-
公开(公告)号：CN114239070A
公开(公告)日：2022-03-25
申请号：CN202111588461.1
申请日：2021-12-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种在联邦学习中移除非规则用户的隐私保护方法，属于信息安全技术领域。本发明包括不规则用户删除算法TrustIU和保护用户的敏感信息的加权聚合协议两个部分；TrustIU利用余弦相似度进行聚合，减少了不规则用户的负面影响，从而确保全局模型主要来源于高质量的数据；在TrustIU的基础上，本发明采用安全加权的定制密码协议聚合；此聚合方案通过使用双隐蔽隐私保护技术，确保了服务器只学习用户的梯度信息，而不会泄露其他隐私。本发明在具有良好的训练精度和效率的同时，对整个培训过程中对用户退出具有鲁棒性。
-
公开(公告)号：CN113934578A
公开(公告)日：2022-01-14
申请号：CN202111266909.8
申请日：2021-10-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种在联邦学习场景下的数据恢复攻击的方法，涉及铣床辅助工具技术领域，解决现有依然无法从高压缩的梯度中进行数据恢复的技术问题，本方法包括两个部分，一个是离线训练和离线恢复，另一个是在线捕获部分；本发明相比于DLG方案，我们的方案可以应对高压缩的梯度依然可以实现数据恢复，这是因为DLG方案并没有挖掘梯度中的额外信息，而只将梯度用于最终的损失函数优化。而我们的GDRA充分挖掘了梯度中的信息，通过梯度推断出了原始数据的特征，从而弥补了压缩后的梯度所带来的信息损失的优点。
-
公开(公告)号：CN111563265A
公开(公告)日：2020-08-21
申请号：CN202010342081.9
申请日：2020-04-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于隐私保护的分布式深度学习方法，首先，在该方法中各个用户利用私有数据集训练本地模型并获得本地梯度，然后，各个用户利用门限加密算法对用户本地梯度数据进行加密，最后，云服务器实现安全聚合和学习模型全局参数的更新进而完成保护隐私的分布式学习训练过程。本发明将门限加密算法应用在分布式深度学习模型中，提出了安全高效的深度学习训练方法，利用门限加密的同态特性实现了梯度数据在云服务器的安全聚合，基于门限加密算法的门限特性，即使服务器与一定数量用户勾结也无法推断用户训练数据的隐私，同时，基于门限加密算法的非交互特性，本发明可以容忍用户在训练过程中有意或无意的退出行为。
-
公开(公告)号：CN106961329B
公开(公告)日：2020-02-14
申请号：CN201710179121.0
申请日：2017-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种针对ADS‑B协议保密性及完整性的解决方法，属于应用密码学技术领域；一种针对ADS‑B协议保密性及完整性的解决方法包括可信第三方配置安全参数、飞机接收安全参数完成加密并发送ADS‑B消息、接收方接收ADS‑B消息校验。本发明能够在兼容现行ADS‑B协议格式的基础上实现对传统明文广播传输消息的机密性以及完整性的保障。
-
公开(公告)号：CN109684855A
公开(公告)日：2019-04-26
申请号：CN201811540698.0
申请日：2018-12-17
Applicant: 电子科技大学
Abstract: 本发明属于人工智能技术领域，涉及一种基于隐私保护技术的联合深度学习训练方法。本发明实现了一种基于隐私保护技术的高效联合深度学习训练方法。本发明中，各个参与方首先在私有数据集上训练本地模型获得本地梯度，再将本地梯度进行拉普拉斯噪音扰动，并加密后发送至云服务器；云服务器将接收到的所有本地梯度与上一轮的密文参数进行聚合操作，并广播产生的密文参数；最终，参与方解密接收到密文参数，并更新本地模型从而进行后续的训练。本发明结合同态加密方案和差分隐私技术，提出了安全高效的深度学习训练方法，保证训练模型的精确性，同时防止服务器推断模型参数和训练数据隐私以及内部攻击获取私密信息。
-
Patent Agency Ranking
公开(公告)号：CN106961329A
公开(公告)日：2017-07-18
申请号：CN201710179121.0
