-
公开(公告)号：CN115985433B
公开(公告)日：2025-05-06
申请号：CN202211296875.1
申请日：2022-10-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及差分隐私机器学习技术领域，具体涉及一种面向医疗数据的差分隐私知识迁移方法及系统，方法包括数据拥有者将拥有的隐私医疗数据划分为n份，每份分别采用逻辑回归训练一个医疗诊断分类模型，n个模型组成医疗诊断teacher模型，完成训练的该模型对数据使用者发送的无标签医疗数据进行预测，得到数据的分类结果；将n个模型的投票结果聚合在一起后，在聚合后的投票结果上加上高斯噪声扰动，并将加上扰动后投票数最多的标签发送给数据使用者为无标签数据打上标签；数据使用者利用获得的带标签的数据在本地进行训练，得到student模型；本发明解决了现有技术在医疗中心的强隐私要求下模型准确率低下的问题。
-
公开(公告)号：CN115422432B
公开(公告)日：2025-04-22
申请号：CN202211062637.4
申请日：2022-09-01
Applicant: 重庆邮电大学
IPC: G06F16/953 , G06F16/951 , G06F21/60
Abstract: 本发明涉及加密数据查询技术领域，具体为一种面向海量高维医疗数据的动态可搜索加密方法；包括医疗中心对电子医疗记录数据集加密得到密文数据，基于构建的属性值集合和属性分层树为每条电子医疗记录生成对应索引向量；根据索引向量构建索引树并加密处理得到加密索引树；将密文数据与加密索引树上传给医疗云服务器；数据使用者从医疗中心获取搜索陷门反馈给医疗云服务器，医疗云服务器根据搜索陷门在加密索引树上进行匹配，获得匹配的电子医疗记录密文；同时医疗中心对医疗云服务器中的加密数据和加密索引进行动态更新；本发明通过属性分层结构减少索引向量的维度，不仅降低了计算量和通信开销，也实现了属性值的范围检索。
-
公开(公告)号：CN115985433A
公开(公告)日：2023-04-18
申请号：CN202211296875.1
申请日：2022-10-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及差分隐私机器学习技术领域，具体涉及一种面向医疗数据的差分隐私知识迁移方法及系统，方法包括数据拥有者将拥有的隐私医疗数据划分为n份，每份分别采用逻辑回归训练一个医疗诊断分类模型，n个模型组成医疗诊断teacher模型，完成训练的该模型对数据使用者发送的无标签医疗数据进行预测，得到数据的分类结果；将n个模型的投票结果聚合在一起后，在聚合后的投票结果上加上高斯噪声扰动，并将加上扰动后投票数最多的标签发送给数据使用者为无标签数据打上标签；数据使用者利用获得的带标签的数据在本地进行训练，得到student模型；本发明解决了现有技术在医疗中心的强隐私要求下模型准确率低下的问题。
-
公开(公告)号：CN114285556A
公开(公告)日：2022-04-05
申请号：CN202111561091.2
申请日：2021-12-15
Applicant: 重庆邮电大学
Abstract: 本发明属于数据安全技术领域，具体涉及一种基于联邦学习的隐私保护特征工程方法，该方法包括：获取系统参数，系统参数包括Beaver三元组和特征策略参数；客户端和服务端根据系统参数执行安全检索协议，使得客户端和服务端分别得到对方数据集的加法秘密共享份额；客户端和服务端根据加法秘密共享份额进行联邦学习训练，得到相应的模型；本发明提出了一种安全检索协议，利用该协议，客户端能够使服务端不知道使用了哪些特征进行联邦学习，进而不知道服务端不知道客户端想要联合训练一个什么模型，同时还可以筛去不符合客户端检索策略要求的训练数据。
-
Patent Agency Ranking
公开(公告)号：CN115422432A
公开(公告)日：2022-12-02
申请号：CN202211062637.4
申请日：2022-09-01
Applicant: 重庆邮电大学
IPC: G06F16/953 , G06F16/951 , G06F21/60
