-
公开(公告)号:CN117454941B
公开(公告)日:2024-04-26
申请号:CN202311801348.6
申请日:2023-12-26
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: G06N3/0464 , H04L9/08 , G06N3/08
Abstract: 本发明公开了一种基于函数秘密共享的安全二值神经网络推理系统。该系统包括输入层、隐含层和隐含层,根据实际神经网络结构设置若干个安全全连接运算单元、安全卷积运算单元、安全批量归一化运算单元、安全二值激活函数运算单元和安全最大池化运算单元。本发明通过生成矩阵乘法三元组,并基于此构建了高效的安全全连接层运算单元和安全卷积运算单元,结合离线‑在线计算范式,大大减少了客户端所需的计算和通信。此外,本发明基于函数秘密共享技术构建了安全二值激活函数运算单元和安全最大池化运算单元,能够支持混合位宽计算,减少了非线性函数计算所需的通信代价。
-
公开(公告)号:CN117454941A
公开(公告)日:2024-01-26
申请号:CN202311801348.6
申请日:2023-12-26
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: G06N3/0464 , H04L9/08 , G06N3/08
Abstract: 本发明公开了一种基于函数秘密共享的安全二值神经网络推理系统。该系统包括输入层、隐含层和隐含层,根据实际神经网络结构设置若干个安全全连接运算单元、安全卷积运算单元、安全批量归一化运算单元、安全二值激活函数运算单元和安全最大池化运算单元。本发明通过生成矩阵乘法三元组,并基于此构建了高效的安全全连接层运算单元和安全卷积运算单元,结合离线‑在线计算范式,大大减少了客户端所需的计算和通信。此外,本发明基于函数秘密共享技术构建了安全二值激活函数运算单元和安全最大池化运算单元,能够支持混合位宽计算,减少了非线性函数计算所需的通信代价。
-
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: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。
-
-
-
-
-