公开(公告)号：CN119249469A

公开(公告)日：2025-01-03

申请号：CN202411070632.5

申请日：2024-08-06

Applicant: 南京理工大学

Inventor： 许春根 ,  王林龙 ,  张盼 ,  刘亦婷 ,  徐磊 ,  梅琳

IPC: G06F21/62 ,  G06N5/04 ,  G06N3/098 ,  G06N3/084 ,  G06F18/214 ,  G06F18/10 ,  G06F18/22

Abstract: 本发明公开了一种抵御纵向联邦学习中标签推理攻击的隐私保护方法，包括：S1获取各客户端上传的本地模型的中间参数，并将参数上传至服务器端，其中包括对目标数据进行预处理；S2服务器端对顶部模型的损失函数进行优化；S3服务器端通过接收各客户端的中间参数，对顶部模型进行训练，并通过梯度下降算法更新模型的梯度；在此过程中，服务器端将计算每个客户端的梯度，并在梯度中引入适量的噪声，通过自适应调整本地梯度的大小，实现了对模型参数的迭代更新。这一过程旨在在保护数据隐私的同时，实现模型的协同优化。通过该方法，不仅可以有效地进行模型优化和更新，提高模型优化效率，还能增强对标签推理攻击的防御能力，确保数据隐私和安全。

公开(公告)号：CN109422697A

公开(公告)日：2019-03-05

申请号：CN201710769143.2

申请日：2017-08-30

Applicant: 南京理工大学

Inventor： 张盼 ,  徐梦 ,  张文忆 ,  马飘 ,  李峰

IPC: C07D239/95

Abstract: 本发明公开了一种合成喹唑啉酮衍生物的方法，从商品化或容易合成的2-氨基喹唑啉酮出发，通过和醇进行烷基化反应，得到的喹唑啉酮衍生物。本发明所述反应使用近于无毒的醇为烷基化试剂代替高毒性的卤代烷，同时副产物只有水的生成，无环境危害，反应原子经济性高，因此，该反应具有广阔的发展前景。

公开(公告)号：CN117202195A

公开(公告)日：2023-12-08

申请号：CN202311309729.2

申请日：2023-10-10

Applicant: 南京理工大学

Inventor： 张盼 ,  徐磊 ,  许春根 ,  陶洪耀 ,  陈相全

IPC: H04W12/106 ,  H04W12/03 ,  H04W12/041 ,  H04W12/0433 ,  H04L9/32

Abstract: 本发明公开了一种基于身份加密轻量级车联网国密安全通信方法，包括以下步骤：初始化并发布公共参数；车辆假名生成；与其他车辆用户或者路侧单元RSU进行安全通信时生成车辆密钥；路侧单元RSU对车辆签名进行批处理验证；针对不同车辆签名生成并批处理验证签名。本发明采用双线性对配对计算批处理并行验证多个签名提高签名的验证效率；设计车辆假名的生成过程，并且基于假名生成车辆的公私对和直接对应到具体车辆，无需额外重复分发密钥给车辆；采用即用即销毁会话密钥机制，攻击者无法通过已知的信息推断当前会话密钥；采用国密算法和数字信封的方式保证车联网数据安全流转和信息广播，满足车联网的低通信和低计算开销的要求。

公开(公告)号：CN115278709A

公开(公告)日：2022-11-01

申请号：CN202210906790.4

申请日：2022-07-29

Applicant: 南京理工大学

Inventor： 张盼 ,  许春根 ,  徐磊 ,  梅琳 ,  窦本年

IPC: H04W16/22 ,  H04W24/02 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明提供的一种基于联邦学习的通信优化方法，属于联邦机器学习技术领域，包括：获取各客户端上传的本地梯度核心特征；本地梯度核心特征指各客户端对目标数据进行预处理，训练出本地模型，对本地模型进行奇异值分解提取出的数据；对本地梯度核心特征进行草图梯度压缩与草图梯度聚合，提取前k个稀疏化参数矩阵，并对前k个稀疏化参数矩阵执行联邦平均聚合算法得到全局模型并发给各客户端；计算各客户端的累计梯度误差值与梯度误差补偿值，自适应调整本地梯度核心特征需要补偿的梯度和本地梯度核心特征进行草图梯度聚合时的权重，再进行迭代。本发明既能够有效压缩模型梯度，降低模型训练中产生的通信开销，又能提高模型预测的准确度。

公开(公告)号：CN115278709B

公开(公告)日：2024-04-26

申请号：CN202210906790.4

申请日：2022-07-29

Applicant: 南京理工大学

Inventor： 张盼 ,  许春根 ,  徐磊 ,  梅琳 ,  窦本年

IPC: H04W16/22 ,  H04W24/02 ,  G06N3/098 ,  G06N20/00

Abstract: 本发明提供的一种基于联邦学习的通信优化方法，属于联邦机器学习技术领域，包括：获取各客户端上传的本地梯度核心特征；本地梯度核心特征指各客户端对目标数据进行预处理，训练出本地模型，对本地模型进行奇异值分解提取出的数据；对本地梯度核心特征进行草图梯度压缩与草图梯度聚合，提取前k个稀疏化参数矩阵，并对前k个稀疏化参数矩阵执行联邦平均聚合算法得到全局模型并发给各客户端；计算各客户端的累计梯度误差值与梯度误差补偿值，自适应调整本地梯度核心特征需要补偿的梯度和本地梯度核心特征进行草图梯度聚合时的权重，再进行迭代。本发明既能够有效压缩模型梯度，降低模型训练中产生的通信开销，又能提高模型预测的准确度。

公开(公告)号：CN114611135A

公开(公告)日：2022-06-10

申请号：CN202210182629.7

申请日：2022-02-25

Applicant: 南京理工大学

Inventor： 许春根 ,  张盼 ,  徐磊 ,  梅琳

IPC: G06F21/62 ,  G06F21/60 ,  G06F16/2458 ,  G06F16/25 ,  G06F16/9537 ,  G06F16/951

Abstract: 本发明提供的一种基于密文检索的人员流动风险监管方法，属于人员流动风险管控领域，包括以下步骤：S2中央服务器响应于刷卡点的输入指令，获取用户从刷卡点上传的刷卡信息密文，基于刷卡信息密文和刷卡点对应的区服务器信息构建全局字典及索引；S3中央服务器响应于第一查询指令，通过全局字典和索引获取第一目标用户的行程信息；S4中央服务器响应于第二查询指令，通过全局字典和索引获取与第一目标用户的行程信息有重叠的第二目标用户。本发明对用户刷卡信息进行加密，并基于加密信息建立全局字典和索引，实现了患者信息的加密管理，保证了用户的隐私，且便于工作人员进准定位患者的行程信息及密切接触者的信息，大大提高了人员流动风险监管效率。