-
公开(公告)号：CN117290887B
公开(公告)日：2024-04-23
申请号：CN202311522961.4
申请日：2023-11-16
摘要： 本发明公开了一种基于账户区块链的可问责隐私保护智能合约实现方法，方法包括：用户部署智能合约并公开合约地址，监管者运行密钥获得监管者公钥和监管者私钥，并将监管者公钥上传至区块链；注册新用户并生成用户私钥，然后将用户公钥上传区块链，智能合约记录注册用户信息；用户创建空白数据记录，然后将生成的数据记录承诺上传区块链；用户收集区块链上的所有数据记录承诺并构建默克尔书，然后进行链下计算；用户将隐私保护交易单发送至区块链，区块链经过广播后进行验证计算；监管者捕获到隐私保护交易单，随后利用监管者私钥问责用户。本发明能够支持细粒度的隐私保护控制策略和灵活适应多种应用场景，同时实现可问责隐私保护智能合约。
-
公开(公告)号：CN115455488A
公开(公告)日：2022-12-09
申请号：CN202211420158.5
申请日：2022-11-15
摘要： 本发明公开了一种基于复制秘密共享的密态数据库查询方法及装置，方法包括：用户将查询需求编译成复制秘密共享下的安全多方计算原语并将其交递给计算层，计算层向存储层请求共享查询需求所对应数据的表；每个数据提供方调用布尔复制秘密共享算法生成秘密份额并传输给计算方；计算方调用安全三方计算算法并利用密态过滤算子、密态连接算子、密态排序算子和密态聚合算子中的一个或多个进行安全三方计算，得到秘密共享形式的计算结果的秘密共享份额并发送给用户；调用秘密重构算法将计算结果的秘密共享份额重构之后得到最终的查询结果。本发明每个数据提供方将自己的数据以秘密共享的形式分成三个秘密份额发给计算方，性能更好。
-
公开(公告)号：CN113553610B
公开(公告)日：2021-12-31
申请号：CN202111103182.1
申请日：2021-09-22
摘要： 本发明公开了一种基于同态加密和可信硬件的多方隐私保护机器学习方法，包括：将私钥sk发送给各个数据方和可信硬件R；服务器S整合各个数据方上传的密文数据得到密文数据集；服务器S在密文数据集的基础上，将普通机器学习算法中的线性运算替换为同态加法和同态乘法，在密文状态下进行机器学习建模；服务器S在完成密文下的机器学习建模后，将加密的模型密文下发给各个数据方；各个数据方利用私钥解密模型密文，得到由各个数据方的数据D训练得到的模型。本发明利用全同态加密的性质、以及依靠可信硬件实现的模拟自举和执行激活函数功能，能够获得与对未加密数据进行机器学习训练的模型一致的准确率。
-
公开(公告)号：CN111260039B
公开(公告)日：2020-08-07
申请号：CN202010369831.1
申请日：2020-05-06
摘要： 本发明提供了一种基于辅助任务学习的视频游戏决策方法，包括以下步骤：S1、构建神经网格模型；S2、启动多进程视频游戏环境；S3、判断是否运行了指定轮次，如果否，则进入步骤S4，如果是，则进入步骤S6；S4、获取游戏经验，更新经验池；S5、将经验输入到神经网格模型，更新神经网格模型参数，返回步骤S3；S6、保存神经网格模型；S7、在视频游戏里利用神经网格模型决策；S8、结束。本发明的有益效果是：可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
-
公开(公告)号：CN111260039A
公开(公告)日：2020-06-09
申请号：CN202010369831.1
申请日：2020-05-06
摘要： 本发明提供了一种基于辅助任务学习的视频游戏决策方法，包括以下步骤：S1、构建神经网格模型；S2、启动多进程视频游戏环境；S3、判断是否运行了指定轮次，如果否，则进入步骤S4，如果是，则进入步骤S6；S4、获取游戏经验，更新经验池；S5、将经验输入到神经网格模型，更新神经网格模型参数，返回步骤S3；S6、保存神经网格模型；S7、在视频游戏里利用神经网格模型决策；S8、结束。本发明的有益效果是：可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
