-
公开(公告)号：CN109992979A
公开(公告)日：2019-07-09
申请号：CN201910196048.7
申请日：2019-03-15
Applicant: 暨南大学
Abstract: 本发明公开了一种岭回归训练方法，包括步骤：参数初始化，生成系统公共参数，生成各参与方的公私钥对，计算重加密密钥；接收训练请求时，计算联合公钥，用联合公钥加密私有数据，生成密文一；利用两阶段的解密机制，结合密文重加密技术，对密文一进行部分解密和重加密，生成密文二；通过DR对密文二进行解密，得到模型的最终训练结果。本发明用到ElGamal加法变体方案，结合密文重加密技术，保证数据资源在合作过程中的机密性的同时精简计算，提高计算速度的同时降低计算成本。
-
公开(公告)号：CN109992979B
公开(公告)日：2020-12-11
申请号：CN201910196048.7
申请日：2019-03-15
Applicant: 暨南大学
Abstract: 本发明公开了一种岭回归训练方法，包括步骤：参数初始化，生成系统公共参数，生成各参与方的公私钥对，计算重加密密钥；接收训练请求时，计算联合公钥，用联合公钥加密私有数据，生成密文一；利用两阶段的解密机制，结合密文重加密技术，对密文一进行部分解密和重加密，生成密文二；通过DR对密文二进行解密，得到模型的最终训练结果。本发明用到ElGamal加法变体方案，结合密文重加密技术，保证数据资源在合作过程中的机密性的同时精简计算，提高计算速度的同时降低计算成本。
-
公开(公告)号：CN112217663B
公开(公告)日：2023-04-07
申请号：CN202010978442.9
申请日：2020-09-17
Applicant: 暨南大学
IPC: H04L41/147 , H04L41/16 , H04L41/14 , G06N3/084 , G06N3/082 , G06N3/048 , H04L9/00 , G06F21/62 , G06N3/0464 , G06F21/60
Abstract: 本发明公开了一种轻量型卷积神经网络安全预测方法，包括以下步骤：通过训练样本构建网络安全预测模型；对网络安全预测模型进行滤波器剪枝，得到剪枝网络安全预测模型；对剪枝网络安全预测模型的模型参数进行编码，得到编码网络安全预测模型；将用户上传数据输入编码网络安全预测模型，对用户上传数据进行加密处理，得到密文；通过密文预测，得到密文预测结果，进而得到最终数据结果；本发明实现对数据的预测分析，并且保证云服务器不能获取用户的任何有效信息，同时用户也无法获得云服务器上面模型的任何信息。
-
公开(公告)号：CN112217663A
公开(公告)日：2021-01-12
申请号：CN202010978442.9
申请日：2020-09-17
Applicant: 暨南大学
Abstract: 本发明公开了一种轻量型卷积神经网络安全预测方法，包括以下步骤：通过训练样本构建网络安全预测模型；对网络安全预测模型进行滤波器剪枝，得到剪枝网络安全预测模型；对剪枝网络安全预测模型的模型参数进行编码，得到编码网络安全预测模型；将用户上传数据输入编码网络安全预测模型，对用户上传数据进行加密处理，得到密文；通过密文预测，得到密文预测结果，进而得到最终数据结果；本发明实现对数据的预测分析，并且保证云服务器不能获取用户的任何有效信息，同时用户也无法获得云服务器上面模型的任何信息。
-
-
-
Search Results
4
records
(took 0.019 seconds)
