-
公开(公告)号：CN109815728A
公开(公告)日：2019-05-28
申请号：CN201811569351.9
申请日：2018-12-21
Applicant: 暨南大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于区块链的具有隐私保护的公平合同签署方法。以往电子合同签署需要借助中心化可信第三方协调签名过程。但中心化易出现单点故障，受到内部或外部的攻击，泄露敏感信息。区块链可以实现去中心。然而，已有的基于区块链的合同签署协议虽然可以实现公平合同签署，隐藏合同内容和合同的数字签名，但无法完全隐藏签署人的身份，通过区块链交易的签名脚本仍然可以追查到交易发起人。为了最大限度保护签署方的身份，本发明使用一次性环签名技术，实现混淆参与方身份，并结合盲的可验证加密签名方案，设计出更强的隐私保护公平合同签署协议，让多个签署者通过区块链完成公平的合同签署，隐藏合同内容、数字签名及签署方的身份信息。
-
公开(公告)号：CN109785494A
公开(公告)日：2019-05-21
申请号：CN201811569059.7
申请日：2018-12-21
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链的可追踪的匿名电子投票方法，该方法基于区块链平台，用户通过对选票进行匿名认证，并利用一次性区块链地址进行投票，整个投票过程不泄露用户身份，进而保护了用户隐私。此外，当恶意用户投票两次时，能根据公开信息追踪到该用户，从而在一定程度上限制了用户的恶意行为。与利用群签名和环签名实现匿名投票的方案不同，本发明改进了一种基于前缀的匿名认证方法，在保护用户隐私的前提下，减少了在链接选票和追踪用户时的计算量，提高了计算效率。此外，该投票方法可以保证选举过程透明、选票不可伪造、选举结果可验证等特性。本发明实用性强，易于推广和应用。
-
公开(公告)号：CN108319659B
公开(公告)日：2021-09-07
申请号：CN201810013996.8
申请日：2018-01-08
Applicant: 暨南大学
IPC: G06F16/583 , G06F16/51 , G06F16/953 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种基于加密图像快速搜索的社交发现方法，该社交发现方法针对现有技术中基于加密图像快速搜索的社交发现方案存在两个问题，即需要大量的存储空间以及消耗大量的搜索时间，提出了一种云环境下基于加密图像快速搜索的解决方案，首先预先构建描述用户图像内容的基于MD‑algorithm的可搜索的加密索引，该索引与用户图像一起存储在云服务器上，再通过安全相似性运算检索匹配用户的加密图像，找到具有相似图像的用户，从而实现好友推荐功能。与已有方案相比，所提出的解决方案不仅能准确的找到与目标用户具有相似图像的其他用户，而且还降低了存储空间以及提高了搜索效率。
-
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。
-
公开(公告)号：CN109615021A
公开(公告)日：2019-04-12
申请号：CN201811590868.6
申请日：2018-12-20
Applicant: 暨南大学
Abstract: 本发明属于机器学习领域，涉及一种基于k均值聚类的隐私信息保护方法，采用线性同态加密算法LHE结合加法同态加密算法Paillier对数据进行加密，得到密文数据，利用云服务端提供的计算服务实现对密文数据进行k均值聚类，得到密文聚类结果，客户端对密文聚类结果进行解密，得到明文聚类结果。本发明云服务端不获取用户的任何隐私信息，在实现聚类算法的同时保证用户的隐私信息安全，数据分析过程中数据信息不泄露，不仅有效地提高了用户数据的安全性，还大幅度地降低了客户端与云服务端之间的通信量，降低了通信成本，提高了机器学习效率，更适合应用到实际场景中去。
-
Patent Agency Ranking
公开(公告)号：CN108197499A
公开(公告)日：2018-06-22
申请号：CN201810025747.0
申请日：2018-01-11
Applicant: 暨南大学
Abstract: 本发明公开了一种可验证的密文数据范围查询方法，针对于各本地数据进行排序，得到三元组数据以及获取到各本地数据的前缀集合，将各本地数据的前缀集合存储在PBtree中；分别针对各三元组数据以及各前缀集合进行加密，同时将加密后的各本地数据存储于PBtree中的叶节点中；上述处理后的数据发送至云服务器中；通过该查询范围生成陷门，云服务器使用陷门在PBtree中搜索，最后将对应搜索到的叶节点中的密文数据返回，数据使用者对密文数据进行解密，根据解密后的数据判断获取到的数据大小是否连续确认云服务器返回的结果是完整的。本发明通过在PBtree叶节点存储额外信息，使得用户查询可验证，防止云服务器查询结果不完整。
-
公开(公告)号：CN109615021B
公开(公告)日：2022-09-27
申请号：CN201811590868.6
申请日：2018-12-20
Applicant: 暨南大学
Abstract: 本发明属于机器学习领域，涉及一种基于k均值聚类的隐私信息保护方法，采用线性同态加密算法LHE结合加法同态加密算法Paillier对数据进行加密，得到密文数据，利用云服务端提供的计算服务实现对密文数据进行k均值聚类，得到密文聚类结果，客户端对密文聚类结果进行解密，得到明文聚类结果。本发明云服务端不获取用户的任何隐私信息，在实现聚类算法的同时保证用户的隐私信息安全，数据分析过程中数据信息不泄露，不仅有效地提高了用户数据的安全性，还大幅度地降低了客户端与云服务端之间的通信量，降低了通信成本，提高了机器学习效率，更适合应用到实际场景中去。
-
公开(公告)号：CN110233730B
公开(公告)日：2022-05-03
申请号：CN201910428240.4
申请日：2019-05-22
Applicant: 暨南大学
Abstract: 本发明公开了一种基于K均值聚类的隐私信息保护方法，该方法的步骤包括：多个客户端CUi进行数据加密，得到加密密文上传至云服务端；客户端CUi、云服务端CSP和辅助云服务端ACSP进行数据交互计算，得到重加密密钥；云服务端收到加密密文，进行重加密得到同一公钥的重加密密文，再将重加密密文转换为Paillier加密的密文；云服务端获得Paillier加密的密文后计算聚类；云服务端先将聚类结果的密文转换双向加法同态代理重加密的密文，再转换为客户端公钥下的密文，最后将聚类结果的密文返回给客户端进行解密。本发明实现了对不同公钥的密文进行聚类，将同一公钥下的聚类结果转换为不同公钥下的聚类结果返回给客户端，同时保护了客户端的私人数据和聚类中心的隐私。
-
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：CN108319659A
公开(公告)日：2018-07-24
申请号：CN201810013996.8
申请日：2018-01-08
Applicant: 暨南大学
Abstract: 本发明公开了一种基于加密图像快速搜索的社交发现方法，该社交发现方法针对现有技术中基于加密图像快速搜索的社交发现方案存在两个问题，即需要大量的存储空间以及消耗大量的搜索时间，提出了一种云环境下基于加密图像快速搜索的解决方案，首先预先构建描述用户图像内容的基于MD-algorithm的可搜索的加密索引，该索引与用户图像一起存储在云服务器上，再通过安全相似性运算检索匹配用户的加密图像，找到具有相似图像的用户，从而实现好友推荐功能。与已有方案相比，所提出的解决方案不仅能准确的找到与目标用户具有相似图像的其他用户，而且还降低了存储空间以及提高了搜索效率。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
