一种基于格的具备委托测试功能的签密方法

    公开(公告)号:CN116346367A

    公开(公告)日:2023-06-27

    申请号:CN202310447900.X

    申请日:2023-04-24

    Abstract: 本发明提供一种基于格的具备委托测试功能的签密方法,该方法包括:委托服务器收到第一接收用户发送的第一签密文和第一授权陷门、第二接收用户发送的第二签密文和第二授权陷门;委托服务器判断第一签密文对应的明文和第二签密文对应的明文是否一致,将判断结果发送给第一接收用户和第二接收用户。本发明能够在标准模型下构建一种能抵抗量子计算机攻击的等值测试框架,并运用于签密技术中,保证密文信息的完整性和可追溯性的同时提高安全性级别。

    一种基于格的无零知识证明的无证书可追踪环签名方法

    公开(公告)号:CN117077213A

    公开(公告)日:2023-11-17

    申请号:CN202310803457.5

    申请日:2023-07-03

    Abstract: 本发明公开了一种基于格的无零知识证明的无证书可追踪环签名方法,所述方法包括:获取系统全局参数、系统公私钥对、环签名成员中所有签名者的身份信息及公私钥对;根据所述系统全局参数、系统公私钥对、环签名成员中所有签名者的身份信息及公私钥对,对待签信息进行签名生成可追踪标签,并根据所述可追踪标签生成环签名。本发明利用系统公私钥对和环签名成员中签名者的公私钥对,生成了可追踪标签,并根据可追踪标签生成最终的环签名,实现了在不使用零知识证明协议的前提下,环签名的可追踪功能,在保证签名信息的有效性和真实性的同时,提高了签名效率。

    一种基于高斯差分隐私和分布式深度学习的隐私保护方法

    公开(公告)号:CN116467750A

    公开(公告)日:2023-07-21

    申请号:CN202310448002.6

    申请日:2023-04-24

    Abstract: 本发明提供一种基于高斯差分隐私和分布式深度学习的隐私保护方法,该方法包括:中心服务器采用分布式深度学习方法根据本地客户端自身参数筛选本地客户端;筛选出的本地客户端从中心服务器下载全局参数;筛选出的本地客户端采用高斯差分隐私方法根据全局参数更新自身参数,将更新后的自身参数上传至中心服务器;中心服务器根据更新后的自身参数更新全局参数;当全局参数满足预设条件后输出最优全局参数。本发明在本地客户端使用了高斯差分隐私技术,使得本地客户端安全性提高以及保证了全局参数聚合的准确性,增加了全局模型的准确率。

Patent Agency Ranking