一种隐私保护的匹配方法及系统

    公开(公告)号:CN115733671B

    公开(公告)日:2025-05-16

    申请号:CN202211370603.1

    申请日:2022-11-03

    Inventor: 周启贤

    Abstract: 本发明公开了一种隐私保护的匹配方法,其包括步骤:向第二端发送所述字符子串的长度值m,以使所述第二端将所述第二端自身持有的长字符串切分为g个长度为m的字符串;接收所述第二端返回的数量g,并获取数值k生,成两个g行k列的随机二进制矩阵,分别为矩阵T和矩阵U;在接收到以接收端参与不经意传输指令的情况下,以矩阵T和矩阵U的对应列为输入执行k次长度为g的不经意传输;在接收到不经意伪随机函数执行指令的情况下,以字符子串为输入执行g次预设的不经意伪随机函数,得到第一输出结果;获取所述第二端发送的第二输入结果,比较所述第一输出结果和所述第二输出结果确认匹配结果。相应地,本发明公开了隐私保护的匹配系统。

    数据处理方法及装置
    2.
    发明公开

    公开(公告)号:CN114978658A

    公开(公告)日:2022-08-30

    申请号:CN202210535802.7

    申请日:2022-05-17

    Inventor: 周启贤

    Abstract: 本说明书实施例提供数据处理方法及装置,其中,所述数据处理方法应用于数据接收端,包括接收数据发送端发送的至少两种类型的初始加密参数,并确定每种类型的初始加密参数对应的目标加密参数;将所述目标加密参数与对应的初始加密参数进行匹配,在匹配成功的情况下,将与所述初始加密参数相匹配的所述目标加密参数,确定为匹配加密参数;确定所述匹配加密参数对应的待加密数据,并从所述数据加密端中获取所述待加密数据对应的加密参数信息;基于所述加密参数信息对所述至少两种类型的初始加密参数进行验证,并在验证通过的情况下,将所述匹配加密参数发送至所述数据发送端。

    基于用户隐私保护的事件预测方法和装置

    公开(公告)号:CN112016120B

    公开(公告)日:2024-03-26

    申请号:CN202010872818.8

    申请日:2020-08-26

    Inventor: 周启贤 张君涛

    Abstract: 本说明书一个实施例提了一种基于用户隐私保护的事件预测方法和装置,其中方法应用于目标用户的用户终端,包括:首先,获取目标用户的与待预测事件相关的用户隐私数据,以及,获取事件预测平台基于同态加密算法预先为目标用户生成的加密密钥。然后,基于同态加密算法和加密密钥,对用户隐私数据进行加密,将加密后的用户隐私数据发送至事件预测平台。其次,接收事件预测平台通过机器学习模型对加密后的用户隐私数据进行处理后,返回的待预测事件的密文预测结果。最后,基于同态加密算法生成解密密钥,利用解密密钥对密文预测结果进行解密,得到待预测事件的明文预测结果。

    基于隐私保护的数据查询方法及装置

    公开(公告)号:CN116975886A

    公开(公告)日:2023-10-31

    申请号:CN202310906636.1

    申请日:2023-07-21

    Inventor: 周启贤

    Abstract: 本说明书实施例提供一种基于隐私保护的数据查询方法及装置,在基于隐私保护的数据查询过程中,由数据方和查询方采用多个哈希函数一起对数据索引进行分桶,一个数据索引可以分到多个哈希函数各自对应的各个桶。如此,可以由查询方根据多个哈希函数引入布谷鸟哈希,以确定待查询的目标数据对应的查询标识(数据索引可查)所对应的其中一个桶。从而以单个桶为单位生成查询向量和数据向量。由于经过分桶,查询方和数据方可以生成维度较小的查询向量和数据向量,从而可以提高基于隐私保护的数据查询效率。

    一种隐私集合求交的入侵检测方法及装置

    公开(公告)号:CN116318820A

    公开(公告)日:2023-06-23

    申请号:CN202211740929.9

    申请日:2022-12-30

    Inventor: 周启贤 罗赛男

    Abstract: 本说明书公开了一种隐私集合求交的入侵检测方法及装置,参与隐私集合求交的参与方,在接收到其他参与方发送的加密数据后,根据所述加密数据,判断所述加密数据是否为指定底数的幂计算结果,若是则不进行隐私集合求交的后续步骤操作。从上述方法中可以看出,本方法可以在隐私集合求交的其他参与方传输加密数据时,检测是否存在恶意构建特殊数值的情况,从而判断其他参与方是否有破解自身密钥的可能,并在确定存在破解风险时,不继续执行隐私集合求交业务,以避免隐私数据的泄露。