Abstract: 本发明涉及加密数据查询技术领域，具体为一种面向海量高维医疗数据的动态可搜索加密方法；包括医疗中心对电子医疗记录数据集加密得到密文数据，基于构建的属性值集合和属性分层树为每条电子医疗记录生成对应索引向量；根据索引向量构建索引树并加密处理得到加密索引树；将密文数据与加密索引树上传给医疗云服务器；数据使用者从医疗中心获取搜索陷门反馈给医疗云服务器，医疗云服务器根据搜索陷门在加密索引树上进行匹配，获得匹配的电子医疗记录密文；同时医疗中心对医疗云服务器中的加密数据和加密索引进行动态更新；本发明通过属性分层结构减少索引向量的维度，不仅降低了计算量和通信开销，也实现了属性值的范围检索。
-
公开(公告)号：CN118429738A
公开(公告)日：2024-08-02
申请号：CN202310405006.6
申请日：2023-04-14
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/764 , G06N20/00 , G06N3/098 , G06V10/82 , G06N3/047 , G06N3/045
Abstract: 本发明涉及一种基于联邦学习的医学图像分类模型训练方法，包括：客户端利用本地医学图像样本数据输入医学图像分类模型构建医学图像分类模型的损失函数；并利用Adam算法对医学图像分类模型的参数进行更新；得到中间医学图像分类模型和先验数据Data(L|θ，α)；根据先验数据Data(L|θ，α)利用高斯过程回归算法预测医学图像分类模型下一轮训练时Adam算法的学习率，利用更新后的Adam算法对医学图像分类模型的参数进行更新；直至损失函数小于设定的阈值为止，完成医学图像分类模型的训练并上传至服务器进行聚合生成最终医学图像分类模型。
-
公开(公告)号：CN116702209A
公开(公告)日：2023-09-05
申请号：CN202310749242.X
申请日：2023-06-25
Applicant: 重庆邮电大学
Abstract: 本发明属于数据安全技术领域，具体涉及一种面向医疗数据的可验证隐私保护集合求交方法，包括：构建系统，并初始化系统参数，系统包括服务端和客户端；服务端对医疗数据进行存证，得到隐私保护集合；客户端和服务端根据求交协议进行第一轮隐私保护集合求交；根据第一轮隐私集合求交结果客户端和服务端进行第二轮隐私保护集合求交；客户端对两轮隐私集合求交结果进行校验；本发明不仅能使医疗客户机构的权益，能够保证服务端能够校验医疗服务机构是否使用了自身正确的医疗数据ID进行隐私保护集合求交。
-
公开(公告)号：CN114491617A
公开(公告)日：2022-05-13
申请号：CN202111544694.1
申请日：2021-12-16
Applicant: 重庆邮电大学
Abstract: 本发明属于联邦学习领域，具体涉及一种基于目的隐藏的联邦学习方法及其系统，该方法包括：第一联邦机构和第二联邦机构构建联邦学习系统；第一联邦机构和第二联邦机构基于构建的联邦学习系统对各自的数据执行改进的样本对齐协议，得到对齐的数据碎片；第一联邦机构采用安全比较大小协议对对齐的数据碎片进行筛选，得到筛选后的数据对齐碎片；第一联邦机构和第二联邦机构基于筛选后的数据对齐碎片构建共享联合模型；第一联邦机构和第二联邦机构共享模型参数，完成数据共享；本发明借助特征数据和样本数据的不可区分性，能够解决联邦学习业务建模中目的隐私泄露问题，特别的是面向医疗数据共享情况下，多需求、高隐私的联合建模困难问题。
-
公开(公告)号：CN113612615A
公开(公告)日：2021-11-05
申请号：CN202110835012.6
申请日：2021-07-23
Applicant: 重庆邮电大学
Abstract: 本发明属于数据安全技术领域，具体涉及一种基于国密SM9算法的可审计隐私保护认证方法，该方法包括：系统初始化，KGC定义系统相关公共参数；获取各个用户参数，根据用户参数生成各个用户秘钥；用户获取待认证信息，采用签名算法对用户秘钥和待认证信息进行处理，得到待认证信息的签名；对待认证信息、签名以及签名策略进行验签处理，判断该签名是否合法；若签名合法，则对待认证消息进行认证；若签名不合法，则KGC通过签名对签名的用户进行身份追踪，防止滥用签名；本发明通过基于国密SM9算法构造了可审计隐私保护认证方法，该方法同时具有树形访问结构、可追踪身份的功能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
