-
公开(公告)号：CN117749484A
公开(公告)日：2024-03-22
申请号：CN202311761433.4
申请日：2023-12-20
摘要： 本发明公开了一种面向资源受限设备且具有隐私保护的联邦组模型训练方法及系统，包括：基于设备的资源对参与联邦学习的所有设备进行分组，并根据任务模型对这些分组定制组模型，所述模型为深度学习模型；构建ReDe层，用于重映射用户上传的特征映射，确保服务器端组子模型的训练；利用知识蒸馏，从任务模型的预测中提取额外的训练信息加入到训练损失中来提升组模型的精度；设计补偿损失和漂移校正，减少非独立同分布的数据分布所带来的客户漂移影响；结合内积函数加密，保证参与者训练过程中的隐私安全。本发明让更多资源受限的设备能够参与联邦学习，同时保证了参与者的隐私安全，并且在非独立同分布的数据分布下仍有较高的预测准确性。
-
公开(公告)号：CN116975911A
公开(公告)日：2023-10-31
申请号：CN202310883820.9
申请日：2023-07-18
申请人： 浙江工商大学 , 浙大城市学院 , 杭州趣链科技有限公司
摘要： 本发明提供了一种支持异构多源工业互联网高效个性化联邦学习方法，涉及工业互联网隐私保护工业互联网个性化联邦学习领域，用于解决客户端异构性带来的挑战。本发明引入雾节点作为中间件，减少客户端与云服务器之间的频繁通信，为此，本发明设计了一种数据感知分组算法，以确定客户端与雾节点之间的关联，有效地减少了训练过程中的通讯开销；本发明采用多输入函数加密(MIFE)确保用户数据在训练过程中的隐私性和安全性。本发明实现了隐私保护和高效的个性化联邦学习，还减少了训练过程中的通讯开销。
-
公开(公告)号：CN116664978A
公开(公告)日：2023-08-29
申请号：CN202310652261.0
申请日：2023-06-02
IPC分类号： G06V10/774 , G06V10/82 , G06V10/764 , G06N3/08
摘要： 本发明属于人工智能安全领域，并公开了一种面向人工智能安全的物理灯光后门攻击的训练方法，包括：对目标对象进行灯光后门攻击，根据灯光颜色在目标对象上产生对应的灯光触发器，基于灯光触发器生成后门图像数据；获取干净图像数据，基于后门图像数据和所述干净图像数据分别构建训练集；干净图像数据为未产生灯光触发器的原始图像；构建后门模型，所述后门模型为深度学习模型，基于所述训练集对所述后门模型进行训练，得到训练后的后门模型；构建测试集，基于所述测试集对所述训练后的后门模型进行评估，得到灯光后门攻击的攻击成功率数据和干净准确率数据。本发明所述技术方案拥有较高攻击成功率的同时实现了更加隐蔽的物理后门攻击。
-
公开(公告)号：CN111835500B
公开(公告)日：2022-07-26
申请号：CN202010651041.2
申请日：2020-07-08
申请人： 浙江工商大学
摘要： 本发明涉及了一种基于同态加密与区块链的可搜索加密数据安全共享方法，保护区块链上敏感数据安全的同时实现了对数据密文的可搜索与同态运算。本发明中数据拥有者用自己的密钥将生成的敏感数据及根据数据提取的关键词加密，之后将加密后的交易信息发送至云服务器。云服务器对数据拥有者的身份进行验证，若验证成功，则将上传的密文数据存储在本地服务器上，并将数据存储的索引、关键词密文及相关证据上传至联盟链中，联盟链节点对上传的交易信息进行一致性验证，若验证成功，则记录该交易信息。本发明通过结合同态加密、区块链技术和可搜索加密技术，为具有敏感数据的业务在基于区块链的应用场景提供了技术支持。
-
公开(公告)号：CN114386094A
公开(公告)日：2022-04-22
申请号：CN202111610677.3
申请日：2021-12-27
申请人： 浙江工商大学 , 浙江鹏信信息科技股份有限公司
摘要： 本发明公开了一种隐私保护细粒度数据聚合方法及系统。本发明包括精准的加性多子集数据聚合和近似的非加性多子集数据聚合。所述精准的加性多子集数据聚合，包括初始化阶段、用户报告产生阶段、隐私保护用户报告聚合阶段和控制中心解密阶段；所述近似的非加性多子集数据聚合，包括针对所有用户的非加性数据聚合和针对多子集的非加性数据聚合；本发明支持精准的加性多子集数据聚合（如精准的均值、方差和单向方差分析聚合）和近似的非加性多子集数据聚合（如近似的最小聚合和最大聚合），从而满足智能服务的多样性需求。
