-
公开(公告)号：CN110225041A
公开(公告)日：2019-09-10
申请号：CN201910516219.X
申请日：2019-06-14
Applicant: 青岛大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请公开了一种数据管理方法，所述数据管理方法包括当接收到数据所有权调整请求时，确定数据所有权调整请求对应的目标用户和目标数据；根据所有权列表确定目标数据对应的原所有权组，将目标用户从原所有权组中删除得到新所有权组；对目标数据执行重加密操作得到重加密目标数据，并确定重加密目标数据对应的重加密密钥；向新所有权组中的每一用户发送重加密密钥，以便新所有权组中的用户利用重加密密钥解密重加密目标数据。本申请能够避免数据所有权变更对于云数据的威胁，提高云数据的安全性。本申请还公开了一种数据管理系统、一种计算机可读存储介质及一种电子设备，具有以上有益效果。
-
公开(公告)号：CN110225041B
公开(公告)日：2021-12-21
申请号：CN201910516219.X
申请日：2019-06-14
Applicant: 青岛大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请公开了一种数据管理方法，所述数据管理方法包括当接收到数据所有权调整请求时，确定数据所有权调整请求对应的目标用户和目标数据；根据所有权列表确定目标数据对应的原所有权组，将目标用户从原所有权组中删除得到新所有权组；对目标数据执行重加密操作得到重加密目标数据，并确定重加密目标数据对应的重加密密钥；向新所有权组中的每一用户发送重加密密钥，以便新所有权组中的用户利用重加密密钥解密重加密目标数据。本申请能够避免数据所有权变更对于云数据的威胁，提高云数据的安全性。本申请还公开了一种数据管理系统、一种计算机可读存储介质及一种电子设备，具有以上有益效果。
-
公开(公告)号：CN112836078B
公开(公告)日：2021-10-22
申请号：CN202110192739.7
申请日：2021-02-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛大学
IPC: G06F16/583 , G06F16/587 , G06F21/60
Abstract: 本发明公开了一种图上最短路径安全查询方法、装置、系统及计算机可读存储介质，该方法包括接收客户端发送的查询口令信息，查询口令信息为客户端采用预设加密方法对用户输入的目标图信息、起始顶点信息、终止顶点信息和受限边标签集合进行加密后得到的；依据查询口令信息从预先存储的各个加密图中找到对应的目标加密图，获取目标加密图中加密后的各个顶点、与每个顶点分别对应的各个邻接点；依据加密后的起始顶点信息、终止顶点信息及受限边标签集合，从目标加密图的各个邻接点中确定出满足受限边标签集合的起始顶点至终止顶点的最短路径及最小距离；本发明能够找到满足受限边标签集合的最短路径及最小距离，更能够满足实际需求。
-
公开(公告)号：CN112836078A
公开(公告)日：2021-05-25
申请号：CN202110192739.7
申请日：2021-02-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛大学
IPC: G06F16/583 , G06F16/587 , G06F21/60
Abstract: 本发明公开了一种图上最短路径安全查询方法、装置、系统及计算机可读存储介质，该方法包括接收客户端发送的查询口令信息，查询口令信息为客户端采用预设加密方法对用户输入的目标图像信息、起始顶点信息、终止顶点信息和受限边标签集合进行加密后得到的；依据查询口令信息从预先存储的各个加密图像中找到对应的目标加密图像，获取目标加密图像中加密后的各个顶点、与每个顶点分别对应的各个邻接点；依据加密后的起始顶点信息、终止顶点信息及受限边标签集合，从目标加密图像的各个邻接点中确定出满足受限边标签集合的起始顶点至终止顶点的最短路径及最小距离；本发明能够找到满足受限边标签集合的最短路径及最小距离，更能够满足实际需求。
-
公开(公告)号：CN120090863A
公开(公告)日：2025-06-03
申请号：CN202510518762.9
申请日：2025-04-24
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: H04L9/40 , H04L9/32 , H04L9/00 , G06F16/901 , G06F16/903
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种满足标签和跳数双约束的加密图最短路径查询方法。所述方法包括：数据拥有者向用户发送授权令牌；数据拥有者对原始图进行索引构建，并发送给云服务器；用户利用授权令牌中的密钥加密查询请求，生成查询令牌T，并发送给云服务器；云服务器S接收到用户发送的查询令牌T之后，根据T中的信息进行最短路径查询，并将查询结果发送给用户；用户接收到云服务器S发送的查询结果后，使用授权令牌中的密钥k1进行节点解密，得到明文结果，获取满足查询条件的最短路径。本发明解决了现有技术利用标签进行最短路径查询时搜索空间大，计算复杂的问题。
-
Patent Agency Ranking
公开(公告)号：CN120032191A
公开(公告)日：2025-05-23
申请号：CN202510510088.X
申请日：2025-04-23
