是，则让本地分类器沿用上一轮次训练后的本地分类器；训练本地分类器，再对本地特征提取器进行训练，全局特征提取器生成全局特征锚点指导本地特征提取器的训练，同时让本地特征提取器先与全局分类器进行组合训练，再与本地分类器进行组合训练；基于客户端样本数量大小，生成聚合权重，并对本地模型聚合，得到新一轮的全局模型；重复步骤直到模型收敛或到达设定的通信轮次。本发明解决了模型性能下降、隐私泄露问题。
-
公开(公告)号：CN118468041B
公开(公告)日：2024-10-01
申请号：CN202410924362.3
申请日：2024-07-11
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/214 , G06F18/2135 , G06N3/094 , G06N3/098
Abstract: 本发明属于联邦学习数据安全的技术领域，更具体地，涉及基于生成对抗网络的联邦学习拜占庭节点检测方法、装置及计算机可读存储介质。包括客户端与服务器完成数据集的分配以及对客户端和服务器的模型进行初始化；客户端根据全局模型参数更新本地模型参数并进行训练，训练完成后，将更新后的本地模型参数发送至服务器；服务器进行拜占庭节点检测并排除掉拜占庭节点对应的本地模型参数后，对剩余的客户端本地模型参数进行聚合，得到新的全局模型参数，并下发至客户端；重复上述步骤至训练轮次阈值，得到优化的全局联邦学习模型参数。本发明解决了拜占庭攻击者可以通过对本地参数进行修改并发送给聚合服务器，以使得全局模型性能失稳的问题。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.043 seconds)
