-
公开(公告)号：CN114205147A
公开(公告)日：2022-03-18
申请号：CN202111507854.5
申请日：2021-12-10
Applicant: 济南大学
Abstract: 本发明公开了基于软件定义网络的链路泛洪攻击防御方法及系统，其中方法包括：获取软件定义网络中各个链路的信息；根据各个链路的信息，确定关键链路；确定关键链路是否发生拥堵，对发生拥堵的链路进行缓解；对网络拥堵的时长和数量均超过设定阈值的链路，启动链路泛洪攻击检测；对产生泛洪攻击的链路进行攻击防御和预防。能够在保留软件定义网络灵活性的同时也能有效缓解链路泛洪攻击对网络带来的伤害。
-
公开(公告)号：CN112347473A
公开(公告)日：2021-02-09
申请号：CN202011230255.9
申请日：2020-11-06
Applicant: 济南大学
Abstract: 本申请公开了支持双向隐私保护的机器学习安全聚合预测方法及系统，包括：客户端、计算服务器和聚合服务器；计算服务器接收客户端发送的待预测数据的数据份额；所述计算服务器对数据份额进行处理，得到预测结果份额；所述计算服务器对预测结果份额进行盲化处理，得到盲化预测结果份额；所述计算服务器将盲化预测结果份额发送给聚合服务器；所述聚合服务器对盲化预测结果份额进行移除盲化处理和加噪声处理，将结果反馈给客户端。
-
公开(公告)号：CN111275202A
公开(公告)日：2020-06-12
申请号：CN202010105981.1
申请日：2020-02-20
Applicant: 济南大学
Abstract: 本公开提出了一种面向数据隐私保护的机器学习预测方法及系统，方法包括如下步骤：获取加密后的数据；主服务器创建可信区，在可信区对获取的待预测数据与预测模型进行解密；主服务器对解密后的待预测数据与预测模型进行秘密分享，分别获得数据秘密份额和模型份额，并分发至不合谋的辅助服务器和主服务器；辅助服务器和主服务器分别进行预测计算获得预测结果份额；主服务器对所有预测结果份额进行秘密重建，将重建后的预测结果份额转发给可信区进行整合并加密，发送至待预测数据提供终端，数据提供终端解密后获得根据模型预测后的预测结果。结合安全多方计算和SGX技术来保护双方隐私安全，解决提供预测服务过程中安全性问题。
-
公开(公告)号：CN110572253A
公开(公告)日：2019-12-13
申请号：CN201910872625.X
申请日：2019-09-16
Applicant: 济南大学
Abstract: 一种联邦学习训练数据隐私性增强方法及系统，所述方法包括：第一服务器生成公共参数和主密钥，将所述公共参数发送给第二服务器；参与联邦学习的多个客户端均基于所述公共参数生成各自的公钥和私钥对；联邦学习过程如下：各客户端将本地训练得到的模型参数采用各自的公钥进行加密，与相应公钥一并经由第二服务器发送给第一服务器；第一服务器基于主密钥解密，通过加权平均得到全局模型参数，分别采用各个客户端的公钥加密，并经由第二服务器发送至各个客户端；客户端基于各自的私钥解密得到全局模型参数，改进本地模型，重复上述过程，直至各客户端本地模型收敛。本发明通过采用双服务器模式结合多密钥同态加密，保证了数据和模型参数的安全。
-
公开(公告)号：CN119918088A
公开(公告)日：2025-05-02
申请号：CN202510021706.4
申请日：2025-01-07
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明提出了基于多项式链接的同态关键字隐私信息检索方法及系统，涉及信息检索技术领域，包括：将数据库中的数据项进行分割；利用布谷鸟哈希对数据库中的关键词进行处理，并公布所用的哈希函数；利用处理后的表内元素创建零值多项式，并用多项式链接技术以哈希值为根在分割后的数据项上创建插值多项式；利用公布的哈希函数分别计算期望查询的关键字的哈希值；使用全同态加密技术对期望查询的关键字的哈希值进行加密，再分别计算各个多项式的值；解密第一个零值多项式的值，如果存在0说明存在关键词与查询匹配，则解密插值多项式的值，并输出查询所得的结果。本发明拓展了私有信息检索的实用性。
-
Patent Agency Ranking
公开(公告)号：CN119834973A
公开(公告)日：2025-04-15
申请号：CN202411991869.7
申请日：2024-12-31