-
公开(公告)号：CN118114208A
公开(公告)日：2024-05-31
申请号：CN202410062504.X
申请日：2024-01-16
摘要： 本发明公开了一种神经网络输出结果产权证明方法、系统和装置，该方法包括：S1、生成证明π；S2、提交证明；S3、添加记录和出示证明π；S4、检验唯一性；S5、验证证明π；该系统包括：生成证明π模块、提交证明模块、添加记录和出示证明π模块、检验唯一性模块、验证证明π模块；通过将原本用于神经网络可验证计算场景的zkCNN协议应用到神经网络输出结果的产权证明场景当中，在保证神经网络权重参数不泄露的同时，生成一份安全可靠且持久有效的证明π，从而证明某个数值或向量确实是由该神经网络计算出来的。
-
公开(公告)号：CN113052203B
公开(公告)日：2022-01-18
申请号：CN202110181592.1
申请日：2021-02-09
摘要： 本发明公开了一种面向多种类数据的异常检测方法及装置。所述面向多种类数据的异常检测方法通过训练对抗学习网络，使对抗学习网络中的生成器拟合正常训练样本的分布以及学习正常训练样本的潜在模式，得到更新的对抗学习网络，根据训练过程中产生的重构误差构造更新的对抗学习网络中的异常评价函数，并将更新的对抗学习网络构建为异常检测模型，以利用异常检测模型对输入的检测数据进行异常检测，得到异常检测结果。本发明基于传统生成对抗学习模型的异常检测方法，通过引入模式分类器的思想，有效解决了检测数据与正常数据分布相近时异常检测难的问题，进一步提高了异常检测的准确性。
-
公开(公告)号：CN111291890B
公开(公告)日：2021-01-01
申请号：CN202010399728.1
申请日：2020-05-13
摘要： 本发明提供了一种博弈策略优化方法、系统及存储介质，该博弈策略优化方法包括建立基于最大熵的策略递度算法步骤和多智能体最优反应策略求解步骤。本发明的有益效果是：本发明采用中心化训练和分散式执行的方式，提高动作估值网络的准确性，同时引入了全局基线奖励来更准确地衡量智能体的动作收益，以此来解决人博弈中的信用分配问题。同时引入了最大熵方法来进行策略评估，平衡了策略优化过程中的探索与利用。
-
公开(公告)号：CN111260040A
公开(公告)日：2020-06-09
申请号：CN202010370070.1
申请日：2020-05-06
摘要： 本发明提供了一种基于内在奖励的视频游戏决策方法，包括以下步骤：S1、获取视频游戏模拟环境；S2、构建神经网络模型；S3、设计内在奖励模型；S4、将内在奖励模型与构建的神经网络模型结构结合；S5、通过模拟环境获取游戏的记录；S6、通过获取的游戏记录，更新神经网络模型；S7、循环训练神经网络模型直至收敛。本发明的有益效果是：较好的解决了三维场景中较为常见的缺乏环境反馈奖励值的问题。
-
公开(公告)号：CN117857008A
公开(公告)日：2024-04-09
申请号：CN202311686527.X
申请日：2023-12-11
摘要： 本发明公开了一种基于整数自举的环面全同态加密算法的数据处理方法，方法为：客户端根据安全参数调用密钥生成算法生成自身密钥、自举密钥和转换密钥，并将自举密钥和转换密钥发送给云端服务器，自身密钥本地保存；客户端调用加密算法使用自身密钥对明文数据进行加密操作得到密文传输给云端服务器；云端服务器根据客户端提供的评估函数、自举密钥及转换密钥对密文执行评估算法得到密文状态下的评估结果发回客户端；客户端根据自身密钥调用解密算法对密文状态下的评估结果进行解密操作获得明文数据的评估结果。本发明重新设计自举算法实现支持整数级数据的自举算法，大大提高了计算效率；同时支持整数级数据的非线性函数运算，减少了方案复杂度。
-
-
-
-
-
-
-
-
-
搜索结果
129 条记录 (耗时 0.063 秒)
