-
公开(公告)号：CN110263570A
公开(公告)日：2019-09-20
申请号：CN201910387357.2
申请日：2019-05-10
Applicant: 电子科技大学 , 国家计算机网络与信息安全管理中心
IPC: G06F21/62 , G06F21/30 , G06F16/9532 , G06F16/9535 , H04L9/06 , H04L9/08 , H04L29/06 , H04L29/08
Abstract: 本发明属于信息安全技术领域，具体提供一种实现高效相似性查询和访问控制的基因数据脱敏方法，其有效支持密文环境下大规模基因数据的相似性查询，同时支持复杂的逻辑查询以满足用户个性化的查询需求，该方法授权方式灵活，可对不同的数据授予不同的访问权限，并在查询过程中实现对用户的数据访问权限的可靠控制，此外，本发明采用特定的哈希函数压缩数据，显著减少密文状态下匹配的元素数量，进一步提高查询检索效率。
-
公开(公告)号：CN110263570B
公开(公告)日：2020-09-25
申请号：CN201910387357.2
申请日：2019-05-10
Applicant: 电子科技大学 , 国家计算机网络与信息安全管理中心
IPC: G06F21/62 , G06F21/30 , G06F16/9532 , G06F16/9535 , H04L9/06 , H04L9/08 , H04L29/06 , H04L29/08
Abstract: 本发明属于信息安全技术领域，具体提供一种实现高效相似性查询和访问控制的基因数据脱敏方法，其有效支持密文环境下大规模基因数据的相似性查询，同时支持复杂的逻辑查询以满足用户个性化的查询需求，该方法授权方式灵活，可对不同的数据授予不同的访问权限，并在查询过程中实现对用户的数据访问权限的可靠控制，此外，本发明采用特定的哈希函数压缩数据，显著减少密文状态下匹配的元素数量，进一步提高查询检索效率。
-
公开(公告)号：CN115906852A
公开(公告)日：2023-04-04
申请号：CN202211605278.2
申请日：2022-12-14
Applicant: 电子科技大学 , 民航成都电子技术有限责任公司 , 中国民用航空总局第二研究所
IPC: G06F40/295 , G06F16/36 , G06F40/289 , G06F40/211 , G06F21/62
Abstract: 本发明属于隐私数据使用合规性检查技术领域，提供了一种基于知识图谱的隐私数据使用的合规性检查方法。主旨在于自动检测数据的使用过程中是否有不合规，主要方案包括从获取的隐私政策数据中抽取出进行合规性检测的规则，为了将非结构化文本中的语句使用形式化方法进行表述，首先识别实体；根据识别出的实体，从隐私政策中挖掘不同实体之间的关系，构建由三元组组成的规则库，并构建知识图谱；从数据处理引擎的审计日志中获得隐私数据的处理过程，找出隐私数据中元数据，并建立表示数据处理过程的有向无环图，简称数据处理图；将表示数据处理过程的图与知识图谱进行匹配，判断数据处理过程是否符合隐私政策定义的规则，并找出导致不合规的原因。
-
公开(公告)号：CN110009111A
公开(公告)日：2019-07-12
申请号：CN201910250513.0
申请日：2019-03-29
Applicant: 电子科技大学 , 中电科大数据研究院有限公司 , 中国电子科技网络信息安全有限公司
IPC: G06N20/00
Abstract: 本发明公开了一种机器学习逆过程中生成最优训练集的方法，机器学习逆过程又称为机器教学，即给定模型的学习目标，求出训练集，属于机器学习技术领域。本发明包括以下步骤：设定教学者模型、生成样本点、优化样本点。本发明中，教学者希望能在尽量少的数据修改程度的情况下来达到更好的教学效果，即所述方法从数据修改程度和教学效果两个角度来定义生成教学者的策略，并引入一个权衡参数，教学者可通过该参数来综合教学的效果和数据修改程度，保证了策略的灵活性。
-
公开(公告)号：CN109684838A
公开(公告)日：2019-04-26
申请号：CN201811404851.7
申请日：2018-11-23
Applicant: 电子科技大学
IPC: G06F21/56
Abstract: 本发明公开了一种在区块链的以太坊平台上针对智能合约的静态代码审计系统及方法，属于信息安全技术领域。本发明能够检测以太坊平台上使用Solidity语言编写的智能合约上存在的安全威胁，定位到具体位置，阐明危害并给出相应的解决方法。本发明方法：首先，用户将待检测的项目目录或者单个文件的路径输入系统，系统对输入内容进行预处理操作，将整个项目复制到临时工作目录中并删除其中的Solidity文件中的注释内容；其次，系统将通过词法分析和语法分析等操作将每一个Solidity文件都解析成语法树的形式；然后，系统将语法树结构与预先制定的逻辑匹配特征进行静态特征匹配，得到匹配结果；最后，系统将匹配后的结果分类并汇总，生成报告文件，即为检测结果。
