-
公开(公告)号：CN113239351A
公开(公告)日：2021-08-10
申请号：CN202011443807.4
申请日：2020-12-08
申请人： 武汉大学
摘要： 本发明提供一种面向物联网系统的新型数据污染攻击防御方法，包括在服务器收集到当前轮训练所有终端的更新后，将更新随机分组，形成次级结果；对于每一个次级结果，都按照预定的规则从所有终端的集合中随机选择终端并授权，每个终端都会检测评估收到的次级结果；服务器收集终端对次级结果的评估报告，统计某个更新被判定为有潜在恶意的次数；服务器调整权重，包括基于每个更新被判定为恶意的次数，给每个更新加上一个惩罚系数；用惩罚系数作为权重计算平均值，进行次级结果的聚合。为抵御物联网场景下进行的统计分析中可能存在的数据污染攻击，本发明在不同终端持有数据为独立同分布或非独立同分布的协同学习中，均能检测出用户上传的异常信息。
-
公开(公告)号：CN115859340A
公开(公告)日：2023-03-28
申请号：CN202310137662.2
申请日：2023-02-20
申请人： 武汉大学
摘要： 本发明公开了一种基于多区块链的链上加密数据的内容审查系统及方法。利用了区块链的不可篡改、不可伪造、可追溯等特点，用监管区块链来持久化记录监管机构对云存储区块链上加密数据的审查结果，提出了一种基于多区块链的针对链上加密数据的内容审查方法。与现有的区块链存储方法相比，本发明解决了链上加密数据可能违法违规的问题，并且引入了区块链来记录审查结果，使得监管记录可追溯、不可篡改、不可伪造，提高了审查结果的安全性。
-
公开(公告)号：CN112287387B
公开(公告)日：2024-02-27
申请号：CN202011089047.1
申请日：2020-10-13
申请人： 武汉大学
IPC分类号： G06F21/62 , G06F16/2458
摘要： 本发明提供了一种隐私保护统计分析方法及系统、服务器端、设备终端，首先初始化系统，生成初始化参数，将初始化参数传送给每个设备终端；然后在辅助验证数据集上测试每个设备终端上传的计算结果的拟合程度，计算每个终端上传计算结果的效用分数，再通过设置选取设备终端的概率与设备终端的得分成正比的方式选取出目标设备终端；最后对选取出的目标设备终端上传的计算结果进行平均求和，得到隐私保护统计分析结果，并发送至目标设备终端。本发明利用指数机制随机选择传感器上传的数据，实现保护参与训练者数据的质量信息，且对不可靠的采集数据具有较强的鲁棒性。
-
公开(公告)号：CN116862509A
公开(公告)日：2023-10-10
申请号：CN202310870393.0
申请日：2023-07-17
申请人： 武汉大学
IPC分类号： G06Q20/38 , G06Q20/22 , H04L67/104 , H04L67/1061 , H04L9/32
摘要： 本发明涉及主从多链架构下的主链树形快速共识系统及方法，跨链节点监听从区块链上产生的新区块，将新区块转发给主链，主链运行树形高效共识算法，对审计结果达成共识，并将审计结果上链，在运行高效共识算法时，主链中参与共识的节点组成主链通信树，利用通信树结构进行共签名操作来达成高效共识。其中，共识机制为主区块链运行的呈二叉树状的共识算法，对审计结果达成共识，并将审计结果上链，在运行共识算法时，主区块链中参与共识的节点组成主链通信树，利用通信树结构进行共签名操作来达成共识；参与共识的节点使用滑动窗口的方式在主链节点中选取。解决了现有技术的方法难以解决主从多链架构下的主链审计共识算法性能不足的难题。
-
公开(公告)号：CN112488227B
公开(公告)日：2023-03-24
申请号：CN202011439129.4
申请日：2020-12-07
申请人： 武汉大学
摘要： 本发明通过一种提供完整性验证的可审计外包机器学习服务方法，设置外包机器学习服务审计过程和承诺‑证明协议，所述外包机器学习服务审计过程用于实现机器学习模型训练过程的完整性保证，检测错误行为，实现过程包括计算阶段，服务端保存额外的辅助信息；验证阶段，服务器根据指定的机器学习算法和参数训练预测模型，训练后客户端随机抽取部分迭代子集作为挑战，服务端生成相应的证明，如果所有证明都能通过验证算法，客户端认为服务器已正确执行学习任务，进行支付阶段；所述承诺‑证明协议，用于在高效训练机器学习模型时，通过采样证明大量循环迭代来避免验证全部计算。
