一种岭回归训练方法、计算设备、介质

    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。

    一种岭回归训练方法、计算设备、介质

    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。

    一种轻量型卷积神经网络安全预测方法

    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

    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。

    一种轻量型卷积神经网络安全预测方法

    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。

Patent Agency Ranking