-
公开(公告)号：CN118966382A
公开(公告)日：2024-11-15
申请号：CN202411031498.8
申请日：2024-07-30
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
Abstract: 本发明公开了基于同态加密的线性回归模型联邦学习训练方法，属于隐私数据加密计算技术领域。解决了现有技术中传统的隐私保护机器学习模型训练方法在同态加密阶段通讯量较大的问题；本发明通过在纵向联邦学习场景下，用户方和服务方采用叠加矩阵乘法协议的加性同态加密算法对线性回归模型进行训练即对初始参数和输入编码更新，得到更新后的密文多项式；通过协调方解密更新后的密文多项式，并发送给服务方和用户方根据线性回归模型选用的梯度下降方法更新梯度和损失函数，根据判定条件决定是否结束训练，重复上述步骤直到线性回归模型训练结束。本发明有效提升了多方隐私数据同态加密计算的安全性，缩短了计算时间，可以应用于隐私数据加密计算。
-
公开(公告)号：CN117857008A
公开(公告)日：2024-04-09
申请号：CN202311686527.X
申请日：2023-12-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于整数自举的环面全同态加密算法的数据处理方法，方法为：客户端根据安全参数调用密钥生成算法生成自身密钥、自举密钥和转换密钥，并将自举密钥和转换密钥发送给云端服务器，自身密钥本地保存；客户端调用加密算法使用自身密钥对明文数据进行加密操作得到密文传输给云端服务器；云端服务器根据客户端提供的评估函数、自举密钥及转换密钥对密文执行评估算法得到密文状态下的评估结果发回客户端；客户端根据自身密钥调用解密算法对密文状态下的评估结果进行解密操作获得明文数据的评估结果。本发明重新设计自举算法实现支持整数级数据的自举算法，大大提高了计算效率；同时支持整数级数据的非线性函数运算，减少了方案复杂度。
-
公开(公告)号：CN119094128A
公开(公告)日：2024-12-06
申请号：CN202411570482.4
申请日：2024-11-06
Applicant: 深圳市华汇数据服务有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于秘密共享的隐私保护特征工程方法及系统，包括以下步骤：S100、在数据集秘密分发阶段，n个数据提供方#imgabs0#分别将各自的隐私数据特征及其标签#imgabs1#通过加法算术秘密共享分发给第一服务器S1和第二服务器S2，得到数据特征的秘密份额和数据标签的秘密份额；S200、在两方分布式运算阶段，第一服务器S1和第二服务器S2基于获得的数据特征的秘密份额和数据标签的秘密份额在密态环境分别进行安全两方分布式运算，第一服务器S1与第二服务器S2之间不共谋。本发明的技术方案能够在任何一个环节都能保证数据的隐私安全的同时兼顾计算效率，具有更强的拓展性和完整的系统。
-
公开(公告)号：CN117857008B
公开(公告)日：2024-11-19
申请号：CN202311686527.X
申请日：2023-12-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于整数自举的环面全同态加密算法的数据处理方法，方法为：客户端根据安全参数调用密钥生成算法生成自身密钥、自举密钥和转换密钥，并将自举密钥和转换密钥发送给云端服务器，自身密钥本地保存；客户端调用加密算法使用自身密钥对明文数据进行加密操作得到密文传输给云端服务器；云端服务器根据客户端提供的评估函数、自举密钥及转换密钥对密文执行评估算法得到密文状态下的评估结果发回客户端；客户端根据自身密钥调用解密算法对密文状态下的评估结果进行解密操作获得明文数据的评估结果。本发明重新设计自举算法实现支持整数级数据的自举算法，大大提高了计算效率；同时支持整数级数据的非线性函数运算，减少了方案复杂度。
-
Patent Agency Ranking
公开(公告)号：CN118536150B
公开(公告)日：2025-02-28
申请号：CN202410488387.3
申请日：2024-04-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
IPC: G06F21/62 , G06F16/2455 , H04L9/00
