一种抗量子攻击的非交互式属性代理重加密方法及系统

    公开(公告)号:CN113660278B

    公开(公告)日:2023-05-02

    申请号:CN202110951914.6

    申请日:2021-08-18

    申请人: 贵州大学

    IPC分类号: H04L9/40 H04L67/10 H04L67/562

    摘要: 本发明涉及一种抗量子攻击的非交互式属性代理重加密方法及系统,该方法通过在确定初始参数,基于格上困难问题对所述初始参数进行处理,得到公共参数和主私钥;并根据所述公共参数、所述主私钥和密钥分别进行加密和重加密密钥的生成,得到原始密文和重加密密钥;利用所述重加密密钥对所述原始密文进行重加密,得到重加密密文。本发明通过基于格上困难问题构建得到了公共参数和主私钥,将上述参数作为安全参数进行密钥的加密和解密,从而能够抗击量子攻击,进而保证数据的机密性与完整性。

    一种基于图数据属性推理方法及系统

    公开(公告)号:CN112783990B

    公开(公告)日:2023-04-18

    申请号:CN202110143562.1

    申请日:2021-02-02

    申请人: 贵州大学

    摘要: 本发明涉及一种基于图数据属性推理方法及系统,利用图数据映射、属性分类、随机游走方法来实现图数据结构特征和属性关联关系的结合,以达到属性推理概率值的最大精确度映射。首先测度属性项集并进行相关性分析,通过考虑属性相关性形成社会属性结构图,然后量化属性的相似度来表示它们的相关性,并简化边的权重来计算转换矩阵。最后,通过的属性排序方法来推断用户隐藏属性。还通过与现有的基于拓扑结构特征的隐私推理方法进行对比实验,得到更多的隐私信息。

    基于流密码的保留格式加密方法

    公开(公告)号:CN110795762B

    公开(公告)日:2023-04-11

    申请号:CN201911042942.5

    申请日:2019-10-30

    申请人: 贵州大学

    IPC分类号: G06F21/62

    摘要: 本发明公开了一种基于流密码的保留格式加密方法。该方法通过将电话号码进行分段,构造映射规则,对前三位区号建立区号置换表,从而完成前三位的加密,保证了加密结果的合法性;对后八位的电话号码,利用ZUC算法(祖冲之算法)产生的密钥流对其进行异或操作,并结合模运算实现保形加密,引入Lagrange插值公式,保证了加解密的正确性。该方法安全有效地实现了数据加密前后格式的一致性和合法性,很好地隐藏了明文的统计特征,使得数据在不改变格式的情况下在传输过程中收到保护。

    一种基于图论和互信息量的差分隐私度量方法

    公开(公告)号:CN110457940B

    公开(公告)日:2023-04-11

    申请号:CN201910621081.X

    申请日:2019-07-10

    申请人: 贵州大学

    IPC分类号: G06F21/62

    摘要: 本发明公开了一种一种基于图论和互信息量的差分隐私度量方法。本发明以信息论通信模型重构了差分隐私保护框架,构造了差分隐私的信息通信模型,将原始数据集表示为信源,发布数据集表示为信宿,查询机制和噪音机制表示为通信信道;所提出的差分隐私度量模型以信息通信模型为基础,利用图的特性结合信息熵给出隐私泄露量的互信息化计算方法,隐私泄露量的界仅依赖于原始数据集的属性数量、属性值数量及差分隐私预算参数,对任意分布的原始数据集,任意攻击能力的敌手都成立。本发明提出的差分隐度量方法可给出差分隐私保护的隐私泄露互信息上界,限制条件较少,适用于所有信道,且不依赖原始数据集的分布。

    一种基于协同可搜索的密文数据共享方法及系统

    公开(公告)号:CN115694974A

    公开(公告)日:2023-02-03

    申请号:CN202211337747.7

    申请日:2022-10-28

    申请人: 贵州大学

    摘要: 本发明提供一种基于协同可搜索的密文数据共享方法及系统,属于数据共享领域,数据共享方法包括:授权机构生成公共参数、系统主私钥、组私钥及用户私钥;数据拥有者根据公共参数、访问策略树及属性集对关键字索引集进行加密得到密文关键字索引;数据使用者根据公共参数及用户私钥对待检索关键字进行加密,生成检索陷门;云服务器判断数据使用者的属性集及协同者的协同属性是否满足访问策略树,若满足,则根据公共参数、检索陷门、密文关键字索引、数据使用者和协同者的协作密钥及访问策略树确定解密关键字索引;若解密关键字索引与密文关键字索引对应,则将对应的数据文档发送至数据使用者。实现了多人协同检索数据,提高了访问控制的灵活性。

