一种联邦学习系统中的大语言模型训练数据恢复方法

    公开(公告)号:CN118035389B

    公开(公告)日:2024-06-07

    申请号:CN202410433270.5

    申请日:2024-04-11

    Abstract: 本发明公开了一种联邦学习系统中的大语言模型训练数据恢复方法,属于联邦学习技术领域。本发明首先截获客户端向服务器上传的梯度,以及截获服务器向客户端下发的全局大语言模型,从而基于全局大语言模型和梯度恢复出客户端的私有训练数据。在恢复处理时,本发明通过直接操作令牌级别的信息,减少了复杂度,并保证了整个恢复过程中重建的文本始终保持语法的正确性;同时通过使用辅助大语言模型,不仅优化了重建文本的语法结构,还保障了重建过程中的每一步都生成合乎语法规则的句子,从而显著提升数据恢复的恢复质量;本发明还利用辅助的大语言模型维持句子的语法正确性,以避免在巨大嵌入空间内进行无目的搜索,实现高效和准确的文本数据恢复。

    边缘群智感知中基于匿名化技术的隐私保护真值发现方法

    公开(公告)号:CN118054910A

    公开(公告)日:2024-05-17

    申请号:CN202311744410.2

    申请日:2023-12-18

    Abstract: 本发明属于密码学与网络安全领域,提出了一种边缘群智感知中基于匿名化技术的隐私保护真值发现方法。主旨在于以较低的系统开销实现了全面的隐私保护并且能够抵抗主动攻击,进而使系统具备容错性,主要方案包括在边缘群智感知系统中,可信中心TA、任务请求者REQ、数据请求服务器DRC、边缘计算节点FN和移动感知设备Ek共同参与。TA初始化系统参数并为每台设备生成公私钥对和加密密钥。设备先盲化感知数据,计算环签名后提交给FN并发送给DRC,FN验证环签名并反馈给DRC。DRC在迭代初始或利用上一轮真值为设备计算权值更新辅助信息,发送给FN。FN根据辅助信息更新设备权值,并将真值更新辅助信息发送给DRC。DRC根据此信息更新感知任务真值。

    一种保护隐私的基于秘密分享的临近测试方法

    公开(公告)号:CN117202172A

    公开(公告)日:2023-12-08

    申请号:CN202311179929.0

    申请日:2023-09-13

    Abstract: 本发明提供一种保护隐私的基于秘密分享的临近测试方法,通过对针对三角函数的高效安全计算协议并将其应用于临近测试模型中使得参与方可以联合地在不向另一方直接披露自己拥有的数据值的情况下获得双方距离计算的结果。本发明在保证保护隐私位置信息的同时能够及时准确地完成临近测试,相对于已有的传统协议来说,保证了模型的整体精确度和计算结果的准确性,并大幅降低了函数评估时所需要的通信量和计算量,减少临近测试过程中的通讯开销,达到了通信高效和计算高效的预期目标,使得在实际应用中,用户所能感知到的延迟大幅下降,保证了密文下模型计算时的用户体验。

    一种隐私保护的神经网络预测系统

    公开(公告)号:CN115065463B

    公开(公告)日:2023-04-07

    申请号:CN202210656199.8

    申请日:2022-06-10

    Abstract: 本发明公开了一种隐私保护的神经网络预测系统,属于信息安全技术领域。本发明包括客户端、服务端和第三方;在神经网络模型预测的离线阶段,客户端、服务端和第三方通过协商完成模型参数的分享;在线预测阶段,客户端将输入数据的分享值发送给服务端;客户端和服务端利用安全计算协议共同执行具有隐私保护的神经网络预测,服务端将得到的预测结果的分享返回给客户端,客户端重构得到预测结果。在通信方面,本发明仅需一轮通信交互,且降低了现有方案的通信开销数据量,以使得本发明的通信效率显著提高,本发明中所有的计算都是基于环而不是域。本发明还重新定制了离线阶段的协议,不仅提高了离线阶段的效率而且仅需轻量级的秘密分享操作。

    一种新的隐私保护下非交互式的K近邻分类方法

    公开(公告)号:CN109359588B

    公开(公告)日:2021-02-09

    申请号:CN201811200446.3

    申请日:2018-10-15

    Abstract: 本发明公开了一种新的隐私保护下非交互式的K近邻分类方法,涉及大数据安全技术领域,步骤如下:1.客户端通过向量同态加密方法对由若干个带有标签的训练数据组成的训练数据集中的训练数据进行特征加密,得到密文数据集和中间矩阵,并上传至云端;2.客户端接收待分类明文向量组并对其进行加密,得到密文向量组,并上传至云端;3.云端根据密文数据集和中间矩阵计算密文向量组中每一个密文向量与密文数据集包含的所有密文数据的相似度,再根据近邻分类算法得出该密文向量组的分类结果集,将分类结果集发送至客户端。本发明极大地提高了加密的效率和安全性,实现非交互式技术,达到真正的外包计算,减小了客户端的计算压力。

    一种基于向量同态加密的HOG图像特征提取算法

    公开(公告)号:CN106952212B

    公开(公告)日:2019-10-15

    申请号:CN201710151231.6

    申请日:2017-03-14

    Abstract: 本发明公开一种基于向量同态加密的HOG图像特征提取算法,涉及图像处理技术领域,由于VHE同态加密方案在密文域内仅支持整数间的运算并且不支持除法,针对VHE所能支持的运算,对已有的HOG图像特征提取算法进行合理的裁剪和改进,简化一些特征提取步骤,并将提取过程中的一些复杂运算进行等效的转换,保证裁剪后的算法在保证一定的算法效率的前提下,提取的特征向量与原始HOG特征提取算法提取的特征向量是等效的,都可以准确地表达图像特征。本方案采取的基于向量的同态加密方案VHE,能够直接对一个整数向量进行加密,并支持基于密文向量的一些操作运算,与之前的基于单个比特或者单个整数加密的同态加密方案相比,大大提高密文域内的运算效率。

    一种针对以太坊智能合约的静态代码审计系统及方法

    公开(公告)号:CN109684838A

    公开(公告)日:2019-04-26

    申请号:CN201811404851.7

    申请日:2018-11-23

    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。

    一种新的隐私保护下非交互式的K近邻分类方法

    公开(公告)号:CN109359588A

    公开(公告)日:2019-02-19

    申请号:CN201811200446.3

    申请日:2018-10-15

    CPC classification number: G06K9/00885 G06K9/6276 G06K2009/00953

    Abstract: 本发明公开了一种新的隐私保护下非交互式的K近邻分类方法,涉及K近邻分类算法在隐私保护下的向量分类领域,步骤如下:1.客户端通过向量同态加密方法对由若干个带有标签的训练数据组成的训练数据集中的训练数据进行特征加密,得到密文数据集和中间矩阵,并上传至云端;2.客户端接收待分类明文向量组并对其进行加密,得到密文向量组,并上传至云端;3.云端根据密文数据集和中间矩阵计算密文向量组中每一个密文向量与密文数据集包含的所有密文数据的相似度,再根据近邻分类算法得出该密文向量组的分类结果集,将分类结果集发送至客户端。本发明极大地提高了加密的效率和安全性,实现非交互式技术,达到真正的外包计算,减小了客户端的计算压力。

Patent Agency Ranking