-
公开(公告)号：CN112766324A
公开(公告)日：2021-05-07
申请号：CN202110000320.7
申请日：2021-01-02
Applicant: 西安电子科技大学
Abstract: 本发明属于深度学习领域中的图像识别技术领域，公开了一种图像对抗样本检测方法、系统、存储介质、终端及应用，降噪神经网络对原始图像进行降噪处理，得到降噪图像；分类模型对原始图像进行分类处理，获取处理后的logits值；分类模型对降噪图像进行分类处理，获取处理后的logits值；利用原始图像和降噪图像的logits值，计算原始图像和降噪图像之间的差异得分；根据差异得分判断原始图像是对抗样本还是普通样本。本发明降噪神经网络只需要在加性高斯白噪声下训练，训练成本大大降低；降噪神经网络采用xUnit激活单元，使得降噪模型参数大大较少，有利于在计算资源有限的设备上进行部署。
-
公开(公告)号：CN119831589A
公开(公告)日：2025-04-15
申请号：CN202411805370.2
申请日：2024-12-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种依托TEE技术的单云架构场内安全数据交易方法，涉及安全外包计算领域。该方法仅涉及数据卖家、数据买家和云端代理服务器三类主体，无需引入完全信任的第三方。创新性地将数据保护服务转化为数据安全处理服务，在该方法中，数据卖家不直接出售源数据，而是提供数据的使用权，数据买家仅需为数据分析服务支付费用。具体而言，本发明方法允许数据卖家将其数据集进行加密处理，并以密文形式将数据上传至云端进行出售。云端代理服务器作为数据交易平台的提供方，内部部署配备TEE技术的服务器，基于(2‑2)门限Paillier加密系统，为数据买家提供安全的数据分析服务，从而实现数据的安全托管。所设计的场内安全数据交易流程包括：参与方之间身份认证、系统初始化、外包交易数据、安全模型训练和返回结果五个阶段。此外，基于该架构，本发明还提供了一个详细的密文线性回归训练交易示例。本发明有效解决了传统数据交易方案中原始数据防复制难和防重交易难的双重挑战，最终以高效、安全且低成本的方式保护了数据卖家和数据买家双方的数据安全。
-
公开(公告)号：CN119788343A
公开(公告)日：2025-04-08
申请号：CN202411854578.3
申请日：2024-12-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种面向雾计算的高效细粒度访问控制方法，涉及访问控制技术领域。该方法在云雾协同计算架构中，数据所有者将密文存储委托给云端存储平台，以较低成本享受弹性存储服务，并将部分解密操作外包给雾节点，从而使授权的数据获取者通过轻量级操作便可获得数据访问服务。为此，创新性地设计了一种支持双阶段解密的CP‑ABE机制，基于密钥拆分思想，将原始CP‑ABE的私钥sk分成两部分：转换密钥和解密密钥。将最为资源密集的策略匹配操作交由雾节点执行，而数据获取者终端仅需进行轻量级的最终解密操作。整个访问控制过程包括：系统初始化、密钥生成、数据外包、请求发起、检索数据、一次解密和二次解密七个阶段。本发明有效解决了现有访问控制技术在云雾计算面对海量密文共享场景及用户多样化检索需求时存在的粗粒度、高成本数据访问隐私保护问题，避免了对高昂计算和解密开销的依赖，实现了安全的外包部分解密与细粒度访问控制。
-
公开(公告)号：CN119766512A
公开(公告)日：2025-04-04
申请号：CN202411854888.5
申请日：2024-12-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种使用白盒TEE的无配对安全可撤销属性基加密方法，涉及访问控制技术领域。该方法通过将传统身份认证方案中复杂的双线性配对计算替换为椭圆曲线上的简单标量乘法，以实现高效的属性基加密，并依赖椭圆曲线离散对数问题的计算困难性来确保安全性。创新性地采用了混合加密策略，结合了密文策略属性基加密算法CP‑ABE和对称加密算法AES‑GCM，分别作用于访问控制层和外包数据加密层。进一步，设计了一种分阶段的外包解密机制，将原始CP‑ABE的私钥sk以秘密分享的形式拆分成三部分：转换密钥TK、撤销密钥RK和解密密钥DK，而每个请求用户RU与一组属性集以及这三种密钥相对应，以实现精细化的访问控制。请求用户RU仅需轻量级操作即可完成最终解密。本发明克服了传统配对加密带来的性能瓶颈并解决高开销的用户权限撤销问题，实现了安全外包解密和细粒度访问控制。
-
公开(公告)号：CN117528516A
公开(公告)日：2024-02-06
申请号：CN202311458999.X
申请日：2023-11-03
Applicant: 西安电子科技大学
IPC: H04W12/069 , H04L9/32 , H04W12/041