    一种基于身份的协同签名方法及系统

    公开(公告)号:CN113300841B

    公开(公告)日:2022-11-25

    申请号:CN202110569155.7

    申请日:2021-05-25

    申请人: 贵州大学

    IPC分类号: H04L9/08 H04L9/32 H04L9/40

    摘要: 本发明公开了一种基于身份的协同签名方法及系统。该方法包括:根据签名发起者的手机IMEI号生成第一签名信息;第一签名信息包括第一签名私钥和第一签名公钥,第一签名公钥用于对协同签名进行验证;根据第一签名私钥,为每一签名参与者生成并分发一个份额秘钥;签名参与者由签名发起者确定;接收来自签名参与者的份额秘钥;将来自于各签名参与者的份额秘钥聚合,得到目标签名私钥并返回各签名参与者;目标签名私钥用于签名参与者对第一文件进行签名以得到第一文件对应的第一协同签名;第一文件由签名发起者提供。本申请一方面协同签名的方式保障了签名的安全性,另一方面基于身份的密码体制,不需要公私秘钥的存放与维护,降低了系统开销和复杂度。

    一种基于联邦学习的多元数据用户画像实现方法

    公开(公告)号:CN114969503A

    公开(公告)日:2022-08-30

    申请号:CN202210333187.1

    申请日:2022-03-30

    申请人: 贵州大学

    摘要: 本发明公开了一种基于联邦学习的多元数据用户画像实现方法,涉及电学领域,旨在解决传统企业绘制用户画像过程中遇到的用户数据不充足、跨企业联合数据隐私泄露风险高等问题;通过结合联邦学习、用户画像、机器学习、隐私保护、密码学等多个领域,利用联邦学习数据不出本地就能联合训练的特点,解决了不同机构之间用户数据少、特征标签不全面、用户画像单一、用户行为预测不准确、联合训练用户画像的数据收集的隐私合规等问题;引入同态加密、差分隐私等加密技术对敏感数据、明文梯度进行加密,保证了各用户获得最终的用户画像且不知道另外参与方的隐私数据,达到了画像模型精度和用户隐私之间的平衡。

    一种大属性集下的基于SM9的属性加密方法及系统

    公开(公告)号:CN112787822B

    公开(公告)日:2022-04-12

    申请号:CN202110006804.2

    申请日:2021-01-05

    申请人: 贵州大学

    IPC分类号: H04L9/32

    摘要: 本发明公开了一种大属性集下的基于SM9的属性加密方法及系统,涉及信息加密技术领域,包括密钥生成中心生成主公钥和主私钥;数据拥有者确定第一访问结构;属性权威根据第一访问结构生成第一属性集合;数据拥有者调用访问结构身份转换算法将第一属性集合转换成身份集合,并根据身份集合和主公钥对第一明文进行加密以生成第一密文;数据请求者获取当前阶段需解密的第二密文;密钥生成中心判断第二密文是否存在,若存在则根据数据请求者的用户身份以及在第二属性集合下的解密密钥和哈希值对第二密文进行解密。本发明在云环境下,保证一对多数据共享的灵活性、动态性和高效性。

    一种结合水印和深度学习的人脸识别加密认证方法及系统

    公开(公告)号:CN114170658A

    公开(公告)日:2022-03-11

    申请号:CN202111441926.0

    申请日:2021-11-30

    申请人: 贵州大学

    摘要: 本发明涉及一种结合水印和深度学习的人脸识别加密认证方法及系统,属于人脸识别认证领域,摄像头采集人脸图像并嵌入水印,得到水印人脸图像;客户端提取水印信息,并与水印图像进行比对认证;客户端采用基于FaceNet的深度学习算法提取认证成功的人脸图像的人脸特征,并采用CKKS全同态加密算法和国密SM4算法加密,得到人脸特征密文数据;数据库服务器计算加密人脸特征模板与预存的人脸特征模板之间的汉明距离,加密得到汉明距离密文数据;身份验证服务器对汉明距离密文数据进行解密,并对汉明距离明文值与预设汉明距离阈值进行比较,得到人脸识别认证结果,可保证人脸图像数据来源的安全性,提高识别准确率和效率。

    基于联邦学习的系统安全漏洞检测方法及设备

    公开(公告)号:CN114021152A

    公开(公告)日:2022-02-08

    申请号:CN202111369304.1

    申请日:2021-11-18

    申请人: 贵州大学

    IPC分类号: G06F21/57 G06N20/00

    摘要: 本申请涉及一种基于联邦学习的系统安全漏洞检测方法及设备,方法包括:模拟待检测联邦学习系统的联邦模型训练过程;在联邦模型训练过程中,随机选取联邦模型的训练节点进行模拟攻击;对受到模拟攻击之前的联邦模型和受到模拟攻击之后的联邦模型分别进行仿真,并将仿真结果进行对比生成对比结果;根据对比结果判断待检测联邦学习系统的安全性能。本申请中在待检测联邦学习系统进行模型训练的过程中随机选取联邦模型的训练节点进行模拟攻击来评测待检测联邦学习系统的安全性能,可以提前了解待检测联邦学习系统到对于重放攻击的防御程度,从而及时做出改进和完善。