-
公开(公告)号：CN117910034B
公开(公告)日：2025-04-01
申请号：CN202311843309.2
申请日：2023-12-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于漏洞扫描的多关键词隐私信息检索方法、装置及系统，属于信息安全技术领域。相较于传统的基于关键词的隐私检索技术，本发明可以基于多关键词进行隐私检索，拓展了检索的应用场景，特别适用于漏洞扫描的场景中；本发明将数据转化为二维减少了插值多项式的次数，并基于次关键词执行不经意传输协议，从而显著降低同态加密的使用次数，能够减少计算开销；并使用不经意传输技术还能保证用户在查找到自己想要的数据的同时不泄露其要查询数据的次关键词信息，同时保护了服务端的其他数据信息不被用户所知晓；最后，该技术方案可用于漏洞扫描的场景之中，不仅能够保证服务端的数据安全，也能够同时保护用户的查询信息不被服务端知晓。
-
公开(公告)号：CN116108167A
公开(公告)日：2023-05-12
申请号：CN202211411070.7
申请日：2022-11-11
Applicant: 电子科技大学
Abstract: 本发明涉及信息化技术领域，提供了一种结合知识图谱的个人敏感信息分类分级方法。目的在于解决现有的个人敏感信息分类分级方法往往仅考虑了单个场景的实现，忽略了多场景数据分类分级的实现的问题。主要方案包括对包含个人信息的文本数据进行实体抽取和关系抽取，得到实体的集合与关系的集合；根据实体与关系的集合先构建个人信息知识图谱；对每个实体进行特征提取，得到每个实体对应的一个特征向量；对特征向量进行聚类，得到实体的聚类结果；将聚类结果的每一类别进行安全级别分级，得到敏感级别信息；将敏感级别信息与个人信息知识图谱相关联，得到个人敏感信息分类分级知识图谱。当新场景到来时，利用多知识图谱融合技术进行增量地更新。
-
公开(公告)号：CN113934578B
公开(公告)日：2022-07-01
申请号：CN202111266909.8
申请日：2021-10-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种在联邦学习场景下的数据恢复攻击的方法，涉及铣床辅助工具技术领域，解决现有依然无法从高压缩的梯度中进行数据恢复的技术问题，本方法包括两个部分，一个是离线训练和离线恢复，另一个是在线捕获部分；本发明相比于DLG方案，我们的方案可以应对高压缩的梯度依然可以实现数据恢复，这是因为DLG方案并没有挖掘梯度中的额外信息，而只将梯度用于最终的损失函数优化。而我们的GDRA充分挖掘了梯度中的信息，通过梯度推断出了原始数据的特征，从而弥补了压缩后的梯度所带来的信息损失的优点。
-
公开(公告)号：CN104184642A
公开(公告)日：2014-12-03
申请号：CN201410437766.6
申请日：2014-08-31
Applicant: 西安电子科技大学
IPC: H04L12/44
Abstract: 本发明公开了一种多级星型交换网络结构及优化方法，主要解决现有网络技术中交换模块端口速率相等和交换模块价格仅考虑端口数量的缺点。该多级星型交换网络由第1级至第N级具有一个高速端口和若干低速端口的基本交换模块依次互连而成；第N-1级基本交换模块的高速端口从最左边开始依次连接第N级基本交换模块的低速端口；以此类推，第k级基本交换模块的高速端口从最左边开始依次连接第k+1级基本交换模块的低速端口，以使网络结构向外扩展，k＝N-1,…,1。本发明减小了网络中流量的浪费及拥堵出现，更加符合实际应用场景，可用于设计和优化使用SDH或以太网交换设备的接入网和数据中心等交换系统。
-
公开(公告)号：CN117910034A
公开(公告)日：2024-04-19
申请号：CN202311843309.2
申请日：2023-12-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于漏洞扫描的多关键词隐私信息检索方法、装置及系统，属于信息安全技术领域。相较于传统的基于关键词的隐私检索技术，本发明可以基于多关键词进行隐私检索，拓展了检索的应用场景，特别适用于漏洞扫描的场景中；本发明将数据转化为二维减少了插值多项式的次数，并基于次关键词执行不经意传输协议，从而显著降低同态加密的使用次数，能够减少计算开销；并使用不经意传输技术还能保证用户在查找到自己想要的数据的同时不泄露其要查询数据的次关键词信息，同时保护了服务端的其他数据信息不被用户所知晓；最后，该技术方案可用于漏洞扫描的场景之中，不仅能够保证服务端的数据安全，也能够同时保护用户的查询信息不被服务端知晓。
-
Patent Agency Ranking
公开(公告)号：CN113934578A
公开(公告)日：2022-01-14
申请号：CN202111266909.8
