-
公开(公告)号：CN117709442A
公开(公告)日：2024-03-15
申请号：CN202311596517.7
申请日：2023-11-28
Applicant: 西安电子科技大学
IPC: G06N3/098 , G06N3/0499 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种面向设备异构性场景的异步联邦学习优化方法，主要解决现有异步联邦学习加权聚合中存在的模型收敛速度和准确率难以平衡的技术问题。方案包括：1)中央服务器发送全局模型给参与者；2)参与者利用本地数据进行模型的本地更新，并异步地发送给中央服务器；3)中央服务器根据本地更新中的轮索引和陈旧度，进行加权聚合，更新全局模型；4)中央服务器根据更新后全局模型的参数，调整加权函数中的不可容忍度；5)中央服务器将已更新的全局模型发还给参与者；6)重复更新过程，直至参与者收到的全局模型达到收敛，完成训练。本发明能够在保证模型准确率的情况下，有效提高模型收敛速度。
-
公开(公告)号：CN114900358A
公开(公告)日：2022-08-12
申请号：CN202210497259.6
申请日：2022-05-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于着色Petri网的安全协议漏洞挖掘方法，其实现步骤为：基于着色Petri网CPN建模安全协议，设计安全协议模型解析工具，基于安全协议模型解析工具生成安全协议CPN模型，生成安全协议CPN模型的状态空间，获取安全协议漏洞挖掘结果。本发明通过着色Petri网CPN建模安全协议，使得在构建复杂安全协议模型的情况下，模型结构清晰且易于理解，并在安全协议CPN建模阶段引入了安全协议模型解析工具，实现了安全协议CPN模型的自动化生成，相比于现有手动CPN建模的方案，精简了安全协议CPN模型建模的步骤，极大地降低了安全协议漏洞挖掘的门槛，并且能够正确实现安全协议漏洞的挖掘。
-
公开(公告)号：CN114077871B
公开(公告)日：2024-11-08
申请号：CN202111424226.0
申请日：2021-11-26
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06F16/55
Abstract: 本发明公开了一种利用少量数据和对抗攻击的探测黑盒神经网络类型方法，其实现步骤为：生成训练集，构建替代网络，任意选取一个未训练过的替代网络，训练所选取的替代网络，扩充当前数据集，直到更新后的替代网络满足训练终止条件，利用训练好的替代网络生成的攻击样本集攻击待探测的黑盒神经网络，再次扩充当前训练集，直到所有替代网络均生成攻击样本集后判定待探测黑盒神经网络的类型。本发明能够使用少量数据探测云服务平台的只拥有访问权限的黑盒神经网络模型的类型，具有使用数据少，消耗资源少的优点。
-
公开(公告)号：CN118153104A
公开(公告)日：2024-06-07
申请号：CN202410296453.7
申请日：2024-03-15
Applicant: 西安电子科技大学
Abstract: 本发明提供一种基于语义关系提取的联邦学习隐私泄露检测方法，实现步骤为：中央服务器初始化全局模型并发送；每个参与方对本地模型进行迭代训练；中央服务器提取重建字符列表中元素的Bigram语义关系，并获取自优化重建文本序列，最后获取文本联邦学习隐私泄露检测结果。本发明通过提取重建字符列表中字符间的Bigram语义关系，实现语法级别的数据重建，提高了重建文本序列与目标参与方文本数据的语义相似度，同时通过对有序重建文本序列内的字符进行位置调整，实现了文本数据离散性和语法关系有序性的特征的分阶段处理，使重建文本序列的字符重建率和语序流畅度得到不同阶段的优化，提高检测准确率。
-
公开(公告)号：CN117896172A
公开(公告)日：2024-04-16
申请号：CN202410223661.4
申请日：2024-02-29
Applicant: 西安电子科技大学
IPC: H04L9/40 , H04L41/142 , H04L41/16
Abstract: 本发明提出了一种面向图神经网络后门攻击的防御方法，实现步骤为：获取训练数据集、测试数据集和验证数据集；对图神经网络代理模型进行迭代训练；提取触发器特征；对触发器进行恢复；获取面向图神经网络后门攻击的防御结果。本发明在获取后门攻击的防御结果阶段，利用不含有后门的测试数据集和模型初始参数与多次迭代训练后模型参数的差值对模型遗忘训练程度约束，有效提高了模型分类准确率，从而提高后门防御效果；在提取触发器特征阶段，通过计算节点影响值对触发器节点进行筛选，进而提取其特征，有效减轻了防御者的计算负担，提高了提取触发器特征的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN115361218B
公开(公告)日：2024-02-23
申请号：CN202211010860.4
申请日：2022-08-23
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种具有查询隐匿特性的云端数据存在性验证方法，属于信息安全和密码学技术领域，实现步骤为：用户初始化所需参数并上传到云服务器；用户对数据进行预处理，并将处理后数据发送给云服务器；云服务器对预处理后的云端数据进行加密；用户计算得到查询信息与验证令牌；云服务器计算得到待验证信息并反馈给用户；用户获取云端数据存在性验证结果。本发明通过对云端数据和用户的查询信息进行加密，保证了云服务器中云端数据的安全性，以及数据验证过程中用户查询信息的隐私性，有效防止了服务器及其他攻击者获取用户查询信息，从而推测用户下一步动作，实现数据验证过程的隐匿性。(56)对比文件杨攀;桂小林;姚婧;林建财;田丰;张学军.支持同态算术运算的数据加密方案算法研究.通信学报.2015,(第01期),全文.葛楠.云环境中基于中文的可搜索加密技术研究《.中国优秀硕士学位论文全文数据库(电子期刊) 信息科技辑》.2017,全文.王泽贤.满足前向安全的多用户对称可搜索加密方案研究《.中国优秀硕士学位论文全文数据库(电子期刊) 信息科技辑》.2022,全文.伍祈应,马建峰,苗银宾等.多数据拥有者认证的密文检索方案《.通信学报》.2017,第38卷(第11期),161-170.F. Kong, J. Wang, J. Yu and X.Wang.Analysis and Improvement of aVerifiable Phrase Search over EncryptedData in a Single Phrase《.2015 10thInternational Conference on P2P,Parallel, Grid, Cloud and InternetComputing (3PGCIC), Krakow, Poland》.2016,840-843.Y. Miao, J. Ma, X. Liu, J. Weng, H.Li and H. Li.Lightweight Fine-GrainedSearch Over Encrypted Data in FogComputing《.IEEE Transactions on ServicesComputing》.第12卷(第5期),772-785.
