一种联邦学习安全聚合方法
    1.
    发明公开

    公开(公告)号:CN117200964A

    公开(公告)日:2023-12-08

    申请号:CN202310544048.8

    申请日:2023-05-15

    Abstract: 本发明公开了一种联邦学习安全聚合方法,采用分布式密钥生成的门限Paillier同态加密算法和差分隐私的高斯机制在基于区块链的联邦学习框架上对参与方上传的模型梯度进行隐私保护,通过本地训练得到模型梯度后添加高斯噪声再用Paillier同态加密算法加密模型梯度。其中在密文状态下计算梯度之间欧式距离并借此对梯度进行质量打分以抵抗中毒攻击。本发明综合应用差分隐私的高斯机制和分布式密钥生成Paillier同态加密等技术,有效保护参与方的隐私数据,确保联邦学习的安全性和正确性,并提出了一种在密文状态下计算梯度之间欧式距离并借此对梯度进行质量打分以抵抗中毒攻击的方法,实验证明可以抵抗30%的中毒攻击。

    一种基于比特级门限的安全多云端口令管理方法

    公开(公告)号:CN111314090B

    公开(公告)日:2021-03-26

    申请号:CN202010220163.6

    申请日:2020-03-25

    Abstract: 本发明公开了一种基于比特级门限的安全多云端口令管理方法,该方法对PBKDF2算法进行改进,并基于改良PBKDF2算法对用主口令进行密钥拓展,再通过特殊的字节编码方式导出针对具体网站的强口令,以此实现口令生成。而在口令信息的处理和上传过程中使用AONT编码,并采用了基于RS纠错码的秘密共享方法对用户网站的强口令进行加密处理与分片,设置了(n,k)门限,最终将这些分片存储在多个云服务器上。该方法不仅生成的口令强度高,而且可以有效地防止数据块丢失和数据篡改,安全性较强;并且采用浏览器插件的形式实现让系统的使用更加便捷,用户可以有选择地使用主口令对不同的网站进行口令管理,使系统更加高效。

    电力数据的隐私计算方法、系统、电子设备及存储介质

    公开(公告)号:CN114710258A

    公开(公告)日:2022-07-05

    申请号:CN202210193583.9

    申请日:2022-03-01

    Abstract: 本申请公开了一种电力数据的隐私计算方法、系统、电子设备及存储介质,其中,方法包括:利用同态加密算法对至少一个电表终端的用户电力数据进行加密,并采用可链接环签名对至少一个电表终端的身份进行匿名,将加密数据和匿名信息进行打包生成密文数据;利用至少一个配电所对至少一个电表终端的密文数据进行聚合统计;利用控制中心对聚合后的密文数据进行解密得到用户电力统计数据,根据用户电力统计数据预测电力系统中用户的用电信息。由此,有效提高了电力数据的匿名性和安全性,同时保证电力数据的可追溯性,实现了更高的隐私效能。

    一种基于比特级门限的安全多云端口令管理方法

    公开(公告)号:CN111314090A

    公开(公告)日:2020-06-19

    申请号:CN202010220163.6

    申请日:2020-03-25

    Abstract: 本发明公开了一种基于比特级门限的安全多云端口令管理方法,该方法对PBKDF2算法进行改进,并基于改良PBKDF2算法对用主口令进行密钥拓展,再通过特殊的字节编码方式导出针对具体网站的强口令,以此实现口令生成。而在口令信息的处理和上传过程中使用AONT编码,并采用了基于RS纠错码的秘密共享方法对用户网站的强口令进行加密处理与分片,设置了(n,k)门限,最终将这些分片存储在多个云服务器上。该方法不仅生成的口令强度高,而且可以有效地防止数据块丢失和数据篡改,安全性较强;并且采用浏览器插件的形式实现让系统的使用更加便捷,用户可以有选择地使用主口令对不同的网站进行口令管理,使系统更加高效。

    基于倒排字典大数据对称可搜索加密方法及装置

    公开(公告)号:CN119513903A

    公开(公告)日:2025-02-25

    申请号:CN202311068747.6

    申请日:2023-08-23

    Abstract: 本申请涉及一种基于倒排字典大数据对称可搜索加密方法及装置,其中,方法包括:在C/S分布式结构中,接收用户上传的文件数据和目标口令,控制用户管理器利用TF‑IDF算法与Kmeans聚类结合的方法,提取明文数据中至少一个关键词,以建立倒排字典;利用预设AES算法加密文件数据得到加密文件数据,利用预设AES算法等构建条加密链表,在每条加密链表末端,添加HMAC消息验证码,并通过目标口令对加密链表进行噪声填充,生成节点序列和索引序列;利用云服务器通过目标口令,查询目标关键词对应的文件名。由此,解决了服务器进行惰性计算,容易增加额外的通信和存储开销,响应速度较慢,且在单写多读场景下,需数据拥有者长期在线等问题。

