-
公开(公告)号：CN111259404A
公开(公告)日：2020-06-09
申请号：CN202010024362.X
申请日：2020-01-09
Applicant: 鹏城实验室
Abstract: 本发明涉及计算机技术领域，公开了一种中毒样本生成方法、装置、设备及计算机可读存储介质。该中毒样本生成方法包括：获取待投毒模型和样本集，并对粒子群中各粒子的粒子参数进行初始化；基于初始化后的粒子和所述样本集对所述待投毒模型进行训练，并根据训练结果更新各粒子的粒子参数；基于更新后的粒子对所述待投毒模型进行迭代训练，以迭代更新各粒子的粒子参数；当达到预设迭代停止条件时，输出所述粒子群的目标全局最优极值；基于所述目标全局最优极值和所述样本集，生成中毒样本。本发明能够提高中毒样本的攻击效果。
-
公开(公告)号：CN111353147A
公开(公告)日：2020-06-30
申请号：CN202010168441.8
申请日：2020-03-11
Applicant: 鹏城实验室
Abstract: 本发明提供一种口令强度评估方法、装置、设备及可读存储介质，所述方法包括：获取口令集，并对所述口令集进行预处理，生成口令样本集，其中所述预处理包括筛选、逆序和编码；将所述口令样本集传输到预设网络模型，对所述预设网络模型进行训练，得到目标网络模型；当接收到待评估口令时，将所述待评估口令传输到目标网络模型，并基于所述目标网络模型评估所述待评估口令的口令强度。本发明用于目标网络模型训练的口令样本集经逆序处理，有利于提升训练效果，使得通过目标网络模型对待评估口令所进行的口令强度评估更为准确，有利于用户基于评估结果的建议构建高强度的口令，增强了口令抵抗和口令猜测攻击的能力，提高了口令的安全性。
-
公开(公告)号：CN111353147B
公开(公告)日：2023-03-03
申请号：CN202010168441.8
申请日：2020-03-11
Applicant: 鹏城实验室
IPC: G06F21/46 , G06F18/214 , G06F18/2415
Abstract: 本发明提供一种口令强度评估方法、装置、设备及可读存储介质，所述方法包括：获取口令集，并对所述口令集进行预处理，生成口令样本集，其中所述预处理包括筛选、逆序和编码；将所述口令样本集传输到预设网络模型，对所述预设网络模型进行训练，得到目标网络模型；当接收到待评估口令时，将所述待评估口令传输到目标网络模型，并基于所述目标网络模型评估所述待评估口令的口令强度。本发明用于目标网络模型训练的口令样本集经逆序处理，有利于提升训练效果，使得通过目标网络模型对待评估口令所进行的口令强度评估更为准确，有利于用户基于评估结果的建议构建高强度的口令，增强了口令抵抗和口令猜测攻击的能力，提高了口令的安全性。
-
公开(公告)号：CN111339576B
公开(公告)日：2023-01-24
申请号：CN202010094835.3
申请日：2020-02-12
Applicant: 鹏城实验室
Abstract: 本发明涉及物理不可克隆电路技术领域，尤其涉及一种三态物理不可克隆函数电路、控制方法及芯片。所述电路包括：激励接收模块接收激励信号与激励仲裁信号；仲裁器根据激励仲裁信号获取响应仲裁信号；异或处理模块对响应仲裁信号和激励信号进行异或处理以获取激励异或信号；激励接收模块根据激励异或信号切换三态物理不可克隆函数电路的工作模式；激励处理模块根据当前工作模式和激励异或信号获取响应异或信号；异或处理模块对响应异或信号和响应仲裁信号进行异或处理，获取响应信号并输出。通过设置本电路实现了对机器学习建模攻击的抵抗。
-
公开(公告)号：CN111339576A
公开(公告)日：2020-06-26
申请号：CN202010094835.3
申请日：2020-02-12
Applicant: 鹏城实验室
Abstract: 本发明涉及物理不可克隆电路技术领域，尤其涉及一种三态物理不可克隆函数电路、控制方法及芯片。所述电路包括：激励接收模块接收激励信号与激励仲裁信号；仲裁器根据激励仲裁信号获取响应仲裁信号；异或处理模块对响应仲裁信号和激励信号进行异或处理以获取激励异或信号；激励接收模块根据激励异或信号切换三态物理不可克隆函数电路的工作模式；激励处理模块根据当前工作模式和激励异或信号获取响应异或信号；异或处理模块对响应异或信号和响应仲裁信号进行异或处理，获取响应信号并输出。通过设置本电路实现了对机器学习建模攻击的抵抗。