Abstract: 本发明提供了一种跨链身份管理方法及系统，所述方法包括：响应全局发行者注册请求，授予具备资格的申请者有效的发行者身份，调用BLS阈值签名为具备资格的申请者签发凭证，并将其添加至发行者列表中；响应用户所在区块链中的验证者转发的跨链请求，根据跨链请求中携带的用户的身份信息及用户所在区块链上记录的用户身份信息，对用户身份进行合法性验证；根据跨链请求中携带的目标区块链的发行者的身份信息及发行者列表，对发行者进行合法性验证；若验证结果均为合法，则监督目标区块链进行跨链凭证颁发，以便用户与目标区块链中的发行者基于跨链凭证建立跨链通信；以此方式，可以增强系统的节点容错能力，提升跨链的性能和效率。
-
Patent Agency Ranking
公开(公告)号：CN116069966A
公开(公告)日：2023-05-05
申请号：CN202211601313.3
申请日：2022-12-13
Applicant: 西安电子科技大学
IPC: G06F16/58 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464
Abstract: 一种基于深度多负例监督哈希的大规模图像检索方法，在每一次迭代过程中从训练集中随机选取少量图像，将其送入卷积神经网络，将最后一层的输出作为哈希层的输入，并计算其哈希值，将选取的图像随机分为数量相等的两部分，将其中一部分作为查询图像，利用监督信息为上述两部分图像构建相似性矩阵，并在此基础上为查询图像构建多负例元组，通过计算多负例损失函数并对其进行随机梯度优化，利用反向传播算法更新网络参数，完成规定的迭代次数后输出训练好的网络参数以及每个图像的二进制哈希码；本发明利用小批量数据对网络参数进行训练，且能够充分利用训练图像中包含的结构信息，显著提高了大规模图像检索方法的收敛速度和精确度。
-
公开(公告)号：CN113554089B
公开(公告)日：2023-04-18
申请号：CN202110831879.4
申请日：2021-07-22
Applicant: 西安电子科技大学
Abstract: 本发明属于人工智能技术领域，公开了一种图像分类对抗样本防御方法、系统及数据处理终端，所述图像分类对抗样本防御方法包括：利用对抗降噪网络对输入图像进行降噪预处理，获取重建图像；利用目标分类模型获取重建图像的预测类别概率分布；利用目标分类模型获取原始输入图像的预测类别概率分布；计算输入图像的对抗性评分，并根据阈值确定输入图像为对抗样本或良性样本；如果输入图像被判定为对抗样本，则输出重建图像的类别预测结果；反之，如果输入图像被判定为良性样本，则输出原始图像的类别预测结果。本发明提供的图像分类对抗样本防御方法，能够有效提高基于深度学习方法的人工智能系统的安全性。
-
公开(公告)号：CN115473647A
公开(公告)日：2022-12-13
申请号：CN202210935368.1
申请日：2022-08-04
Applicant: 西安电子科技大学 , 西安链融科技有限公司
Abstract: 本发明提供一种交易隐私保护方法以及装置，交易隐私保护方法通过发送方利用接收方的第一公私钥对中的第一公钥对所述交易信息进行加密，生成第一密文，发送方利用监管组织的第二公私钥对中的第二公钥对所述交易信息进行加密，得到第二密文；将所述第一密文发送至接收方，将所述第二密文发送到区块链上；接收方利用所述第一公私钥对中的第一私钥对所述第一密文进行解密，得到所述交易信息。该方法能够保护用户交易信息隐私，并且区块链上交易能够被监管。
-
公开(公告)号：CN113452747A
公开(公告)日：2021-09-28
申请号：CN202110523673.5
申请日：2021-05-13
Applicant: 西安电子科技大学 , 西安西电链融科技有限公司
Abstract: 本发明属于分布式系统共识机制和区块链公链技术领域，公开了一种可扩展和安全的共识方法、系统、存储介质、智能终端，包括节点注册、区块生成和区块同步三个协议；节点注册协议，新节点生成初始信息和初始化权益信息，使用公共信息和权益信息生成节点注册交易，再发送到共识网络进行节点注册成为网络节点；区块生成协议，共识节点生成节点权益份额表和随机数进行候选者选举，然后由候选者生成压缩候选区块并广播，其他节点验证候选区块信息后选择符合条件的作为领导者生成区块；区块同步协议，未同步节点计算当前共识轮次并对收到的链的合法性验证，使用链选择规则选择一条链进行同步。本发明提高方案的安全属性，有效提升了方案的可扩展性。
-
公开(公告)号：CN112749759A
公开(公告)日：2021-05-04
申请号：CN202110083323.1
申请日：2021-01-21
Applicant: 西安电子科技大学
Abstract: 本发明属于深度学习应用中的网络分析技术领域，公开了一种深度神经网络图对抗样本的预处理方法、系统及应用，所述深度神经网络图对抗样本的预处理方法包括：计算图数据每条边连接的两个节点的共同邻居数；将图数据输入目标节点分类模型进行一次前向传播和梯度后向传播，获得图数据每条边连接的节点对的梯度；根据图数据的每条边连接的节点对的共同邻居数和梯度，获得可疑边集合；对可疑边集合中的边连接的节点对计算杰卡德系数；依次在图数据中删除可疑边集合中杰卡德系数较低的边，得到预处理完成的图数据。本发明能够轻易的部署到已有的模型中对输入的图数据进行预处理，预处理后的对抗样本接近原始样本，复杂度低，能够提高目标模型的精确度。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.118 seconds)