申请日：2017-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种针对ADS‑B协议保密性及完整性的解决方法，属于应用密码学技术领域；一种针对ADS‑B协议保密性及完整性的解决方法包括可信第三方配置安全参数、飞机接收安全参数完成加密并发送ADS‑B消息、接收方接收ADS‑B消息校验。本发明能够在兼容现行ADS‑B协议格式的基础上实现对传统明文广播传输消息的机密性以及完整性的保障。
-
公开(公告)号：CN106961328A
公开(公告)日：2017-07-18
申请号：CN201710175292.6
申请日：2017-03-22
Applicant: 电子科技大学
CPC classification number: H04L9/0825 , H04L9/30
Abstract: 一种VHE实现方法，涉及VHE加密方案领域，包括如下步骤：根据要加密的明文向量x构造矩阵S′和M′，生成一可逆矩阵Ps及其逆矩阵Pm，计算私钥S和公钥M，其中，S＝S′Ps，M＝PmM′，然后使用公钥M对明文x进行加密操作，计算密文向量c＝Mx+e，其中，e表示噪声向量，本发明解决了现有VHE实现方案因未能有效隐藏公钥和私钥的关系，而存在安全性问题。
-
公开(公告)号：CN119830334A
公开(公告)日：2025-04-15
申请号：CN202411806584.1
申请日：2024-12-10
Applicant: 电子科技大学 , 中国电信股份有限公司四川分公司
Abstract: 本发明涉及联邦学习安全领域，提供了一种基于函数加密的隐私保护纵向联邦学习方法及系统。该方法解决纵向联邦学习场景中基于密码学技术实现隐私保护时所面临的问题，即计算时间过多，通信开销过大，模型准确率和训练开销难以平衡的问题。主要方案包括系统初始化、客户端前向传播、服务器前向传播、服务器后向传播和客户端后向传播。本发明用于隐私保护纵向联邦学习，通过去中心化多客户端函数加密算法和纵向联邦学习框架，有效抵御梯度泄露攻击和基于模型参数的反向推导攻击，提高计算效率同时保证模型精度，减少通信开销，增强客户端样本数据的隐私性。
-
公开(公告)号：CN119729460A
公开(公告)日：2025-03-28
申请号：CN202411806591.1
申请日：2024-12-10
Applicant: 电子科技大学 , 中国电信股份有限公司四川分公司
Abstract: 本发明提供了一种基于多客户端函数加密的无人机地形深度探测方法，主要包括：A.系统初始化：在一个无人机探测系统中，存在一个聚合服务器Server和K个无人机用户，由聚合服务器Server生成系统参数，每个无人机用户交互生成密钥等信息B.感知数据加密阶段：K个无人机用户将测得的有关数据通过给定的函数进行加密；C.解密密钥份额生成阶段：每个无人机用户随机生成一个随机数并且将自己的密钥与得到的随机数进行计算，最后将得到的值传给聚合服务器D.解密密钥生成聚合阶段：聚合服务器通过计算可以得到生成的密钥；E.解密阶段：聚合服务器Server将得到的密文通过解密密钥进行解密，最后通过解离散对数的方式得到最终值并发给每一个无人机用户F.权值更新阶段：无人机用户按照给定的方程式进行计算并且不断与聚合服务器进行交互，重复B‑F步骤直至数据收敛，即可得到最后的结果。
-
公开(公告)号：CN119011264A
公开(公告)日：2024-11-22
申请号：CN202411140902.5
申请日：2024-08-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种支持节点掉线的隐私保护众包联邦学习方法，属于众包联邦学习安全领域，旨在解决现有众包联邦学习中的隐私泄露、通信网络不稳定导致的聚合失败以及易受单点故障攻击等问题，主要方案包括区块链上发布训练任务、训练节点加入系统、初始化全局模型和密钥生成、本地模型训练、模型加密和共识上链、模型聚合和模型解密。该方法通过基于身份的广播加密方案和智能合约计算模型聚合，实现了去中心化的安全聚合，降低了计算和通信开销。此外，采用新型掉线容忍聚合算法，提高了系统的鲁棒性。本发明适用于需要隐私保护且面临通信不稳定的众包联邦学习场景。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.041 seconds)