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明提出了一种基于动态超前迭代的对抗样本生成方法及系统，属于人工智能安全技术领域；方法包括：对原始图像预处理，生成初始对抗样本；初始化运行参数，将运行参数和初始对抗样本输入到替代模型中进行迭代计算，每次迭代前计算超前因子，根据当前迭代次数判断迭代过程阶段并动态调整超前因子；基于累积动量和动态调整后的超前因子计算超前位置和损失函数梯度，基于损失函数梯度更新累积动量，并生成对抗样本，利用裁剪函数得到最终生成的对抗扰动；当达到最大迭代次数，对原始图像添加最终生成的对抗扰动，生成最终的对抗样本；若否，则重复执行上述步骤。有效解决了固定偏移量的局限性，动量稳定性以及梯度估计准确性的问题。
-
公开(公告)号：CN119808896B
公开(公告)日：2025-05-23
申请号：CN202510296997.8
申请日：2025-03-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F21/62 , G06F18/2132 , G06F18/214
Abstract: 本发明属于隐私保护的技术领域，更具体地，涉及面向保隐私异构去中心化学习的正则约束自适应调整方法。所述方法包括：将每个客户端#imgabs0#的本地模型#imgabs1#划分为共享模型#imgabs2#和保留模型#imgabs3#，对共享模型#imgabs4#进行正则化约束；客户端#imgabs5#使用上一轮聚合后的共享模型#imgabs6#和本地保留模型#imgabs7#，基于本地数据集#imgabs8#进行梯度下降更新；通过KL散度对正则化参数#imgabs9#进行动态更新调整；对共享模型进行差分隐私保护，然后将加噪后的共享模型广播给邻居客户端；客户端i的邻居客户端接收加噪后的共享模型并进行聚合，以得到下一迭代轮次的本地模型。本发明在保护数据隐私的同时，减轻数据异质性和差分隐私噪声对模型性能的负面影响。
-
公开(公告)号：CN119892499A
公开(公告)日：2025-04-25
申请号：CN202510360779.6
申请日：2025-03-26
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: H04L9/40 , G06F18/15 , G06F18/214 , G06F18/2135 , G06F18/21 , G06F18/2433 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094
Abstract: 本发明属于数据分析与网络安全技术领域，具体涉及一种基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法。所述方法包括：通过预处理多个传感器的测量数据，将数据输入到基于物理约束和时间条件嵌入的WGAN框架进行训练；WGAN生成符合物理规律的高质量合成数据，并结合LSTM捕捉时间序列的长短期特性；随后，利用CNN‑Transformer模型进行全局特征提取和动态阈值生成，结合基于分位数的动态检测机制分析正常数据的分布，精准定位潜在攻击来源；最终，通过循环优化模型架构与参数，提升检测与定位的精度与效率。
-
公开(公告)号：CN119089982B
公开(公告)日：2025-04-08
申请号：CN202411212448.X
申请日：2024-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 潍柴动力股份有限公司
IPC: G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/57
Abstract: 本发明涉及应用于攻击场景下的分布式学习聚合方法、存储介质和程序产品。该方法包括：构建包含n个节点和单个参数服务器的异构分布式学习系统；参数服务器获取各个节点的梯度；基于接收的各个节点的梯度，参数服务器获取各个节点梯度的范数与方向；基于各个节点梯度的范数与方向，参数服务器计算各个梯度的保留概率，并进行概率筛选，确定保留梯度；根据梯度筛选结果，参数服务器获取各个保留梯度的平均值，根据各个保留梯度的平均值，进行全局模型参数的迭代优化，利用最终优化后的全局模型参数对异构分布式学习系统进行性能评估。本发明将梯度的范数与方向信息相结合，通过概率筛选实现了在异构分布式机器学习环境下保持拜占庭鲁棒性的目标。
-
公开(公告)号：CN119670916A
公开(公告)日：2025-03-21
申请号：CN202510200623.1
申请日：2025-02-24
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N20/00 , G06F18/213 , G06F18/2115 , G06F18/2413
Abstract: 本发明属于联邦学习的技术领域，具体涉及一种基于特征对比优化与分类器动态集成的联邦学习方法及装置。其方法包括：通过服务器初始化全局模型并将其下发给参与联邦学习的#imgabs0#个客户端，客户端基于接收到的全局模型进行本地模型更新以及对更新后的本地模型进行训练，再利用训练后的本地特征提取器对其本地私有数据集进行特征提取，以构建本地特征原型集合，再将本地模型、本地特征原型集合、客户端总样本量上传至服务器，服务器在全局聚合时，使用对比学习技术提升全局特征原型质量，最后将聚合得到的全局原型和全局特征原型集合下发给各客户端，执行下一轮次的学习，直至本地模型收敛或到达设定的通信轮次。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.068 seconds)
