一种面向车联网隐私安全的联邦学习方法

    公开(公告)号:CN116489642A

    公开(公告)日:2023-07-25

    申请号:CN202310455763.4

    申请日:2023-04-25

    Abstract: 本发明具体涉及一种面向车联网隐私安全的联邦学习方法,包括:生成公私钥,将私钥分割为对应份数的子密钥分发给参加联邦学习的各个车辆;对于单个车辆:基于本地数据和全局原型向量训练本地模型,对局部原形向量进行加密生成加密局部原形向量;对各个车辆的加密局部原形向量进行同态加法运算生成加密局部原形向量之和;各个车辆基于自身的子密钥依次对加密局部原形向量之和进行部分解密直至完全解密得到局部原形向量之和;根据局部原形向量之和计算全局原型向量,并分发给参加联邦学习的各个车辆。本发明能够减少联邦学习的参数量并缓解模型异构问题,通过多密钥的半同态加密算法以及差分隐私中的高斯机制保护联邦学习参与方数据的隐私。

    一种基于CSP问题的同态密文编码与计算方法

    公开(公告)号:CN113312654A

    公开(公告)日:2021-08-27

    申请号:CN202110726273.4

    申请日:2021-06-29

    Abstract: 本发明涉及数据同态加密技术领域,具体涉及一种基于CSP问题的同态密文编码与计算方法,包括:获取待比较的目标数据和待比较数据;对目标数据进行对应编码得到目标编码数据;然后基于CSP问题和同态加密算法对目标编码数据进行加密得到目标密文数据;对待比较数据进行对应编码得到待比较编码数据;然后基于CSP问题和同态加密算法对待比较编码数据进行加密得到待比较密文数据;计算比较目标密文数据和待比较密文数据的大小,并将对应的大小比较结果作为目标数据和待比较数据的比较结果。本发明中的同态加密算法编码与计算方法在比较数据时能够兼顾数据运算效率和数据运算安全性,从而能够提升终端和服务器的数据通信效果。

    抵御鲁棒性攻击的神经网络模型水印嵌入方法

    公开(公告)号:CN116305015A

    公开(公告)日:2023-06-23

    申请号:CN202310077295.1

    申请日:2023-01-18

    Abstract: 本发明涉及信息标记与识别技术领域,具体涉及抵御鲁棒性攻击的神经网络模型水印嵌入方法,包括:从目标神经网络模型中选取需要嵌入水印信息的目标卷积层;对目标卷积层的所有卷积核进行重要性排序,并选取重要性最高的目标卷积核;从目标卷积核中提取对神经元之间的连接影响强度最大的若干个目标权重;将设置的水印信息嵌入目标权重中,生成嵌入水印的权重;将嵌入水印的权重更新至目标神经网络模型中,并对目标神经网络模型进行微调训练,以生成嵌入水印的目标神经网络模型。本发明能够有效抵御鲁棒性攻击并保证水印信息的完整性,同时能够保证神经网络模型的安全性。

    一种基于CSP问题的同态密文编码与计算方法

    公开(公告)号:CN113312654B

    公开(公告)日:2023-05-12

    申请号:CN202110726273.4

    申请日:2021-06-29

    Abstract: 本发明涉及数据同态加密技术领域,具体涉及一种基于CSP问题的同态密文编码与计算方法,包括:获取待比较的目标数据和待比较数据;对目标数据进行对应编码得到目标编码数据;然后基于CSP问题和同态加密算法对目标编码数据进行加密得到目标密文数据;对待比较数据进行对应编码得到待比较编码数据;然后基于CSP问题和同态加密算法对待比较编码数据进行加密得到待比较密文数据;计算比较目标密文数据和待比较密文数据的大小,并将对应的大小比较结果作为目标数据和待比较数据的比较结果。本发明中的同态加密算法编码与计算方法在比较数据时能够兼顾数据运算效率和数据运算安全性,从而能够提升终端和服务器的数据通信效果。

Patent Agency Ranking