公开(公告)号：CN115913559B

公开(公告)日：2024-08-02

申请号：CN202211041904.X

申请日：2022-08-29

Applicant: 北京理工大学 ,  国家计算机网络与信息安全管理中心

Inventor： 张子剑 ,  林绍琛 ,  马秀娟 ,  毛洪亮 ,  刘旭洋 ,  魏志远 ,  李臻 ,  邢智博 ,  祝烈煌

IPC: H04L9/32 ,  H04L9/40 ,  H04L41/12 ,  H04L41/14

Abstract: 本发明公开了一种基于网络延迟与算力延缓中本聪共识账本同步的方法。本发明在比特币网络中设置一运行模型和一操作者模型；比特币网络中包括诚实节点和攻陷节点；操作者模型将诚实节点分为两组并将攻陷节点分别加入两组进行挖矿；诚实节点上运行运行模型，每回合执行两个操作：1)接收来自比特币网络中广播的区块链，并验证合法性，丢弃不合法的区块；当收到的验证为合法的区块链比自己的区块链长时，则放弃自己原有的区块链，选择接收到的最长合法链作为自己的区块链；2)在自己的区块链末尾进行挖矿，当挖出一个新的区块时，将其添加到自己的区块链，产生一条新的区块链并将其广播出去；攻陷节点能够在任意长度的区块链上进行挖矿并广播。

公开(公告)号：CN115913559A

公开(公告)日：2023-04-04

申请号：CN202211041904.X

申请日：2022-08-29

Applicant: 北京理工大学 ,  国家计算机网络与信息安全管理中心

Inventor： 张子剑 ,  林绍琛 ,  马秀娟 ,  毛洪亮 ,  刘旭洋 ,  魏志远 ,  李臻 ,  邢智博 ,  祝烈煌

IPC: H04L9/32 ,  H04L9/40 ,  H04L41/12 ,  H04L41/14

Abstract: 本发明公开了一种基于网络延迟与算力延缓中本聪共识账本同步的方法。本发明在比特币网络中设置一运行模型和一操作者模型；比特币网络中包括诚实节点和攻陷节点；操作者模型将诚实节点分为两组并将攻陷节点分别加入两组进行挖矿；诚实节点上运行运行模型，每回合执行两个操作：1)接收来自比特币网络中广播的区块链，并验证合法性，丢弃不合法的区块；当收到的验证为合法的区块链比自己的区块链长时，则放弃自己原有的区块链，选择接收到的最长合法链作为自己的区块链；2)在自己的区块链末尾进行挖矿，当挖出一个新的区块时，将其添加到自己的区块链，产生一条新的区块链并将其广播出去；攻陷节点能够在任意长度的区块链上进行挖矿并广播。

公开(公告)号：CN114841363A

公开(公告)日：2022-08-02

申请号：CN202210374786.8

申请日：2022-04-11

Applicant: 北京理工大学

Inventor： 邢智博 ,  张子剑 ,  李春磊 ,  陆鑫 ,  魏志远 ,  李臻 ,  刘旭洋 ,  祝烈煌

IPC: G06N20/00 ,  G06F21/62 ,  G06F21/60

Abstract: 本发明涉及一种基于零知识证明的隐私保护与可验证隐私的联邦学习方法，属于人工智能机器学习技术领域，包括训练任务发布、本地训练、证明生成、训练结果提交、训练过程验证和训练参数聚合。本发明在联邦学习过程中利用零知识证明技术，在不泄露训练者的隐私数据的情况下向发布者证明训练过程的正确性。本发明对于联邦学习中所使用的训练算法没有限定和要求，支持对任意训练过程的证明，使得联邦学习具有可验证和隐私保护的性质，提高了联邦学习的安全性。同时，本发明采用了一种将小数机器学习过程转化为整数机器学习过程的方法，将复杂的机器学习过程通过一系列涉及加减乘除的简单运算的组合表示，将机器学习过程和密码学进行有机的联系与结合。

公开(公告)号：CN118378260A

公开(公告)日：2024-07-23

申请号：CN202410424312.9

申请日：2024-04-10

Applicant: 北京理工大学

Inventor： 张子剑 ,  章显昊 ,  魏志远 ,  杨小萱 ,  祝烈煌

IPC: G06F21/57 ,  G06F11/36 ,  G06F11/34

Abstract: 本发明提供一种面向C语言的长安链智能合约安全性分析方法，涉及区块链技术领域，其包括：获取基于C语言编写的长安链智能合约代码数据集；对长安链智能合约代码数据集进行预处理，得到训练数据集；构建大语言检测模型，并基于训练数据集对大语言检测模型进行训练，得到训练好的大语言检测模型；基于训练好的大语言检测模型，对基于C语言编写的待测长安链智能合约代码进行检测，得到待测长安链智能合约代码存在的问题。本发明能够提供更全面的代码覆盖，减少误报并提高漏洞检测的准确性。

公开(公告)号：CN114841363B

公开(公告)日：2024-07-23

申请号：CN202210374786.8

申请日：2022-04-11

Applicant: 北京理工大学

Inventor： 邢智博 ,  张子剑 ,  李春磊 ,  陆鑫 ,  魏志远 ,  李臻 ,  刘旭洋 ,  祝烈煌

IPC: G06N20/00 ,  G06F21/62 ,  G06F21/60

Abstract: 本发明涉及一种基于零知识证明的隐私保护与可验证隐私的联邦学习方法，属于人工智能机器学习技术领域，包括训练任务发布、本地训练、证明生成、训练结果提交、训练过程验证和训练参数聚合。本发明在联邦学习过程中利用零知识证明技术，在不泄露训练者的隐私数据的情况下向发布者证明训练过程的正确性。本发明对于联邦学习中所使用的训练算法没有限定和要求，支持对任意训练过程的证明，使得联邦学习具有可验证和隐私保护的性质，提高了联邦学习的安全性。同时，本发明采用了一种将小数机器学习过程转化为整数机器学习过程的方法，将复杂的机器学习过程通过一系列涉及加减乘除的简单运算的组合表示，将机器学习过程和密码学进行有机的联系与结合。