公开(公告)号：CN111245610B

公开(公告)日：2022-04-19

申请号：CN202010057521.6

申请日：2020-01-19

Applicant: 浙江工商大学 ,  浙江鹏信信息科技股份有限公司

Inventor： 韩嵩 ,  任思琪 ,  孔梦娇 ,  陈晓莉 ,  徐云华 ,  林建洪 ,  徐菁

IPC: H04L9/08 ,  H04L9/32 ,  G06N3/08

Abstract: 本发明公开了基于NTRU同态加密的数据隐私保护深度学习方法。本发明采用一种NTRU同态加密的方法来加密深度学习中感知器学习过程中的训练数据、测试数据、标签值以及权重向量，并在这些数据加密的情况下来训练预测模型，确保用户数据的隐私性和安全性。这种同态加密技术相比于一般同态加密技术因其所用多项式次数较低而具有较好的实用性，基于这种隐私保护下的感知器学习可以推广到多层的神经网络，实现深度学习过程中的数据隐私保护。

公开(公告)号：CN110609831B

公开(公告)日：2020-07-03

申请号：CN201910794804.6

申请日：2019-08-27

Applicant: 浙江工商大学

Inventor： 韩嵩 ,  孔梦娇 ,  洪海波 ,  杨柏林 ,  谢满德 ,  赵帅 ,  金舒丹

IPC: G06F16/215 ,  G06F21/62 ,  G06K9/62

Abstract: 本发明公开了一种基于隐私保护与安全多方计算的数据链接方法。本发明采用一种改进的k‑means分类方法对本地数据进行分块，减少数据记录间的比较次数，对于大型数据库有较好的可扩展性，也提高了隐私保护记录链接的执行效率；本发明通过利用可逆矩阵的性质和Shamir门限秘密共享方案保证在两个或多个记录级布鲁姆过滤器之间比较相似度的时候有较好的安全性，防止用户敏感信息被敌手获取。本发明具有较好的可拓展性且计算开销比较小，适用于真实数据量较大的现实环境中。

公开(公告)号：CN111245610A

公开(公告)日：2020-06-05

申请号：CN202010057521.6

申请日：2020-01-19

Applicant: 浙江工商大学 ,  浙江鹏信信息科技股份有限公司

Inventor： 韩嵩 ,  任思琪 ,  孔梦娇 ,  陈晓莉 ,  徐云华 ,  林建洪 ,  徐菁

IPC: H04L9/08 ,  H04L9/32 ,  G06N3/08

Abstract: 本发明公开了基于NTRU同态加密的数据隐私保护深度学习方法。本发明采用一种NTRU同态加密的方法来加密深度学习中感知器学习过程中的训练数据、测试数据、标签值以及权重向量，并在这些数据加密的情况下来训练预测模型，确保用户数据的隐私性和安全性。这种同态加密技术相比于一般同态加密技术因其所用多项式次数较低而具有较好的实用性，基于这种隐私保护下的感知器学习可以推广到多层的神经网络，实现深度学习过程中的数据隐私保护。

公开(公告)号：CN110609831A

公开(公告)日：2019-12-24

申请号：CN201910794804.6

申请日：2019-08-27

Applicant: 浙江工商大学

Inventor： 韩嵩 ,  孔梦娇 ,  洪海波 ,  杨柏林 ,  谢满德 ,  赵帅 ,  金舒丹

IPC: G06F16/215 ,  G06F21/62 ,  G06K9/62

Abstract: 本发明公开了一种基于隐私保护与安全多方计算的数据链接方法。本发明采用一种改进的k-means分类方法对本地数据进行分块，减少数据记录间的比较次数，对于大型数据库有较好的可扩展性，也提高了隐私保护记录链接的执行效率；本发明通过利用可逆矩阵的性质和Shamir门限秘密共享方案保证在两个或多个记录级布鲁姆过滤器之间比较相似度的时候有较好的安全性，防止用户敏感信息被敌手获取。本发明具有较好的可拓展性且计算开销比较小，适用于真实数据量较大的现实环境中。