    一种基于Word2vec和ASPE的高效模糊可搜索加密方法

    公开(公告)号:CN114398660B

    公开(公告)日:2024-12-31

    申请号:CN202111432262.1

    申请日:2021-11-29

    Abstract: 本发明提出了一种基于Word2vec和ASPE的高效模糊可搜索加密方法,该方法主要应用密态信息模糊搜索领域。该算法首先借助Word2vec生成同义词相关系数,再将系数与关键字矩阵相结合,利用扩展后的ASPE算法得到用户的陷门矩阵。将利用扩展后的ASPE算法生成的文件索引矩阵与陷门矩阵进行哈达玛乘积操作得到文件相关性排序,最后用户通过密钥解密文件得到最终明文。通过实验仿真表明,该算法不仅能有效隐藏明文信息,保护了用户的前向隐私与后向隐私,而且大大改善传统算法计算量大且占用大量存储空间的缺陷,极高地提升了模糊搜索效率。

    基于混洗差分隐私的联邦学习系统、方法、设备及介质

    公开(公告)号:CN118520935A

    公开(公告)日:2024-08-20

    申请号:CN202410597444.1

    申请日:2024-05-14

    Inventor: 姚燕青 王思远

    Abstract: 本发明公开了一种基于混洗差分隐私的联邦学习系统、方法、设备及介质,属于隐私保护机器学习领域,用户在单次训练中利用自己的本地数据进行训练,并将训练后的结果进行隐私扰动,再将结果发送给混洗器;混洗器对用户发送的结果进行完整性检验后,通过生成虚拟消息并进行混洗的方式进行隐私放大,将处理后的消息集合发送给中心服务器;中心服务器根据混洗器发送的消息集合计算本次训练的更新参数,并统筹联邦学习参与用户重复多次训练得到模型,同时使用模型解决实际问题。本发明使用混洗差分隐私进行隐私放大,保护了参与用户数据的隐私,实现了联邦学习数据不出本地的要求,相比现有差分隐私联邦学习系统提高了训练的效率和结果准确率。

    基于属性加密的高效多功能访问控制方法及系统

    公开(公告)号:CN118536136A

    公开(公告)日:2024-08-23

    申请号:CN202410626472.1

    申请日:2024-05-20

    Abstract: 本发明公开了一种基于属性加密的高效多功能访问控制方法及系统,属于信息安全领域,本发明将高开销的解密操作转移给外包服务器,减轻了终端的计算负担,提高系统响应速度;将密钥构建时的计算压力分散给多个授权中心,属性被多个属性权威机构管理,确保了密钥的安全性与可靠性;通过在属性权威机构中引入版本密钥实现属性撤销,当需要进行属性撤销操作时,只需要更新版本密钥,使得属性撤销更加方便快捷;利用身份标识符实现密钥追踪,在密钥中嵌入数据使用者的身份信息,可以快速追踪到泄露解密密钥的恶意用户,增加系统对用户的管理能力;提供灵活的策略更新机制,数据拥有者可以根据要求随时修改明密文的访问策略,适应不同场景和需求的变化。

    一种基于本地化差分隐私的推荐系统

    公开(公告)号:CN111768268B

    公开(公告)日:2022-12-20

    申请号:CN202010543185.6

    申请日:2020-06-15

    Abstract: 本发明公开了一种基于本地化差分隐私的推荐系统,主要的流程为:(1)用户端对其相关的历史购买商品行为数据进行编码,然后使用满足本地化差分隐私的随机扰动算法对其进行扰动,最后将扰动后的数据发送给服务器端;(2)服务器端收集所有扰动后的数据,然后重建用户历史购买行为的相关信息,最后使用图嵌入算法将其映射为低维向量返回给用户端;(3)每个用户端通过最终生成的向量,计算各自推荐的候选集,从而完成在保护隐私情况下的商品推荐。本发明使用了本地化差分隐私保护技术,该系统无需可信第三方作为媒介,保证了每个用户的隐私信息不被第三方窃取,也保证系统最终推荐结果的有用性。

    一种基于Word2vec和ASPE的高效模糊可搜索加密方法

    公开(公告)号:CN114398660A

    公开(公告)日:2022-04-26

    申请号:CN202111432262.1

    申请日:2021-11-29

    Abstract: 本发明提出了一种基于Word2vec和ASPE的高效模糊可搜索加密方法,该方法主要应用密态信息模糊搜索领域。该算法首先借助Word2vec生成同义词相关系数,再将系数与关键字矩阵相结合,利用扩展后的ASPE算法得到用户的陷门矩阵。将利用扩展后的ASPE算法生成的文件索引矩阵与陷门矩阵进行哈达玛乘积操作得到文件相关性排序,最后用户通过密钥解密文件得到最终明文。通过实验仿真表明,该算法不仅能有效隐藏明文信息,保护了用户的前向隐私与后向隐私,而且大大改善传统算法计算量大且占用大量存储空间的缺陷,极高地提升了模糊搜索效率。

Patent Agency Ranking