申请日：2021-10-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种在联邦学习场景下的数据恢复攻击的方法，涉及铣床辅助工具技术领域，解决现有依然无法从高压缩的梯度中进行数据恢复的技术问题，本方法包括两个部分，一个是离线训练和离线恢复，另一个是在线捕获部分；本发明相比于DLG方案，我们的方案可以应对高压缩的梯度依然可以实现数据恢复，这是因为DLG方案并没有挖掘梯度中的额外信息，而只将梯度用于最终的损失函数优化。而我们的GDRA充分挖掘了梯度中的信息，通过梯度推断出了原始数据的特征，从而弥补了压缩后的梯度所带来的信息损失的优点。
-
公开(公告)号：CN104184642B
公开(公告)日：2017-05-10
申请号：CN201410437766.6
申请日：2014-08-31
Applicant: 西安电子科技大学
IPC: H04L12/44
Abstract: 本发明公开了一种多级星型交换网络结构及优化方法，主要解决现有网络技术中交换模块端口速率相等和交换模块价格仅考虑端口数量的缺点。该多级星型交换网络由第1级至第N级具有一个高速端口和若干低速端口的基本交换模块依次互连而成；第N‑1级基本交换模块的高速端口从最左边开始依次连接第N级基本交换模块的低速端口；以此类推，第k级基本交换模块的高速端口从最左边开始依次连接第k+1级基本交换模块的低速端口，以使网络结构向外扩展，k＝N‑1,…,1。本发明减小了网络中流量的浪费及拥堵出现，更加符合实际应用场景，可用于设计和优化使用SDH或以太网交换设备的接入网和数据中心等交换系统。
-
公开(公告)号：CN115065463B
公开(公告)日：2023-04-07
申请号：CN202210656199.8
申请日：2022-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种隐私保护的神经网络预测系统，属于信息安全技术领域。本发明包括客户端、服务端和第三方；在神经网络模型预测的离线阶段，客户端、服务端和第三方通过协商完成模型参数的分享；在线预测阶段，客户端将输入数据的分享值发送给服务端；客户端和服务端利用安全计算协议共同执行具有隐私保护的神经网络预测，服务端将得到的预测结果的分享返回给客户端，客户端重构得到预测结果。在通信方面，本发明仅需一轮通信交互，且降低了现有方案的通信开销数据量，以使得本发明的通信效率显著提高，本发明中所有的计算都是基于环而不是域。本发明还重新定制了离线阶段的协议，不仅提高了离线阶段的效率而且仅需轻量级的秘密分享操作。
-
公开(公告)号：CN115906852A
公开(公告)日：2023-04-04
申请号：CN202211605278.2
申请日：2022-12-14
Applicant: 电子科技大学 , 民航成都电子技术有限责任公司 , 中国民用航空总局第二研究所
IPC: G06F40/295 , G06F16/36 , G06F40/289 , G06F40/211 , G06F21/62
Abstract: 本发明属于隐私数据使用合规性检查技术领域，提供了一种基于知识图谱的隐私数据使用的合规性检查方法。主旨在于自动检测数据的使用过程中是否有不合规，主要方案包括从获取的隐私政策数据中抽取出进行合规性检测的规则，为了将非结构化文本中的语句使用形式化方法进行表述，首先识别实体；根据识别出的实体，从隐私政策中挖掘不同实体之间的关系，构建由三元组组成的规则库，并构建知识图谱；从数据处理引擎的审计日志中获得隐私数据的处理过程，找出隐私数据中元数据，并建立表示数据处理过程的有向无环图，简称数据处理图；将表示数据处理过程的图与知识图谱进行匹配，判断数据处理过程是否符合隐私政策定义的规则，并找出导致不合规的原因。
-
公开(公告)号：CN115065463A
公开(公告)日：2022-09-16
申请号：CN202210656199.8
申请日：2022-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种隐私保护的神经网络预测系统，属于信息安全技术领域。本发明包括客户端、服务端和第三方；在神经网络模型预测的离线阶段，客户端、服务端和第三方通过协商完成模型参数的分享；在线预测阶段，客户端将输入数据的分享值发送给服务端；客户端和服务端利用安全计算协议共同执行具有隐私保护的神经网络预测，服务端将得到的预测结果的分享返回给客户端，客户端重构得到预测结果。在通信方面，本发明仅需一轮通信交互，且降低了现有方案的通信开销数据量，以使得本发明的通信效率显著提高，本发明中所有的计算都是基于环而不是域。本发明还重新定制了离线阶段的协议，不仅提高了离线阶段的效率而且仅需轻量级的秘密分享操作。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
