-
公开(公告)号：CN112507312B
公开(公告)日：2022-10-14
申请号：CN202011443755.0
申请日：2020-12-08
Applicant: 电子科技大学
Abstract: 本发明提供一种在深度学习系统中基于数字指纹的验证与追踪方法，设计了一种两层数字指纹结构，每个客户的数字指纹由社区关系代码与客户身份代码组成。社区关系代码将有助于服务器快速找到可疑的客户组。客户身份代码用于表示客户的唯一标识。为了提供所有权和叛徒追踪的证据，本发明将每个客户的数字指纹嵌入DNN的参数内。当服务提供商发现可疑的用户时，服务器将从盗版模型中提取并验证指纹，从而追踪非法分发其模型的叛徒。
-
公开(公告)号：CN115021900A
公开(公告)日：2022-09-06
申请号：CN202210511251.0
申请日：2022-05-11
Applicant: 电子科技大学
Abstract: 本发明提出一种分布式梯度提升决策树实现全面隐私保护的方法，它使用差分隐私DP和全同态加密FHE来实现全面的隐私保护。在训练阶段，数据所有者向不受信任的服务器发送受DP保护的训练树，而不是加密数据。在预测阶段，使用FHE将用户的查询数据和预测结果隐藏在服务器中。为了进一步提高预测效率，该框架提出了一个对FHE友好的多项式近似计算，这样就可以有效地实现开销巨大的比较操作。与目前的隐私保护工作相比，该框架实现了低运行时间和与非隐私保护方案相当的通信开销，同时仅有一小部分的性能损失。
-
公开(公告)号：CN112104609A
公开(公告)日：2020-12-18
申请号：CN202010842682.6
申请日：2020-08-20
Applicant: 电子科技大学
Abstract: 本发明提供一种在移动群智感知系统中可验证的、具有隐私意识的真相发现的方法，在现有真值发现的基础上增加了：1)扰动机制，每个用户在将原始的感知数据提交到云之前，首先要独立地干扰其感知数据。另外，要求每个用户对扰动感知数据进行数字签名，以利于服务器随后生成证明。2)验证机制，云服务器执行保护隐私的真相发现算法，将聚合结果以及相应的证明消息返回给任务请求者。任务请求者可以仅通过检查证明消息来验证从云服务器返回的聚合结果的正确性，从而选择接受还是拒绝聚合结果。本发明满足公开可验证、高效率、可扩展、无前缀功能和多个数据提供者需求，在聚合精度、计算和通信开销方面具有优越的性能。
-
公开(公告)号：CN112104609B
公开(公告)日：2021-12-03
申请号：CN202010842682.6
申请日：2020-08-20
Applicant: 电子科技大学
Abstract: 本发明提供一种在移动群智感知系统中可验证的、具有隐私意识的真相发现的方法，在现有真值发现的基础上增加了：1)扰动机制，每个用户在将原始的感知数据提交到云之前，首先要独立地干扰其感知数据。另外，要求每个用户对扰动感知数据进行数字签名，以利于服务器随后生成证明。2)验证机制，云服务器执行保护隐私的真相发现算法，将聚合结果以及相应的证明消息返回给任务请求者。任务请求者可以仅通过检查证明消息来验证从云服务器返回的聚合结果的正确性，从而选择接受还是拒绝聚合结果。本发明满足公开可验证、高效率、可扩展、无前缀功能和多个数据提供者需求，在聚合精度、计算和通信开销方面具有优越的性能。
-
公开(公告)号：CN112507312A
公开(公告)日：2021-03-16
申请号：CN202011443755.0
申请日：2020-12-08
Applicant: 电子科技大学
Abstract: 本发明提供一种在深度学习系统中基于数字指纹的验证与追踪方法，设计了一种两层数字指纹结构，每个客户的数字指纹由社区关系代码与客户身份代码组成。社区关系代码将有助于服务器快速找到可疑的客户组。客户身份代码用于表示客户的唯一标识。为了提供所有权和叛徒追踪的证据，本发明将每个客户的数字指纹嵌入DNN的参数内。当服务提供商发现可疑的用户时，服务器将从盗版模型中提取并验证指纹，从而追踪非法分发其模型的叛徒。
-
Patent Agency Ranking
公开(公告)号：CN110213042A
公开(公告)日：2019-09-06
申请号：CN201910384969.6
申请日：2019-05-09
Applicant: 电子科技大学 , 内江市云启科技有限公司