-
公开(公告)号：CN112887095A
公开(公告)日：2021-06-01
申请号：CN202110102799.5
申请日：2021-01-26
申请人： 浙江工商大学
摘要： 本发明公开了一种面向基于区块链的智能电网中无需可信第三方的二级网络下数据隐私保护聚合方法。本发明利用霍纳规则以及ElGamal密码算法实现了无需可信第三方的二级网络下的数据聚合，使智能电网系统无需引入可信第三方，避免可信第三方不可信时存在隐私泄露的风险。同时,本发明通过将霍纳参数嵌入到每个一级雾节点的一级聚合密文中实现二级网络下的数据聚合，实现了更强的隐私保护，支持大规模用户，降低了计算开销。另外，本发明通过智能合约，建立起用户和电力公司之间的交易关系，并将两者的交易关系写入区块链。本发明具有较好的可扩展性且计算开销比较小，适用于大型智能电网中。
-
公开(公告)号：CN112800459A
公开(公告)日：2021-05-14
申请号：CN202110102364.0
申请日：2021-01-26
申请人： 浙江工商大学
摘要： 本发明公开了一种基于区块链的智能电网多维多子集隐私保护数据聚合方法。本发明利用两个超递增序列、霍纳规则以及Paillier加密算法将系统中每一维用电数据划分为多个子集，实现了对多维用电数据进行多子集划分，控制中心不仅可以获取系统中每一维用电数据中每个子集内的用户数量，还可以获取每一维用电数据中每个子集的用电总量，使得电力公司可以在保护用户用电数据隐私的基础上对用电信息进行细粒度分析，有利于电力公司对电网进行有效的监控和管理，以及更好地预测电力需求并制定合理的梯度电价策略。另外，本发明引入区块链技术，可以很方便验证数据的完整性和有效性，很好地解决第三方的验证问题。
-
公开(公告)号：CN115632770A
公开(公告)日：2023-01-20
申请号：CN202211252156.X
申请日：2022-10-13
申请人： 浙江工商大学 , 浙江鹏信信息科技股份有限公司
摘要： 本发明公开了一种基于不经意传输的医疗物联网隐私保护数据共享方法。可信机构选择椭圆曲线以及规定相应参数并公开，所有参与方生成公私钥对并向可信机构注册。数据拥有者通过异或和椭圆曲线中点乘来获取加密密钥，并使用加密密钥对所有数据进行加密，将加密后数据发送给云服务器，再通过shamir门限秘密分享将加密密钥分成m个分享，将这m个分享和分发给每一个边缘服务器。数据使用者发起不经意传输，由此获得k个分享，通过拉格朗日插值法实现恢复加密数据。本发明使用的椭圆曲线加密方案、哈希和异或操作，在共享过程中的效率得到极大地提高。另外，不经意传输协议实现双向隐私保护，提供较高的安全性。
-
公开(公告)号：CN111245610B
公开(公告)日：2022-04-19
申请号：CN202010057521.6
申请日：2020-01-19
申请人： 浙江工商大学 , 浙江鹏信信息科技股份有限公司
摘要： 本发明公开了基于NTRU同态加密的数据隐私保护深度学习方法。本发明采用一种NTRU同态加密的方法来加密深度学习中感知器学习过程中的训练数据、测试数据、标签值以及权重向量，并在这些数据加密的情况下来训练预测模型，确保用户数据的隐私性和安全性。这种同态加密技术相比于一般同态加密技术因其所用多项式次数较低而具有较好的实用性，基于这种隐私保护下的感知器学习可以推广到多层的神经网络，实现深度学习过程中的数据隐私保护。
-
公开(公告)号：CN110838915B
公开(公告)日：2021-09-21
申请号：CN201911064977.9
申请日：2019-11-04
申请人： 浙江工商大学 , 浙江鹏信信息科技股份有限公司
摘要： 本发明公开了一种前向安全密钥聚合的云存储数据共享方法。本发明首先，数据拥有者上传文件时，对每个文件进行标识，然后生成公共参数集合发送给云存储平台。接着调用密钥生成算法，生成加密所需的公私钥对，通过调用公钥对原文件进行加密得到密文集合。数据拥有者通过请求数据请求者后，基于生成元使用主密钥、请求者的身份信息和时间戳相结合来生成聚合密钥，并通过安全信道发送给数据请求者，数据请求者下载加密文件后利用聚合密钥对密文类进行解密，验证身份信息和密钥有效时间后可以成功得到所请求的文件。本发明在保证密钥的紧凑性的同时还能有效保证用户数据记录的安全性和隐私性。
-
-
-
-
-
-
-
-
-
搜索结果
51 条记录 (耗时 0.026 秒)
