一种支持双向代理重加密的同态加密方法

    公开(公告)号:CN115361109A

    公开(公告)日:2022-11-18

    申请号:CN202210800958.3

    申请日:2022-07-08

    Applicant: 暨南大学

    Abstract: 本发明公开了一种支持双向代理重加密的同态加密方法,包括以下步骤:密钥对生成,输入安全参数到密钥对生成算法,生成公钥和私钥;公钥加密消息,将公钥和需要加密的消息输入加密算法中,进行消息加密,得到密文;代理密钥生成,根据授权方的公钥和私钥以及被授权方的公钥和私钥,生成代理密钥;代理重加密,根据密文和代理密钥,对授权方的密文进行重加密;解密密文,通过解密算法解密密文恢复消息。本发明方法具有同态性质且支持双向代理重加密,可用于外包计算等场景中,有效的保护了隐私,在一定程度上解决了多密钥难计算的问题。

    一种基于k均值聚类的隐私信息保护方法

    公开(公告)号:CN109615021B

    公开(公告)日:2022-09-27

    申请号:CN201811590868.6

    申请日:2018-12-20

    Applicant: 暨南大学

    Abstract: 本发明属于机器学习领域,涉及一种基于k均值聚类的隐私信息保护方法,采用线性同态加密算法LHE结合加法同态加密算法Paillier对数据进行加密,得到密文数据,利用云服务端提供的计算服务实现对密文数据进行k均值聚类,得到密文聚类结果,客户端对密文聚类结果进行解密,得到明文聚类结果。本发明云服务端不获取用户的任何隐私信息,在实现聚类算法的同时保证用户的隐私信息安全,数据分析过程中数据信息不泄露,不仅有效地提高了用户数据的安全性,还大幅度地降低了客户端与云服务端之间的通信量,降低了通信成本,提高了机器学习效率,更适合应用到实际场景中去。

    一种基于K均值聚类的隐私信息保护方法

    公开(公告)号:CN110233730B

    公开(公告)日:2022-05-03

    申请号:CN201910428240.4

    申请日:2019-05-22

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于K均值聚类的隐私信息保护方法,该方法的步骤包括:多个客户端CUi进行数据加密,得到加密密文上传至云服务端;客户端CUi、云服务端CSP和辅助云服务端ACSP进行数据交互计算,得到重加密密钥;云服务端收到加密密文,进行重加密得到同一公钥的重加密密文,再将重加密密文转换为Paillier加密的密文;云服务端获得Paillier加密的密文后计算聚类;云服务端先将聚类结果的密文转换双向加法同态代理重加密的密文,再转换为客户端公钥下的密文,最后将聚类结果的密文返回给客户端进行解密。本发明实现了对不同公钥的密文进行聚类,将同一公钥下的聚类结果转换为不同公钥下的聚类结果返回给客户端,同时保护了客户端的私人数据和聚类中心的隐私。

    基于多加密的线性回归隐私保护方法及系统

    公开(公告)号:CN110190945A

    公开(公告)日:2019-08-30

    申请号:CN201910451741.4

    申请日:2019-05-28

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于多加密的线性回归隐私保护方法及系统,该系统包括多个数据提供端、第一云服务器、第二云服务器和数据请求端;多个数据提供端采用不同的同态代理重加密算法加密数据;数据请求端向第一云服务器发送使用数据构建线性回归模型的请求;数据提供端发送数据到第一云服务器;第一云服务器对数据提供端的密文数据添加噪音并进行密文转换;第二云服务器解密、计算加密;第一云服务器对第二云服务器的加密数据进行去噪处理;数据请求端采用私钥解密得到训练好的线性回归模型。本发明解决了将多个不同加密系统加密的数据转换到了用同一公钥加密的数据,训练一个线性回归模型,不受数据集分区的影响,同时保护数据和线性回归模型的隐私。

    一种基于加密图像快速搜索的社交发现方法

    公开(公告)号:CN108319659A

    公开(公告)日:2018-07-24

    申请号:CN201810013996.8

    申请日:2018-01-08

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于加密图像快速搜索的社交发现方法,该社交发现方法针对现有技术中基于加密图像快速搜索的社交发现方案存在两个问题,即需要大量的存储空间以及消耗大量的搜索时间,提出了一种云环境下基于加密图像快速搜索的解决方案,首先预先构建描述用户图像内容的基于MD-algorithm的可搜索的加密索引,该索引与用户图像一起存储在云服务器上,再通过安全相似性运算检索匹配用户的加密图像,找到具有相似图像的用户,从而实现好友推荐功能。与已有方案相比,所提出的解决方案不仅能准确的找到与目标用户具有相似图像的其他用户,而且还降低了存储空间以及提高了搜索效率。

