公开(公告)号：CN109474928A

公开(公告)日：2019-03-15

申请号：CN201811322088.3

申请日：2018-11-07

Applicant: 电子科技大学

Inventor： 李洪伟 ,  刘森 ,  徐国文 ,  龚丽 ,  任彦之 ,  杨浩淼

IPC: H04W12/02 ,  H04W12/04 ,  H04W12/06 ,  H04W4/38

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。

公开(公告)号：CN110443063B

公开(公告)日：2023-03-28

申请号：CN201910563455.7

申请日：2019-06-26

Applicant: 电子科技大学

Inventor： 李洪伟 ,  刘小源 ,  徐国文 ,  刘森 ,  龚丽 ,  姜文博 ,  成艺 ,  任彦之 ,  李双

IPC: G06F21/62 ,  G06N20/00

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：CN109684838B

公开(公告)日：2020-03-27

申请号：CN201811404851.7

申请日：2018-11-23

Applicant: 电子科技大学

Inventor： 李洪伟 ,  谈辰 ,  刘森 ,  成艺 ,  龚丽 ,  杨浩淼 ,  任彦之

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。