-
公开(公告)号：CN111091193B
公开(公告)日：2022-07-05
申请号：CN201911054227.3
申请日：2019-10-31
申请人： 武汉大学
IPC分类号： G06N3/08
摘要： 本发明公开了一种面向深度神经网络的基于差分隐私的域适应隐私保护方法。提出了一个新颖的深度网络框架，可以在实现域适应技术的同时保护数据隐私。由于在进行迁移学习的现实场景中，比如学校和医院，训练数据集通常是隐私的，而现如今并没有灵活的保护域适应技术隐私的方案，所以本发明有着很强的实用性。本发明使用对抗学习的思想进行域适应训练，并首次通过差分隐私对域适应训练过程进行隐私保护。实验结果表明本模型可以在合适的隐私消耗下以理想的准确率完成域适应任务。
-
公开(公告)号：CN115859340B
公开(公告)日：2023-05-16
申请号：CN202310137662.2
申请日：2023-02-20
申请人： 武汉大学
摘要： 本发明公开了一种基于多区块链的链上加密数据的内容审查系统及方法。利用了区块链的不可篡改、不可伪造、可追溯等特点，用监管区块链来持久化记录监管机构对云存储区块链上加密数据的审查结果，提出了一种基于多区块链的针对链上加密数据的内容审查方法。与现有的区块链存储方法相比，本发明解决了链上加密数据可能违法违规的问题，并且引入了区块链来记录审查结果，使得监管记录可追溯、不可篡改、不可伪造，提高了审查结果的安全性。
-
公开(公告)号：CN113239351B
公开(公告)日：2022-05-13
申请号：CN202011443807.4
申请日：2020-12-08
申请人： 武汉大学
摘要： 本发明提供一种面向物联网系统的新型数据污染攻击防御方法，包括在服务器收集到当前轮训练所有终端的更新后，将更新随机分组，形成次级结果；对于每一个次级结果，都按照预定的规则从所有终端的集合中随机选择终端并授权，每个终端都会检测评估收到的次级结果；服务器收集终端对次级结果的评估报告，统计某个更新被判定为有潜在恶意的次数；服务器调整权重，包括基于每个更新被判定为恶意的次数，给每个更新加上一个惩罚系数；用惩罚系数作为权重计算平均值，进行次级结果的聚合。为抵御物联网场景下进行的统计分析中可能存在的数据污染攻击，本发明在不同终端持有数据为独立同分布或非独立同分布的协同学习中，均能检测出用户上传的异常信息。
-
公开(公告)号：CN112488227A
公开(公告)日：2021-03-12
申请号：CN202011439129.4
申请日：2020-12-07
申请人： 武汉大学
摘要： 本发明通过一种提供完整性验证的可审计外包机器学习服务方法，设置外包机器学习服务审计过程和承诺‑证明协议，所述外包机器学习服务审计过程用于实现机器学习模型训练过程的完整性保证，检测错误行为，实现过程包括计算阶段，服务端保存额外的辅助信息；验证阶段，服务器根据指定的机器学习算法和参数训练预测模型，训练后客户端随机抽取部分迭代子集作为挑战，服务端生成相应的证明，如果所有证明都能通过验证算法，客户端认为服务器已正确执行学习任务，进行支付阶段；所述承诺‑证明协议，用于在高效训练机器学习模型时，通过采样证明大量循环迭代来避免验证全部计算。
-
公开(公告)号：CN112287387A
公开(公告)日：2021-01-29
申请号：CN202011089047.1
申请日：2020-10-13
申请人： 武汉大学
IPC分类号： G06F21/62 , G06F16/2458
摘要： 本发明提供了一种隐私保护统计分析方法及系统、服务器端、设备终端，首先初始化系统，生成初始化参数，将初始化参数传送给每个设备终端；然后在辅助验证数据集上测试每个设备终端上传的计算结果的拟合程度，计算每个终端上传计算结果的效用分数，再通过设置选取设备终端的概率与设备终端的得分成正比的方式选取出目标设备终端；最后对选取出的目标设备终端上传的计算结果进行平均求和，得到隐私保护统计分析结果，并发送至目标设备终端。本发明利用指数机制随机选择传感器上传的数据，实现保护参与训练者数据的质量信息，且对不可靠的采集数据具有较强的鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.027 秒)
