-
公开(公告)号：CN114021152A
公开(公告)日：2022-02-08
申请号：CN202111369304.1
申请日：2021-11-18
Applicant: 贵州大学
Abstract: 本申请涉及一种基于联邦学习的系统安全漏洞检测方法及设备，方法包括：模拟待检测联邦学习系统的联邦模型训练过程；在联邦模型训练过程中，随机选取联邦模型的训练节点进行模拟攻击；对受到模拟攻击之前的联邦模型和受到模拟攻击之后的联邦模型分别进行仿真，并将仿真结果进行对比生成对比结果；根据对比结果判断待检测联邦学习系统的安全性能。本申请中在待检测联邦学习系统进行模型训练的过程中随机选取联邦模型的训练节点进行模拟攻击来评测待检测联邦学习系统的安全性能，可以提前了解待检测联邦学习系统到对于重放攻击的防御程度，从而及时做出改进和完善。
-
公开(公告)号：CN114142996A
公开(公告)日：2022-03-04
申请号：CN202111369290.3
申请日：2021-11-18
Applicant: 贵州大学
Abstract: 本发明涉及一种基于SM9密码算法的可搜索加密方法，通过基于SM9加密算法构建秘钥模型，以为用户生成公私钥对；获取公共参数、目标接收者的唯一身份标识和相应的关键字，以生成关键字对应的密文索引；获取公共参数、关键词和公私钥对中的私钥，生成密文检索陷门；基于公共参数和密文检索陷门对密文索引进行逐个对比，并将满足条件的密文数据返回给检索者。实现了基于非对称双线性对构造的可搜索加密方案可与国密SM9密码算法结合使用，大大提高了运算的效率，并且有利于推广国密算法，加强信息安全。
-
Patent Agency Ranking
公开(公告)号：CN110134719B
公开(公告)日：2023-04-28
申请号：CN201910412420.3
申请日：2019-05-17
Applicant: 贵州大学
IPC: G06F16/2458 , G06F16/28
Abstract: 本发明公开了结构化数据敏感属性的识别与分类分级方法，该方法包括步骤，首先根据用户需求输入待处理的结构化数据表；然后利用信息熵及最大熵计算属性的隐私敏感度；利用k‑means聚类算法对属性的敏感度进行聚类，将属性初始划分为敏感属性集和疑似敏感属性集两个簇；进一步利用Apriori算法挖掘疑似敏感属性集与敏感属性集间关联关系，将任意结构化数据的敏感属性进最终识别为敏感属性集与非敏感属性集；最后，仅仅针对敏感属性集来操作，通过对敏感属性集中属性间的互信息相关性和关联规则分析，对敏感属性进行分类，并对各敏感属性组的平均敏感度量化，实现敏感属性的分类分级。该方法面向隐私保护能同时达到敏感属性的识别与分级效果，不需要预知结构化数据集的属性特征、敏感特征字典，兼顾了属性间的相关性和关联关系。
-
公开(公告)号：CN110377605B
公开(公告)日：2023-04-25
申请号：CN201910669519.1
申请日：2019-07-24
Applicant: 贵州大学
IPC: G06F16/22 , G06F16/28 , G06F16/2458
Abstract: 本发明公开了一种一种结构化数据的敏感属性识别与分类分级方法。本发明将结构化数据表中的敏感属性实现自动化识别及精确地分类分级处理，以便后续将敏感属性的分类分级结果输出采取适当的隐私保护处理后进行数据发布。聚类分析是机器学习中的一种无监督学习方式，不需要预知样本集的分类情况就可以根据属性间相似度自动实现数据属性的分类。在敏感属性的最终识别阶段，考虑了敏感属性与疑似敏感属性之间的关联关系，目的是为了解决链接攻击的问题，从而进一步挖掘与敏感属性有关联的属性，减少隐私的泄露程度。在敏感属性的分类分级阶段，既考虑了敏感属性间的互信息相关性，也分析了属性间的关联关系，两者结合从而对敏感属性更加精准地分类。
-
公开(公告)号：CN114142996B
公开(公告)日：2023-09-05
申请号：CN202111369290.3
申请日：2021-11-18
Applicant: 贵州大学
Abstract: 本发明涉及一种基于SM9密码算法的可搜索加密方法，通过基于SM9加密算法构建秘钥模型，以为用户生成公私钥对；获取公共参数、目标接收者的唯一身份标识和相应的关键字，以生成关键字对应的密文索引；获取公共参数、关键词和公私钥对中的私钥，生成密文检索陷门；基于公共参数和密文检索陷门对密文索引进行逐个对比，并将满足条件的密文数据返回给检索者。实现了基于非对称双线性对构造的可搜索加密方案可与国密SM9密码算法结合使用，大大提高了运算的效率，并且有利于推广国密算法，加强信息安全。
-
公开(公告)号：CN110377605A
公开(公告)日：2019-10-25
申请号：CN201910669519.1
申请日：2019-07-24
Applicant: 贵州大学
IPC: G06F16/22 , G06F16/28 , G06F16/2458
Abstract: 本发明公开了一种一种结构化数据的敏感属性识别与分类分级方法。本发明将结构化数据表中的敏感属性实现自动化识别及精确地分类分级处理，以便后续将敏感属性的分类分级结果输出采取适当的隐私保护处理后进行数据发布。聚类分析是机器学习中的一种无监督学习方式，不需要预知样本集的分类情况就可以根据属性间相似度自动实现数据属性的分类。在敏感属性的最终识别阶段，考虑了敏感属性与疑似敏感属性之间的关联关系，目的是为了解决链接攻击的问题，从而进一步挖掘与敏感属性有关联的属性，减少隐私的泄露程度。在敏感属性的分类分级阶段，既考虑了敏感属性间的互信息相关性，也分析了属性间的关联关系，两者结合从而对敏感属性更加精准地分类。
-
公开(公告)号：CN110134719A
公开(公告)日：2019-08-16
申请号：CN201910412420.3
申请日：2019-05-17
Applicant: 贵州大学
IPC: G06F16/2458 , G06F16/28
Abstract: 本发明公开了结构化数据敏感属性的识别与分类分级方法，该方法包括步骤，首先根据用户需求输入待处理的结构化数据表；然后利用信息熵及最大熵计算属性的隐私敏感度；利用k-means聚类算法对属性的敏感度进行聚类，将属性初始划分为敏感属性集和疑似敏感属性集两个簇；进一步利用Apriori算法挖掘疑似敏感属性集与敏感属性集间关联关系，将任意结构化数据的敏感属性进最终识别为敏感属性集与非敏感属性集；最后，仅仅针对敏感属性集来操作，通过对敏感属性集中属性间的互信息相关性和关联规则分析，对敏感属性进行分类，并对各敏感属性组的平均敏感度量化，实现敏感属性的分类分级。该方法面向隐私保护能同时达到敏感属性的识别与分级效果，不需要预知结构化数据集的属性特征、敏感特征字典，兼顾了属性间的相关性和关联关系。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