    一种同态加密中的数据处理方法、装置以及设备

    公开(公告)号:CN112199707B

    公开(公告)日:2022-12-27

    申请号:CN202011170658.9

    申请日:2020-10-28

    Inventor: 张君涛 周启贤

    Abstract: 本说明书实施例公开了一种同态加密中的数据处理方法、装置以及设备。方案包括:确定对指定的业务数据所要执行的同态加密操作,同态加密操作用于提供隐私保护;获取同态加密操作包含的模幂运算的幂运算参数和模参数;对幂运算参数进行分解,得到多个子参数;在GPU中,根据子参数和模参数,进行多次位数化简处理;针对位数化简处理的过程中批量产生的模乘运算,分配给GPU的多个算数逻辑单元及其对应的多个线程执行,执行过程中通过进行数域转换计算得到模乘运算的结果;根据模乘运算的结果,确定模幂运算的结果以完成同态加密操作。

    保护隐私的数据查询方法及装置

    公开(公告)号:CN112115516B

    公开(公告)日:2021-03-02

    申请号:CN202011269236.7

    申请日:2020-11-13

    Inventor: 周启贤 张君涛

    Abstract: 本说明书实施例提供一种保护隐私的数据查询方法及装置,在数据查询方法中,获取分层可导航小世界HNSW图。获取待查询数据,并采用第一公钥,对待查询数据进行同态加密,得到目标密文数据。从HNSW图的多层NSW的最上层NSW开始,按照从上到下的顺序对各层NSW进行层搜索,直至在最下层NSW中,从N个节点中搜索到目标密文数据的k个近邻节点。将k个近邻节点对应的k条密文数据作为查询结果。

    保护隐私的人脸识别方法及装置

    公开(公告)号:CN112200133A

    公开(公告)日:2021-01-08

    申请号:CN202011173842.9

    申请日:2020-10-28

    Inventor: 周启贤 张君涛

    Abstract: 本说明书实施例提供一种保护隐私的人脸识别方法及装置,在人脸识别方法中,获取分层可导航小世界HNSW图。获取待识别人脸图像的目标特征,并对其进行所述第一降维处理,得到降维特征。采用第一公钥,对降维特征进行同态加密,得到第一目标密文向量。以及,采用第二公钥,对目标特征进行同态加密,得到第二目标密文向量。从多层NSW的最上层NSW开始,按照从上到下的顺序对各层NSW进行层搜索,直至在最下层NSW中,从N个节点中搜索到第一目标密文向量的k个近邻节点。从经加密的第二人脸特征库中,获取k个近邻节点所代表的k幅人脸图像各自的第二密文向量。将第二目标密文向量与k幅人脸图像各自的第二密文向量进行比对,以确定待识别人脸图像的比对结果。

    数据处理方法及装置
    9.
    发明授权

    公开(公告)号:CN114978658B

    公开(公告)日:2023-10-27

    申请号:CN202210535802.7

    申请日:2022-05-17

    Inventor: 周启贤

    Abstract: 本说明书实施例提供数据处理方法及装置,其中,所述数据处理方法应用于数据接收端,包括接收数据发送端发送的至少两种类型的初始加密参数,并确定每种类型的初始加密参数对应的目标加密参数;将所述目标加密参数与对应的初始加密参数进行匹配,在匹配成功的情况下,将与所述初始加密参数相匹配的所述目标加密参数,确定为匹配加密参数;确定所述匹配加密参数对应的待加密数据,并从所述数据加密端中获取所述待加密数据对应的加密参数信息;基于所述加密参数信息对所述至少两种类型的初始加密参数进行验证,并在验证通过的情况下,将所述匹配加密参数发送至所述数据发送端。

    一种模型训练方法、装置、存储介质以及电子设备

    公开(公告)号:CN116401683A

    公开(公告)日:2023-07-07

    申请号:CN202310252668.4

    申请日:2023-03-10

    Inventor: 周启贤 刘焱

    Abstract: 本说明书公开了一种模型训练方法、装置、存储介质以及电子设备,针对训练系统中的每个工作单元,以该工作单元的梯度为参数,确定加密函数,并根据加密函数,确定该梯度对应于指定数值的切片加密数据。进而根据该梯度对应于指定数值的切片加密数据,以及其他工作单元的梯度对应于指定数值的切片加密数据,确定其他工作单元的梯度和该工作单元的梯度之和,以此来完成梯度的聚合,再根据聚合后的梯度完成模型训练任务。该模型训练方法的执行过程不需要参数服务器的参与,因此,即使在参数服务器不可信的情况下,也无法窃取到工作单元中的训练样本和模型参数的相关信息,保证了训练样本和模型参数的信息安全。

Patent Agency Ranking