-
公开(公告)号：CN117332409A
公开(公告)日：2024-01-02
申请号：CN202311374247.5
申请日：2023-10-23
Applicant: 西安电子科技大学
IPC: G06F21/55 , G06V10/96 , G06V10/764 , G06F18/243 , G06N5/01
Abstract: 本发明提出了一种针对图像分类模型的窃取攻击检测方法，实现步骤为：初始化数据集；构建决策树模型；对决策树模型进行训练；计算训练后的两个决策树模型信息增益的差值；计算良性样本集和待检测样本集中OOD图像所占比例的差值；获取窃取攻击检测结果。本发明通过训练后的两个决策树模型信息增益的差值以及良性样本集和待检样本集中OOD图像所占比例的差值的加权求和结果判断模型是否受到窃取攻击，信息增益能够有效地检测到攻击者和良性用户之间的查询分布差异，进而保证了较高的检测准确率；OOD图像所占的比例可以在用户进行少量查询输入时，即可判断该用户是否为模型窃取攻击者，降低了计算开销。
-
公开(公告)号：CN115859344A
公开(公告)日：2023-03-28
申请号：CN202210720829.3
申请日：2022-04-19
Applicant: 西安电子科技大学
IPC: G06F21/62 , G06F21/60 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明公开了一种基于秘密共享的联邦无人机群数据安全共享方法，其实现步骤为：构建无人机群联邦学习系统，地面站发布无人机任务内容，无人机采集数据并进行预处理，无人机初始化参数，无人机对全局神经网络模型进行本地训练，无人机生成秘密共享份额并上传，边缘服务器对收到的秘密共享份额进行聚合并下发聚合结果，无人机对聚合模型进行恢复。本发明能够生成多份与原始数据特征不相关的随机联邦学习模型作为秘密共享份额用于传输与聚合，使得攻击者无法获取完整的原始模型参数，以此保护模型数据的隐私，从而进一步保护原始数据的隐私，并且能够正确恢复出全局联邦学习模型的训练结果，而不会对模型的精度产生不良影响。
-
公开(公告)号：CN114900343B
公开(公告)日：2023-01-24
申请号：CN202210442394.0
申请日：2022-04-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于聚类联邦学习的物联网设备异常流量检测方法，其实现步骤为：初始化联邦学习系统，本地参与者对全局神经网络模型进行本地迭代训练，中心服务器判断是否满足聚类开启条件，中心服务器聚合神经网络模型并下发，中心服务器将所有参与者进行聚类化，中心服务器在聚类内部聚合神经网络模型并下发，所有本地参与者进行异常流量检测。本发明中心服务器能够将物联网设备按照数据分布情况划分到不同聚类中，通过聚类内部聚合全局模型，实现了数据分布不均场景下的模型最优化和个性化，从而提升了物联网设备的异常流量检测准确率。
-
公开(公告)号：CN115361218A
公开(公告)日：2022-11-18
申请号：CN202211010860.4
申请日：2022-08-23
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种具有查询隐匿特性的云端数据存在性验证方法，属于信息安全和密码学技术领域，实现步骤为：用户初始化所需参数并上传到云服务器；用户对数据进行预处理，并将处理后数据发送给云服务器；云服务器对预处理后的云端数据进行加密；用户计算得到查询信息与验证令牌；云服务器计算得到待验证信息并反馈给用户；用户获取云端数据存在性验证结果。本发明通过对云端数据和用户的查询信息进行加密，保证了云服务器中云端数据的安全性，以及数据验证过程中用户查询信息的隐私性，有效防止了服务器及其他攻击者获取用户查询信息，从而推测用户下一步动作，实现数据验证过程的隐匿性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.027 seconds)