    一种支持双向代理重加密的同态加密方法

    公开(公告)号:CN115361109B

    公开(公告)日:2024-05-07

    申请号:CN202210800958.3

    申请日:2022-07-08

    Applicant: 暨南大学

    Abstract: 本发明公开了一种支持双向代理重加密的同态加密方法,包括以下步骤:密钥对生成,输入安全参数到密钥对生成算法,生成公钥和私钥;公钥加密消息,将公钥和需要加密的消息输入加密算法中,进行消息加密,得到密文;代理密钥生成,根据授权方的公钥和私钥以及被授权方的公钥和私钥,生成代理密钥;代理重加密,根据密文和代理密钥,对授权方的密文进行重加密;解密密文,通过解密算法解密密文恢复消息。本发明方法具有同态性质且支持双向代理重加密,可用于外包计算等场景中,有效的保护了隐私,在一定程度上解决了多密钥难计算的问题。

    一种基于同态双向代理重加密的多密钥多方安全计算方法

    公开(公告)号:CN115442134A

    公开(公告)日:2022-12-06

    申请号:CN202211069818.X

    申请日:2022-09-02

    Applicant: 暨南大学

    Abstract: 本发明涉及一种基于同态双向代理重加密的多密钥多方安全计算方法,包括步骤:S1、用户数据端DPi生成密文cti并存储在云服务器CSP1上;S2、用户请求方RU请求计算;S3、当DPi允许CSP1使用自身数据时,生成临时公私钥(pk′i,sk′i)和双向代理重加密密钥rki→i′;S4、将pk′i和rki→i′上传至CSP1,将sk′i上传至云服务器CSP2;S5、CSP1根据重加密密钥rki→i′将密文cti重加密为ct′i,然后通过盲化的方式与CSP2进行交互,将需要使用的密文转换为在用户请求方RU的公钥下加密的密文,并完成运算,将结果密文返回给用户请求方RU进行解密。本发明通过双向代理重加密的方式,在不泄露用户真实私钥的情况下,实现了不同密钥加密下密文的安全计算,保护了用户原始数据的隐私,提高了密文数据的可用性。

    一种基于K均值聚类的隐私信息保护方法

    公开(公告)号:CN110233730A

    公开(公告)日:2019-09-13

    申请号:CN201910428240.4

    申请日:2019-05-22

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于K均值聚类的隐私信息保护方法,该方法的步骤包括:多个客户端CUi进行数据加密,得到加密密文上传至云服务端;客户端CUi、云服务端CSP和辅助云服务端ACSP进行数据交互计算,得到重加密密钥;云服务端收到加密密文,进行重加密得到同一公钥的重加密密文,再将重加密密文转换为Paillier加密的密文;云服务端获得Paillier加密的密文后计算聚类;云服务端先将聚类结果的密文转换双向加法同态代理重加密的密文,再转换为客户端公钥下的密文,最后将聚类结果的密文返回给客户端进行解密。本发明实现了对不同公钥的密文进行聚类,将同一公钥下的聚类结果转换为不同公钥下的聚类结果返回给客户端,同时保护了客户端的私人数据和聚类中心的隐私。

    一种高效隐私的外包k均值聚类方法

    公开(公告)号:CN113114454B

    公开(公告)日:2022-11-29

    申请号:CN202110224926.9

    申请日:2021-03-01

    Applicant: 暨南大学

    Abstract: 本发明公开了一种高效隐私的外包k均值聚类方法,包括以下步骤:获取用户和服务器,通过服务器生成和分发密钥,用于加密数据;获取样本数据集并进行预处理,得到预处理后的密文数据集,预处理包括创建哈希表、加密数据集;对预处理后的密文数据集进行基于剪枝策略且保护隐私的k均值聚类操作,基于剪枝策略且保护隐私的k均值聚类操作完成后,服务器在新的聚类中心上进行新一轮的聚类,直到聚类后的位图矩阵不再变化,则停止聚类;聚类结束后,用户通过密钥解密聚类结果;本发明使用了基于局部敏感哈希函数的剪枝策略从而减少了聚类过程中不必要的计算;不仅支持多用户的外包聚类,而且显著提高了聚类效率。

    基于多密钥密文的岭回归学习方法、系统、介质和设备

    公开(公告)号:CN113077054B

    公开(公告)日:2022-11-29

    申请号:CN202110234350.4

    申请日:2021-03-03

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于多密钥密文的岭回归学习方法、系统、介质和设备,获取数据拥有者上传的密文;接收数据分析者发送的公私钥,接收数据分析者使用密文进行岭回归学习的请求;向数据拥有者发送密文转换的请求以及数据分析者发送的公钥,基于数据拥有者同意情况下接收其所发送的代理密钥;利用代理密钥进行密文转换;进入岭回归学习后,根据密文转换所得到的加密后的密文得到密文矩阵,再针对密文矩阵进行矩阵乘法计算得到矩阵A的密文[A]和向量b的密文[b],计算出岭回归模型参数w的密文。本发明扩展了加密密钥单一的应用场景,解决了多密钥加密数据造成的密文运算困难问题,实现了安全高效的岭回归学习算法,有效地降低了计算和通信开销。

Patent Agency Ranking