Abstract: 本发明公开了一种基于无证书代理重加密的云端数据去重方法，属于云数据安全存储领域。本发明首先利用无证书签名的方法和挑战，依靠用户掌握的信息和云存储服务器拥有的预计算证据来完成文件所有权证明，从而实现客户端加密数据的删除；其次，利用无证书代理重加密方案实现了跨用户的数据共享和去重。即将服务器作为代理，对客户端上传的一次密文，用客户端上传的转换密钥进行二次加密，使得该二次密文能被另一客户端用户解密，实现数据共享，在这过程中，代理并不能获得与该数据相关的任何明文信息。最后，在文件级去重中，给出了一个数据块的映射表，客户端解密该文件映射表即可在特定的时间内向云服务器下载对应的数据块并解密组成完成的文件。
-
公开(公告)号：CN110213042B
公开(公告)日：2021-02-02
申请号：CN201910384969.6
申请日：2019-05-09
Applicant: 电子科技大学 , 内江市云启科技有限公司
Abstract: 本发明公开了一种基于无证书代理重加密的云端数据去重方法，属于云数据安全存储领域。本发明首先利用无证书签名的方法和挑战，依靠用户掌握的信息和云存储服务器拥有的预计算证据来完成文件所有权证明，从而实现客户端加密数据的删除；其次，利用无证书代理重加密方案实现了跨用户的数据共享和去重。即将服务器作为代理，对客户端上传的一次密文，用客户端上传的转换密钥进行二次加密，使得该二次密文能被另一客户端用户解密，实现数据共享，在这过程中，代理并不能获得与该数据相关的任何明文信息。最后，在文件级去重中，给出了一个数据块的映射表，客户端解密该文件映射表即可在特定的时间内向云服务器下载对应的数据块并解密组成完成的文件。
-
公开(公告)号：CN115021900B
公开(公告)日：2024-05-03
申请号：CN202210511251.0
申请日：2022-05-11
Applicant: 电子科技大学
Abstract: 本发明提出一种分布式梯度提升决策树实现全面隐私保护的方法，它使用差分隐私DP和全同态加密FHE来实现全面的隐私保护。在训练阶段，数据所有者向不受信任的服务器发送受DP保护的训练树，而不是加密数据。在预测阶段，使用FHE将用户的查询数据和预测结果隐藏在服务器中。为了进一步提高预测效率，该框架提出了一个对FHE友好的多项式近似计算，这样就可以有效地实现开销巨大的比较操作。与目前的隐私保护工作相比，该框架实现了低运行时间和与非隐私保护方案相当的通信开销，同时仅有一小部分的性能损失。
-
公开(公告)号：CN115967526B
公开(公告)日：2024-03-19
申请号：CN202211324597.6
申请日：2022-10-27
Applicant: 电子科技大学
IPC: H04L9/40 , H04L9/00 , H04L9/06 , G06F18/2431 , G06N5/043
Abstract: 本发明提供一种针对梯度提升决策树外包推理的隐私保护方法，模型拥有者将私密树转换后的GBDT模型发送至云服务器；用户通过哈希与加法同态密钥对待预测数据进行加密，将加密后的待预测数据发送至云服务器；云服务器和用户经过D轮通信执行安全比较协议，得到加密后的预测结果并发送至用户；用户解密后得到最终预测结果。更进一步的，在推理阶段的每一轮通信过程中，云服务器发送当前节点在密文下的预测值之前先进行随机树置换。本发明将轻量级哈希和加法同态加密技术用于梯度提升决策树的外包推理，定制了的安全比较和随机树置换协议，这些协议大幅加速了计算，降低了外包推理的通信成本，同时防止用户推断出与梯度提升决策树相关的隐私。
-
公开(公告)号：CN115967526A
公开(公告)日：2023-04-14
申请号：CN202211324597.6
申请日：2022-10-27
Applicant: 电子科技大学
IPC: H04L9/40 , H04L9/00 , H04L9/06 , G06F18/2431 , G06N5/043
Abstract: 本发明提供一种针对梯度提升决策树外包推理的隐私保护方法，模型拥有者将私密树转换后的GBDT模型发送至云服务器；用户通过哈希与加法同态密钥对待预测数据进行加密，将加密后的待预测数据发送至云服务器；云服务器和用户经过D轮通信执行安全比较协议，得到加密后的预测结果并发送至用户；用户解密后得到最终预测结果。更进一步的，在推理阶段的每一轮通信过程中，云服务器发送当前节点在密文下的预测值之前先进行随机树置换。本发明将轻量级哈希和加法同态加密技术用于梯度提升决策树的外包推理，定制了的安全比较和随机树置换协议，这些协议大幅加速了计算，降低了外包推理的通信成本，同时防止用户推断出与梯度提升决策树相关的隐私。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