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明提出了一种可抵御密钥混合匹配的隐私保护方法及系统，涉及信息安全技术领域，包括：多个加密者、解密者和密钥管理者；密钥管理者通过初始化算法随机生成一组密钥，并将密钥分发给对应加密者；密钥管理者随机生成标签#imgabs0#和#imgabs1#，并发送给所有加密者；加密者接收本轮标签并计算掩码；加密者通过加密算法计算密文，并将密文发送给解密者；密钥管理者接收解密者发来的向量，使用本轮标签#imgabs2#计算解密密钥，并将解密密钥和本轮标签#imgabs3#返回给解密者；解密者接收密文集合、解密密钥和标签#imgabs4#，计算解密结果，求解离散对数，得到内积结果。本发明可抵御密钥混合匹配攻击，对机器学习场景进行隐私保护和加密。
-
公开(公告)号：CN119760770A
公开(公告)日：2025-04-04
申请号：CN202411821481.2
申请日：2024-12-11
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明属于联邦学习领域，提供了一种基于同态加密聚类的个性化联邦学习隐私保护方法及系统，在客户端聚类阶段，该框架利用同态加密的特性，对分布特征的密文进行简单运算，随后基于解密后的结果对客户端进行精确聚类。此方法显著提升了聚类的准确性，同时减少了计算资源的消耗。在客户端训练阶段，该框架为每一组设置了两个模型：组内模型和组外模型。组内模型指通过聚合组内用户的模型得到的模型，组外模型则是由其他组的组模型聚合而成。该框架采用近端优化的思想，以组内模型为基础获取组外模型的知识，提升模型的泛化能力，使其更适用于符合实际数据分布的场景，旨在应对由类别不平衡引发的数据异构性问题。
-
公开(公告)号：CN118690873A
公开(公告)日：2024-09-24
申请号：CN202410716419.0
申请日：2024-06-04
Applicant: 济南大学
IPC: G06N20/00
Abstract: 本公开涉及资源异构技术领域，提出了一种面向边缘智能的联邦学习客户端资源异构方法及系统，包括如下步骤：根据客户端的本地资源信息以及待训练机器模型的参数，将客户端进行划分为选中客户端和候选客户端；选中客户端采用本地自训练或边端协同训练的方式参与联邦学习；候选客户端采用边端协同训练的方式参与联邦学习；各客户端完成当前边缘联邦学习轮数下的本地模型训练后，边缘服务器获取各客户端提交的模型更新参数，进行模型半异步聚合，得到边缘局部模型。本公开通过边端协同训练和本地自训练的结合，确保了联邦学习的灵活性和高效性。同时，通过边缘服务器对模型更新参数进行半异步聚合，提高了模型训练的可靠性和一致性。
-
公开(公告)号：CN118504709A
公开(公告)日：2024-08-16
申请号：CN202410611222.0
申请日：2024-05-16
Applicant: 济南大学
Abstract: 本公开提出了一种基于本地差分隐私噪声控制的联邦学习方法及系统，方法包括：客户端将本地模型和全局模型之间的差异作为约束因子，更新本地局部模型；基于更新的本地局部模型参数和全局模型参数，采用互信息计算扰动添加值；将扰动添加值添加到更新的本地局部模型的参数中，将添加扰动的本地局部模型参数发送给中心服务器；中心服务器对接收到的添加扰动的本地局部模型参数进行聚合，根据聚合后的数据对模型进行重构得到本轮训练的全局模型，再下发给各客户端。通过将本地模型和全局模型之间的距离作为约束因子对本地模型进行训练，并利用互信息计算待添加扰动，实现了在保护客户端本地隐私的同时保证联邦学习全局模型训练的性能。
-
公开(公告)号：CN114491509B
公开(公告)日：2024-07-30
申请号：CN202210106774.7
申请日：2022-01-28
Applicant: 济南大学
Abstract: 本公开提供了一种基于沙箱的恶意程序行为分析处理方法及系统，其执行于网络编程虚拟执行环境中，所述方法包括：沙箱守护程序启动，加载配置信息并加载沙箱程序主要组件；任务管理组件进行一切必要初始化操作，并监听通信接口；任务管理组件开始运行任务针对每个任务生成工作环境；任务实例控制组件进入工作目录并准备开始任务；沙箱虚拟机代理组件配合任务实例控制组件开始任务；任务控制实例控制并报告任务状态；任务调度组件收集完成的任务，并调用各功能组件对任务进行处理并归档。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.02 seconds)