-
Patent Agency Ranking
公开(公告)号：CN111563265A
公开(公告)日：2020-08-21
申请号：CN202010342081.9
申请日：2020-04-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于隐私保护的分布式深度学习方法，首先，在该方法中各个用户利用私有数据集训练本地模型并获得本地梯度，然后，各个用户利用门限加密算法对用户本地梯度数据进行加密，最后，云服务器实现安全聚合和学习模型全局参数的更新进而完成保护隐私的分布式学习训练过程。本发明将门限加密算法应用在分布式深度学习模型中，提出了安全高效的深度学习训练方法，利用门限加密的同态特性实现了梯度数据在云服务器的安全聚合，基于门限加密算法的门限特性，即使服务器与一定数量用户勾结也无法推断用户训练数据的隐私，同时，基于门限加密算法的非交互特性，本发明可以容忍用户在训练过程中有意或无意的退出行为。
-
公开(公告)号：CN110443063A
公开(公告)日：2019-11-12
申请号：CN201910563455.7
申请日：2019-06-26
Applicant: 电子科技大学
Abstract: 本发明提出一种自适性保护隐私的联邦深度学习的方法，以保护联邦深度学习中用户的原始数据不被好奇的服务器获知，同时保护学习模型的参数不泄露用户原始数据的信息。各个参与者预先与云服务器协商一个网络框架，然后云服务器得到一个初始化的模型，云服务器将该模型参数广播给各个参与者；参与者下载初始化的模型参数并更新自己的本地模型，然后结合本地数据集进行训练，并基于数据属性对模型输出的不同贡献度，对不同数据特征实施有差异的隐私保护操作，参与者将各自训练得到的本地梯度发送给云服务器；最终，云服务器收集各参与者的梯度信息后更新自己的模型来进行后续的训练。本发明在满足隐私保护的前提下，极大提高学习模型的精确度。
-
公开(公告)号：CN109684855A
公开(公告)日：2019-04-26
申请号：CN201811540698.0
申请日：2018-12-17
Applicant: 电子科技大学
Abstract: 本发明属于人工智能技术领域，涉及一种基于隐私保护技术的联合深度学习训练方法。本发明实现了一种基于隐私保护技术的高效联合深度学习训练方法。本发明中，各个参与方首先在私有数据集上训练本地模型获得本地梯度，再将本地梯度进行拉普拉斯噪音扰动，并加密后发送至云服务器；云服务器将接收到的所有本地梯度与上一轮的密文参数进行聚合操作，并广播产生的密文参数；最终，参与方解密接收到密文参数，并更新本地模型从而进行后续的训练。本发明结合同态加密方案和差分隐私技术，提出了安全高效的深度学习训练方法，保证训练模型的精确性，同时防止服务器推断模型参数和训练数据隐私以及内部攻击获取私密信息。
-
公开(公告)号：CN109684855B
公开(公告)日：2020-07-10
申请号：CN201811540698.0
申请日：2018-12-17
Applicant: 电子科技大学
Abstract: 本发明属于人工智能技术领域，涉及一种基于隐私保护技术的联合深度学习训练方法。本发明实现了一种基于隐私保护技术的高效联合深度学习训练方法。本发明中，各个参与方首先在私有数据集上训练本地模型获得本地梯度，再将本地梯度进行拉普拉斯噪音扰动，并加密后发送至云服务器；云服务器将接收到的所有本地梯度与上一轮的密文参数进行聚合操作，并广播产生的密文参数；最终，参与方解密接收到密文参数，并更新本地模型从而进行后续的训练。本发明结合同态加密方案和差分隐私技术，提出了安全高效的深度学习训练方法，保证训练模型的精确性，同时防止服务器推断模型参数和训练数据隐私以及内部攻击获取私密信息。
-
公开(公告)号：CN109474928B
公开(公告)日：2020-06-16
申请号：CN201811322088.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种在移动群智感知系统中实现高效隐私保护的真值发现方法，属于信息安全技术领域。本发明所述方法有效支持密文环境下大规模真值发现运算，为用户传感数据提供强安全性的同时保证用户数据权重更新、真值更新的准确性，并解决真值发现过程中所有用户必须一直保持在线状态的问题，容忍用户在计算过程中有意或无意的退出，此外，本发明能有效抵御系统内部攻击，进一步保护用户传感数据的机密性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.054 seconds)
