一种面向算力网络的去中心化联邦学习方法及系统

    公开(公告)号:CN119558426A

    公开(公告)日:2025-03-04

    申请号:CN202411601913.9

    申请日:2024-11-11

    Abstract: 本发明属于联邦学习技术领域,尤其涉及一种面向算力网络的去中心化联邦学习方法及系统;方法包括:算力网络中的模型需求方将联邦学习任务上传到区块链网络上,根据信誉分和数据分对算力节点进行筛选,将筛选出的算力节点作为计算节点参与训练;训练后的本地模型经由区块链网络进行验证后发送给模型需求方;模型需求方使用基于数据公平性的加权聚合算法,对当前轮接收到的本地模型进行聚合并利用聚合结果更新全局模型。本发明在算力网络背景下将区块链与联邦学习相结合,实现了保证联邦学习模型可用性和节点训练积极性的同时提高模型的泛用性和数据的公平性。

    一种具有前后向安全性的可搜索加密方法及系统

    公开(公告)号:CN119519987A

    公开(公告)日:2025-02-25

    申请号:CN202411665331.7

    申请日:2024-11-20

    Abstract: 本发明提出一种具有前后向安全性的可搜索加密方法及系统,涉及数据安全与隐私保护技术领域。包括数据拥有者采用延迟加密方法对明文数据进行延迟加密;创建正向倒排组合的搜索索引,并结合加密搜索索引的公钥进行加密,得到加密搜索索引;数据请求者利用加密搜索索引的私钥对搜索关键词进行加密,引入催化剂机制,生成搜索陷门;基于搜索陷门生成时间锁信息,使用自己的签名私钥对搜索陷门进行签名;数据拥有者将延迟加密的密文和加密搜索索引、数据请求者将搜索陷门和签名发送至云服务器;云服务器对数据请求者的身份进行验证,将搜索陷门和加密搜索索引进行匹配,查找结果返回给数据请求者。本发明提升了可搜索加密系统的整体安全性和灵活性。

    基于群学习和同态加密的车联网联邦遗忘学习方法及系统

    公开(公告)号:CN119341724A

    公开(公告)日:2025-01-21

    申请号:CN202411531471.5

    申请日:2024-10-30

    Abstract: 本发明属于隐私保护技术领域,公开了一种基于群学习和同态加密的车联网联邦遗忘学习方法及系统,包括构建模型并进行训练;目标车辆节点发出遗忘请求,RSU节点将全局模型参数下发至目标车辆节点进行反向修正训练,将反向修正的模型参数上传至RSU节点计算模型参数的变化率,非目标车辆节点对反向修正模型参数进行正向修正训练,将正向修正参数发送到RSU节点进行边缘聚合,获得SL遗忘模型;当模型参数的变化率小于设定阈值时,目标车辆节点退出联邦系统,修正训练结束,RSU节点将SL遗忘模型参数上传至服务器更新全局模型。本发明能够有效剔除有毒数据样本,实现模型性能和重训练开销之间的平衡,并在不损害模型性能的同时保护车辆节点的隐私。

    一种网络交易行为数据的取证方法及系统

    公开(公告)号:CN118133356B

    公开(公告)日:2024-08-13

    申请号:CN202410571194.4

    申请日:2024-05-10

    Abstract: 本发明提出了一种网络交易行为数据的取证方法及系统,涉及市场监管技术领域,包括:校验采集终端的安全、采集人的身份、采集对象的身份、采集工具的可信性;采集人使用采集终端上的采集工具对采集对象的网络交易行为数据和取证数据进行采集;将行为数据和取证数据分别存储至存证云平台和存证区块链系统;存证区块链系统对存证云平台发送的行为数据与本地的取证数据进行电子证据合规核验;第三方机构对未通过合规核验的行为数据及取证数据进行分析,得到未通过合规核验的原因;本发明综合利用密码学、区块链、内存取证等技术,实现了网络交易行为数据的可信采集和证据保全,保障电子证据的安全性、可信性与合规性。

