-
公开(公告)号：CN115883080A
公开(公告)日：2023-03-31
申请号：CN202211498861.8
申请日：2022-11-28
申请人： 国网安徽省电力有限公司信息通信分公司
摘要： 本发明公开了一种轻量级纵向联邦学习隐私保护数据对齐方法，其特点是该方法采用不经意键值存储和零共享方法，可在任意数量腐败方合谋的场景下支持纵向联邦学习中高效的隐私保护数据，具体包括：系统初始化、密钥与碎片分发、键值存储生成和计算交集结果等步骤。本发明与现有技术相比具有使用轻量级的对称加密操作，且可以在任意数量腐败方合谋的情况下高效地解决纵向联邦学习隐私保护数据对齐问题，同时并不泄露各个数据集中交集外的样本ID，根据腐败方数量划分参与方的机制确保了诚实方数据集的安全，可以达到抗任意数量敌手合谋的半诚实模型和恶意模型下的安全性，从而满足了纵向联邦学习中的高效性和隐私性需求。
-
公开(公告)号：CN115865313A
公开(公告)日：2023-03-28
申请号：CN202211480939.3
申请日：2022-11-24
申请人： 国网安徽省电力有限公司信息通信分公司
摘要： 本发明公开了一种轻量级隐私保护纵向联邦学习模型参数聚合方法，其特点是该方法在联邦学习背景下采用任意单向陷门置换和不同的哈希摘要算法，实现多用户场景下的隐私保护参数聚合计算，具体包括：系统初始化、加密、数据聚合、解密四个阶段。本发明与现有技术相比具有较低的计算和通信开销，无需利用公钥同态加密，保证了聚合结果的安全性，保护了参与方敏感数据免受合谋攻击，较好的解决了计算密集型公钥同态加密给资源受限的本地用户带来了无法忍受的高复杂性问题，保证了聚合结果的安全性，满足了各种高效性和隐私性需求。
-
公开(公告)号：CN115687501A
公开(公告)日：2023-02-03
申请号：CN202211397646.9
申请日：2022-11-09
申请人： 国网安徽省电力有限公司信息通信分公司
IPC分类号： G06F16/26 , G06F21/62 , G06F16/2455
摘要： 本发明涉及一种基于差分隐私计算保护下的电力数据关联规则挖掘方法，其特征在于，所述方法包括以下步骤：步骤1：使用向量A＝{ai}(i＝1…n)和B＝{bi}(i＝1…n)表示用户A和用户B的某一个属性对应的属性列；步骤2：使用瑞丽散度对属性列{A,B}的元素进行混淆，得到{A′,B′}；步骤3：搜索两个分布式数据库A和B的频繁项集；步骤4：用户A和B生成随机保密向量R和R′以隐藏数据隐私，并输出对应的强关联规则；本发明可实现在不共享精确数据的条件下，获取准确的数据关系。对于需要保持多方隐私安全的分布式数据库，该方案既可用于搜索频繁项集，又能保持各方数据的隐私。
-
公开(公告)号：CN115603996A
公开(公告)日：2023-01-13
申请号：CN202211233833.3
申请日：2022-10-10
摘要： 本发明涉及基于保密编码的多方安全隐私计算方法，首先对持有方的数据进行本地保密编码矢量构造，而后将保密编码矢量进行公钥加密并发送给其它数据持有方；收到此加密数据的一方在利用本地保密编码矢量对加密数据进行计算后将结果返还数据发出一方；数据发出方利用私钥解密并进行双方数据的隐私比较。使用保密编码矢量函数构造的隐私比较算法的优势在于利用保密编码函数的特性，持有数据发送方无法得知数据接收方的输入，且无法从保密编码函数的输出中反推出输入，由此提升了数据隐私比较的安全性。本发明使得数据持有方在不泄露任何额外信息的情况下，比较各方持有的数据。有效地解决了现有的解决方案都比较复杂而且只适用于自然数的比较的问题。
-
-
-
搜索结果
4 条记录 (耗时 0.049 秒)