Abstract: 本发明公开了一种基于同态秘密共享的隐私保护数据库JOIN类型查询方法、系统及设备，方法包括设置阶段和查询阶段，在设置阶段生成Paillier加密的公钥N、私钥d及加密私钥E(d)，而后打包送至客户；在查询阶段，客户将加密的客户表发送云服务器，根据查询者指令执行查询任务；云服务器根据同态秘密共享私钥eki，将加密的客户表中的加密值Ix本地转化为秘密份额，云服务器获取各自的秘密份额表；各个云服务器根据拥有的加密的客户表和秘密份额表执行安全连接协议，分别得到连接表的秘密份额；查询者根据各连接表的秘密份额重构连接表。本发明通过结合不经意排序和同态秘密共享的特点，设计安全连接协议，避免了匹配阶段的通信开销。
-
公开(公告)号：CN119094128B
公开(公告)日：2025-02-25
申请号：CN202411570482.4
申请日：2024-11-06
Applicant: 深圳市华汇数据服务有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于秘密共享的隐私保护特征工程方法及系统，包括以下步骤：S100、在数据集秘密分发阶段，n个数据提供方#imgabs0#分别将各自的隐私数据特征及其标签#imgabs1#通过加法算术秘密共享分发给第一服务器S1和第二服务器S2，得到数据特征的秘密份额和数据标签的秘密份额；S200、在两方分布式运算阶段，第一服务器S1和第二服务器S2基于获得的数据特征的秘密份额和数据标签的秘密份额在密态环境分别进行安全两方分布式运算，第一服务器S1与第二服务器S2之间不共谋。本发明的技术方案能够在任何一个环节都能保证数据的隐私安全的同时兼顾计算效率，具有更强的拓展性和完整的系统。
-
公开(公告)号：CN117592527B
公开(公告)日：2024-11-26
申请号：CN202410074807.3
申请日：2024-01-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0499 , G06N3/084 , G06F18/214 , G06F21/60
Abstract: 本发明公开了一种基于函数秘密共享的隐私保护神经网络训练方法及装置，来支持实用的安全神经网络训练，该框架具有较小的常数轮在线通信复杂度，在不降低模型精度的情况下降低离线通信成本，同时离线阶段通过使用安全两方计算友好的伪随机生成器，采用分布式比较函数密钥生成方案来取代可信第三方。本发明通过提出了具有最小密钥大小的通信优化的分布式比较函数，无需较大函数秘密共享密钥量；通过设计离线阶段，在离线阶段生成相关随机性用于在线阶段函数计算，使得在线阶段只需1轮通信即可，从而大大减少通信量。
-
公开(公告)号：CN118536150A
公开(公告)日：2024-08-23
申请号：CN202410488387.3
申请日：2024-04-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
IPC: G06F21/62 , G06F16/2455 , H04L9/00
Abstract: 本发明公开了一种基于同态秘密共享的隐私保护数据库JOIN类型查询方法、系统及设备，方法包括设置阶段和查询阶段，在设置阶段生成Paillier加密的公钥N、私钥d及加密私钥E(d)，而后打包送至客户；在查询阶段，客户将加密的客户表发送云服务器，根据查询者指令执行查询任务；云服务器根据同态秘密共享私钥eki，将加密的客户表中的加密值Ix本地转化为秘密份额，云服务器获取各自的秘密份额表；各个云服务器根据拥有的加密的客户表和秘密份额表执行安全连接协议，分别得到连接表的秘密份额；查询者根据各连接表的秘密份额重构连接表。本发明通过结合不经意排序和同态秘密共享的特点，设计安全连接协议，避免了匹配阶段的通信开销。
-
公开(公告)号：CN117592527A
公开(公告)日：2024-02-23
申请号：CN202410074807.3
申请日：2024-01-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0499 , G06N3/084 , G06F18/214 , G06F21/60
Abstract: 本发明公开了一种基于函数秘密共享的隐私保护神经网络训练方法及装置，来支持实用的安全神经网络训练，该框架具有较小的常数轮在线通信复杂度，在不降低模型精度的情况下降低离线通信成本，同时离线阶段通过使用安全两方计算友好的伪随机生成器，采用分布式比较函数密钥生成方案来取代可信第三方。本发明通过提出了具有最小密钥大小的通信优化的分布式比较函数，无需较大函数秘密共享密钥量；通过设计离线阶段，在离线阶段生成相关随机性用于在线阶段函数计算，使得在线阶段只需1轮通信即可，从而大大减少通信量。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.038 seconds)
