-
公开(公告)号：CN114553394A
公开(公告)日：2022-05-27
申请号：CN202210424254.0
申请日：2022-04-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了基于多密钥全同态方案的补码运算器及运算方法，运算器包括多密钥全同态加法运算器、多密钥全同态减法运算器、多密钥全同态乘法运算器和多密钥全同态除法运算器；所述多密钥全同态加法器由多密钥全同态0‑类加法器构成；所述多密钥全同态减法器由多密钥全同态0‑类加法器与多密钥全同态取非器构成；所述多密钥全同态乘法器由多密钥全同态0‑类加法器、多密钥全同态1‑类加法器、多密钥全同态2‑类加法器和多密钥全同态与门构成；所述多密钥全同态除法器由多密钥全同态取补器、多密钥全同态CAS单元与多密钥全同态异或门构成。本发明构造了任意位的补码整数四则运算器，能够支持任意位的正负整数之间的四则运算，大大提高了MKTFHE方案的实用性。
-
公开(公告)号：CN115622684B
公开(公告)日：2023-03-28
申请号：CN202211433166.3
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于全同态加密的隐私计算异构加速方法及装置，本发明从内存和指令两个层级对全同态加密算法进行优化，根据计算负载动态调配GPU中的Block块，将计算量过大的任务拆小，计算量小的任务合并变大，控制结果合并过程中的访存竞争。利用GPU中的内存层次结构，减少SM上同时分配的访存量大的任务数，分配更多的共享内存提升内存命中率，减少与全局内存的通信；设计异构计算流：从时间上和空间上，共享有限的硬件资源。本发明在GPU中实现NTT/INTT算法的挑战是高效地分配线程以实现高利用率，为了获得最佳性能，所有线程都应该是繁忙的，每个线程的工作负载应该是相等的。
-
公开(公告)号：CN114553394B
公开(公告)日：2022-08-16
申请号：CN202210424254.0
申请日：2022-04-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了基于多密钥全同态方案的补码运算器及运算方法，运算器包括多密钥全同态加法运算器、多密钥全同态减法运算器、多密钥全同态乘法运算器和多密钥全同态除法运算器；所述多密钥全同态加法器由多密钥全同态0‑类加法器构成；所述多密钥全同态减法器由多密钥全同态0‑类加法器与多密钥全同态取非器构成；所述多密钥全同态乘法器由多密钥全同态0‑类加法器、多密钥全同态1‑类加法器、多密钥全同态2‑类加法器和多密钥全同态与门构成；所述多密钥全同态除法器由多密钥全同态取补器、多密钥全同态CAS单元与多密钥全同态异或门构成。本发明构造了任意位的补码整数四则运算器，能够支持任意位的正负整数之间的四则运算，大大提高了MKTFHE方案的实用性。
-
公开(公告)号：CN115622684A
公开(公告)日：2023-01-17
申请号：CN202211433166.3
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于全同态加密的隐私计算异构加速方法及装置，本发明从内存和指令两个层级对全同态加密算法进行优化，根据计算负载动态调配GPU中的Block块，将计算量过大的任务拆小，计算量小的任务合并变大，控制结果合并过程中的访存竞争。利用GPU中的内存层次结构，减少SM上同时分配的访存量大的任务数，分配更多的共享内存提升内存命中率，减少与全局内存的通信；设计异构计算流：从时间上和空间上，共享有限的硬件资源。本发明在GPU中实现NTT/INTT算法的挑战是高效地分配线程以实现高利用率，为了获得最佳性能，所有线程都应该是繁忙的，每个线程的工作负载应该是相等的。
-
公开(公告)号：CN118981372A
公开(公告)日：2024-11-19
申请号：CN202410987081.2
申请日：2024-07-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于并行自适应拍卖算法的非统一内存访问资源分配方法，方法包括下述步骤：当操作系统启动时，获取非统一内存访问架构中的节点信息及任务信息；将非统一内存访问架构的资源问题视为带位置约束的背包问题，采用并行自适应拍卖算法进行优化求解，得到分配结果。本申请将经济学理论和计算机科学进行结合，在拍卖机制下使任务对资源进行自主竞标，同时将问题有效分解为独立的并行计算子问题，使得各任务的出价策略相互独立，实现内存资源的更有效且高效分配；在对资源进行自主竞标时，本发明将DQN模型与拍卖机制下的广告主策略求解相结合，提高了DQN模型的稳定性，实现了任务基于本地信息的自主决策，从而实现分散、高效的资源分配。