-
Patent Agency Ranking
公开(公告)号：CN111371789B
公开(公告)日：2022-05-27
申请号：CN202010146250.1
申请日：2020-03-04
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于混淆激励的认证方法，所述基于混淆激励的认证方法包括以下步骤：认证设备在接收到服务器发送的激励时，获取认证密钥，所述认证密钥包括第一密钥部分以及第二密钥部分；根据所述第一密钥部分、所述第二密钥部分以及所述激励生成混淆激励；根据所述混淆激励生成响应，并将所述响应发送至所述服务器，以供所述服务器根据所述激励以及所述响应对所述认证设备进行认证。本发明还公开一种认证设备、服务器和计算机可读存储介质。本发明提供的激励认证方式的安全性较高。
-
公开(公告)号：CN111371789A
公开(公告)日：2020-07-03
申请号：CN202010146250.1
申请日：2020-03-04
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于混淆激励的认证方法，所述基于混淆激励的认证方法包括以下步骤：认证设备在接收到服务器发送的激励时，获取认证密钥，所述认证密钥包括第一密钥部分以及第二密钥部分；根据所述第一密钥部分、所述第二密钥部分以及所述激励生成混淆激励；根据所述混淆激励生成响应，并将所述响应发送至所述服务器，以供所述服务器根据所述激励以及所述响应对所述认证设备进行认证。本发明还公开一种认证设备、服务器和计算机可读存储介质。本发明提供的激励认证方式的安全性较高。
-
公开(公告)号：CN111259404B
公开(公告)日：2022-11-15
申请号：CN202010024362.X
申请日：2020-01-09
Applicant: 鹏城实验室
Abstract: 本发明涉及计算机技术领域，公开了一种中毒样本生成方法、装置、设备及计算机可读存储介质。该中毒样本生成方法包括：获取待投毒模型和样本集，并对粒子群中各粒子的粒子参数进行初始化；基于初始化后的粒子和所述样本集对所述待投毒模型进行训练，并根据训练结果更新各粒子的粒子参数；基于更新后的粒子对所述待投毒模型进行迭代训练，以迭代更新各粒子的粒子参数；当达到预设迭代停止条件时，输出所述粒子群的目标全局最优极值；基于所述目标全局最优极值和所述样本集，生成中毒样本。本发明能够提高中毒样本的攻击效果。
-
公开(公告)号：CN111241582B
公开(公告)日：2022-06-10
申请号：CN202010029622.2
申请日：2020-01-10
Applicant: 鹏城实验室
Abstract: 本发明公开了一种数据隐私保护方法、装置及计算机可读存储介质，该数据隐私保护方法包括以下步骤：参与者获取云服务器发送的第一权重；所述参与者基于所述第一权重以及模型训练规则，迭代所述参与者对应的本地模型，确定迭代所述本地模型完成后所述本地模型中各个神经元的第二权重；所述参与者基于所述第二权重以及权重重要性算法，确定所述第二权重对应的权重重要性；所述参与者基于所述第二权重、所述权重重要性以及扰动机制，确定干扰所述第二权重后的扰动权重，并将所述扰动权重发送至云服务器。本发明提高了互相分享数据的隐私保护水平，并且提高了参与者与云服务器联合训练模型的精确度。
-
公开(公告)号：CN111241582A
公开(公告)日：2020-06-05
申请号：CN202010029622.2
申请日：2020-01-10
Applicant: 鹏城实验室
Abstract: 本发明公开了一种数据隐私保护方法、装置及计算机可读存储介质，该数据隐私保护方法包括以下步骤：参与者获取云服务器发送的第一权重；所述参与者基于所述第一权重以及模型训练规则，迭代所述参与者对应的本地模型，确定迭代所述本地模型完成后所述本地模型中各个神经元的第二权重；所述参与者基于所述第二权重以及权重重要性算法，确定所述第二权重对应的权重重要性；所述参与者基于所述第二权重、所述权重重要性以及扰动机制，确定干扰所述第二权重后的扰动权重，并将所述扰动权重发送至云服务器。本发明提高了互相分享数据的隐私保护水平，并且提高了参与者与云服务器联合训练模型的精确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
