-
Patent Agency Ranking
公开(公告)号：CN114944953B
公开(公告)日：2024-04-09
申请号：CN202210558627.3
申请日：2022-05-20
Applicant: 江苏大学
Abstract: 本发明公开一种车联网环境下用于路况监测的无证书匿名认证方法，系统初始化、身份认证模块和交易更新。本发明基于区块链技术实现了区域可信机构RTA在路况检测过程中对车辆身份合法性的无证书匿名认证；在区块链架构的基础上构建未花费交易输出UTXO模型，使得可信机构能够利用交易完成对监测车辆的高效身份认证，而无需发行和维护数字证书；提供交易更新机制，保持系统交易池中交易数量的恒定，进而保证认证系统的可扩展性；提供认证过程中消息主体的匿名性和不可链接性，阻止了攻击者基于车辆动态轨迹的恶意追踪，并在发生争议时能够实现车辆身份的可追溯性。本发明为车联网中的身份认证提供安全、高效、隐私保护协议。
-
公开(公告)号：CN114944953A
公开(公告)日：2022-08-26
申请号：CN202210558627.3
申请日：2022-05-20
Applicant: 江苏大学
Abstract: 本发明公开一种车联网环境下用于路况监测的无证书匿名认证方法，系统初始化、身份认证模块和交易更新。本发明基于区块链技术实现了区域可信机构RTA在路况检测过程中对车辆身份合法性的无证书匿名认证；在区块链架构的基础上构建未花费交易输出UTXO模型，使得可信机构能够利用交易完成对监测车辆的高效身份认证，而无需发行和维护数字证书；提供交易更新机制，保持系统交易池中交易数量的恒定，进而保证认证系统的可扩展性；提供认证过程中消息主体的匿名性和不可链接性，阻止了攻击者基于车辆动态轨迹的恶意追踪，并在发生争议时能够实现车辆身份的可追溯性。本发明为车联网中的身份认证提供安全、高效、隐私保护协议。
-
公开(公告)号：CN115549901A
公开(公告)日：2022-12-30
申请号：CN202211196414.7
申请日：2022-09-29
Applicant: 江苏大学
Abstract: 本发明公开一种车联网环境下用于联邦学习的批量聚合方法，包括系统统初始化、车辆学习和模型聚合，本发明基于非对称公钥密码体制实现了对原始梯度数据的隐藏，保证了用户数据的隐私性；在联邦学习架构的基础上利用零知识证明技术使得用户可以在不泄露自身隐私的前提下实现数据的验证，同时可以实现对恶意车辆证书的追踪；此外还提出了一种批量聚合协议，可以有效的减少了通信和计算开销。本发明为车联网中的联邦学习提供了安全、高效、隐私保护的批量聚合协议。
-
公开(公告)号：CN118296241A
公开(公告)日：2024-07-05
申请号：CN202410503506.8
申请日：2024-04-25
Applicant: 江苏大学
IPC: G06F16/9535 , G06N20/20 , H04L67/306 , H04L67/12 , H04L9/08
Abstract: 本发明提供了一种基于纵向联邦学习的油电混合电动汽车的充电站和加油站推荐算法，包括如下步骤：车辆端分别生成公钥对和私钥对，充电站端和加油站端分别只能获得公钥对，求得车辆端、充电站端和加油站端的加密交集；训练模型，当训练模型迭代结束后，根据训练过程中的损失、梯度、CS的特征和GS的特征，得到最终的CS和GS推荐列表；将最终的CS和GS推荐列表传输至车辆端；车辆端接收到CS和GS推荐列表，车辆端根据车辆型号、驾驶员喜好、距离和价格对其进行反向排序，向车辆端推荐前N个的CS和GS推荐列表。本发明在不泄露任何私有信息的情况下更新各自内部的局部训练模型。
-
公开(公告)号：CN115549901B
公开(公告)日：2024-03-22
申请号：CN202211196414.7
申请日：2022-09-29
Applicant: 江苏大学
Abstract: 本发明公开一种车联网环境下用于联邦学习的批量聚合方法，包括系统统初始化、车辆学习和模型聚合，本发明基于非对称公钥密码体制实现了对原始梯度数据的隐藏，保证了用户数据的隐私性；在联邦学习架构的基础上利用零知识证明技术使得用户可以在不泄露自身隐私的前提下实现数据的验证，同时可以实现对恶意车辆证书的追踪；此外还提出了一种批量聚合协议，可以有效的减少了通信和计算开销。本发明为车联网中的联邦学习提供了安全、高效、隐私保护的批量聚合协议。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