-
Patent Agency Ranking
公开(公告)号：CN115021944B
公开(公告)日：2022-11-04
申请号：CN202210940999.2
申请日：2022-08-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于聚合签名和时空证明算法的共识方法及装置，方法包括构建交易请求、构建聚合签名算法、基于交易请求采用聚合签名算法中的秘钥生成算法和签名算法完成交易签名、交易签名聚合、构建PoST算法并运行PoST算法、通过网络将区块广播给相邻节点、验证区块交易及存储，若验证通过则将新区块放入验证节点的本地链中，否则丢弃。本发明一方面采用聚合签名算法，减小区块大小和容量，提高通信效率和签名验证效率；另一方面结合空间证明和时间证明的PoST算法，解决能源浪费和51%攻击问题；从而保证区块链的交易数据不存在被篡改的可能性和能快速进行交易数据的验证及确认。
-
公开(公告)号：CN115021944A
公开(公告)日：2022-09-06
申请号：CN202210940999.2
申请日：2022-08-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于聚合签名和时空证明算法的共识方法及装置，方法包括构建交易请求、构建聚合签名算法、基于交易请求采用聚合签名算法中的秘钥生成算法和签名算法完成交易签名、交易签名聚合、构建PoST算法并运行PoST算法、通过网络将区块广播给相邻节点、验证区块交易及存储，若验证通过则将新区块放入验证节点的本地链中，否则丢弃。本发明一方面采用聚合签名算法，减小区块大小和容量，提高通信效率和签名验证效率；另一方面结合空间证明和时间证明的PoST算法，解决能源浪费和51%攻击问题；从而保证区块链的交易数据不存在被篡改的可能性和能快速进行交易数据的验证及确认。
-
公开(公告)号：CN114430321B
公开(公告)日：2022-07-12
申请号：CN202210357035.5
申请日：2022-04-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了基于DFA自适应安全的黑盒可追踪密钥属性加密方法及装置，包括：密钥生成中心运行初始化算法产生系统公钥PK和主私钥MSK，并将PK发送给数据拥有者；数据拥有者将PK、需要加密的数据m以及数据m的属性字符串ω作为输入，运行加密算法生成密文CT；数据使用者将身份信息ID和得到授权的确定性有限自动机模型发送给密钥生成中心；密钥生成中心利用MSK、PK、ID和运行密钥生成算法生成解密密钥和用户身份主键KeyID，将(KeyID,ID)存入用户哈希表LIST里，并将发送给数据使用者；数据使用者向云服务器请求密文CT，输入和CT，运行解密算法，解开密文获得数据m。本发明以DFA作为访问结构，能够处理任意长的属性字符串和匹配范围属性，使得访问控制更加灵活。
-
公开(公告)号：CN114430321A
公开(公告)日：2022-05-03
申请号：CN202210357035.5
申请日：2022-04-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了基于DFA自适应安全的黑盒可追踪密钥属性加密方法及装置，包括：密钥生成中心运行初始化算法产生系统公钥PK和主私钥MSK，并将PK发送给数据拥有者；数据拥有者将PK、需要加密的数据m以及数据m的属性字符串ω作为输入，运行加密算法生成密文CT；数据使用者将身份信息ID和得到授权的确定性有限自动机模型发送给密钥生成中心；密钥生成中心利用MSK、PK、ID和运行密钥生成算法生成解密密钥和用户身份主键KeyID，将(KeyID,ID)存入用户哈希表LIST里，并将发送给数据使用者；数据使用者向云服务器请求密文CT，输入和CT，运行解密算法，解开密文获得数据m。本发明以DFA作为访问结构，能够处理任意长的属性字符串和匹配范围属性，使得访问控制更加灵活。
-
公开(公告)号：CN113553610A
公开(公告)日：2021-10-26
申请号：CN202111103182.1
申请日：2021-09-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 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。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.113 seconds)