    基于区块链和动态信誉的车联网数据安全共享方法及系统

    公开(公告)号:CN116233177A

    公开(公告)日:2023-06-06

    申请号:CN202211709057.X

    申请日:2022-12-29

    Inventor: 王连海 管晨曦

    Abstract: 本发明公开一种基于区块链和动态信誉的车联网数据安全共享方法及系统,涉及数据安全与隐私保护技术领域,通过区块链发布训练任务,以去中心化方式对模型参数和参与节点的信誉值进行存储;对车辆节点和RSU节点的合法性进行验证;结合秘密共享、Multi‑Krum算法增加RSU对车辆节点上传的模型参数进行筛选和聚合;在信誉评估过程中改进主观逻辑模型,为不同数据集设置权重,采用贝叶斯理论消除训练过程中车辆节点出现的不确定交互事件,根据参与节点的历史交互行为对RSU节点和车辆节点进行信誉评估,实现链上安全存储全局模型参数和参与节点的信誉值。在保护本地隐私和训练模型安全情况下,实现车联网场景下的数据安全共享应用。

    一种基于内存取证与深度学习的恶意代码检测方法及系统

    公开(公告)号:CN115964710A

    公开(公告)日:2023-04-14

    申请号:CN202211664716.2

    申请日:2022-12-22

    Abstract: 本发明公开了一种基于内存取证与深度学习的恶意代码检测方法及系统,涉及计算机恶意软件检测技术领域。包括步骤:收集静态的可执行的恶意样本、良性样本;通过沙箱隔离运行,然后转储运行后的系统镜像,通过内存分析与提取技术,提取出镜像中所有的exe文件和DLL文件;将所有提取的文件进行扫描检测,以确保恶意样本的真实性。将DLL文件和exe转化为灰度图像和操作行为序列,然后划分良性数据集和恶意数据集。通过深度学习的方式将建立的CNN‑Attention的模型和GNN‑LSTM‑Attention的模型,进行融合互补,以提高恶意代码检测的性能。本发明的方法不仅可以对于普通的可执行文件进行检测,而且对于“无文件”攻击具有良好的检测性能。

    一种可审计、可强制撤销的区块链修改方法及系统

    公开(公告)号:CN115858687A

    公开(公告)日:2023-03-28

    申请号:CN202310186418.5

    申请日:2023-03-02

    Abstract: 本发明提出了一种可审计、可强制撤销的区块链修改方法及系统,涉及区块链安全技术领域,具体方案包括:基于用户和审计者的密钥,对上链数据进行内外两层变色龙哈希上链;审计者对用户的修改的新数据进行审计,为审计通过的修改的新数据生成审计证明;基于审计证明、修改的新数据和内层变色龙哈希的原数据,用户对区块链上数据进行修改;审计者对修改后的数据进行周期性检查,通过外层变色龙哈希的陷门,对未通过检查的修改进行强制撤销;本发明确保新的修改的新数据在上链前经过内容审计,以及在修改操作不合法时支持操作的撤回和修改者修改权限的吊销。

    基于雾区块链和属性加密的细粒度访问控制方法及系统

    公开(公告)号:CN114710370B

    公开(公告)日:2022-11-04

    申请号:CN202210637715.2

    申请日:2022-06-08

    Abstract: 本发明提供了一种基于雾区块链和属性加密的细粒度访问控制方法及系统,其属于信息安全技术领域,所述方案引入了多属性权威机构,更符合细粒度访问控制需求,也避免了单点故障、密钥泄露等问题;所述方案通过将联盟链与雾节点结合,利用雾节点拥有一定的存储能力和计算能力,能为系统中属性权威和用户分配全局唯一身份标识并维护它们的身份列表,并存储多属性权威根据身份和属性集合生成的密钥,以便后续非法行为的追溯;为计算能力有限的用户完成解密过程中的密集型计算,而联盟链中PBFT共识机制的容错性能提高执行结果的正确性,减少用户的验证开销。

Patent Agency Ranking