-
公开(公告)号：CN106790191A
公开(公告)日：2017-05-31
申请号：CN201611262301.7
申请日：2016-12-30
Applicant: 桂林电子科技大学
CPC classification number: H04L63/06 , H04L9/0643 , H04L9/0861
Abstract: 本发明属于信息安全领域，涉及一种需要大量密钥的密钥管理的方法。该方法可以在实际存放较少密钥的时候，依然能够获得大量的密钥，并且这些加密数据的密钥之间相互不能推导，所以具有较好的安全性。同时提出了一种多级用户权限的情形，设计了这种情况下的密钥管理方法。
-
公开(公告)号：CN106712929A
公开(公告)日：2017-05-24
申请号：CN201611257472.0
申请日：2016-12-30
Applicant: 桂林电子科技大学
CPC classification number: H04L9/0618 , H04L9/088 , H04L9/14
Abstract: 本发明属于信息安全领域，涉及大数据加密的方法。该方法考虑到大数据的数据庞大，不适合于全部加密，采用选择性的加密方法，通过规则或者选取，只加密部分数据。考虑到加密密文扩张可能带来的问题，优先采用明文和密文等长度的加密算法，同时提出了减少密钥管理且保证安全的优选方案，可以只需要较少的密钥进行文件的加解密。
-
公开(公告)号：CN105956089A
公开(公告)日：2016-09-21
申请号：CN201610284127.X
申请日：2016-05-03
Applicant: 桂林电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/337
Abstract: 本发明为一种针对具备项目的分类信息的推荐方法，在许多网络应用中往往需要给用户推荐，需要利用上下文信息来提高推荐准确率并增强用户体验，然而现有的上下文感知推荐方法依然面临数据稀疏性问题的挑战。为了进一步缓解数据稀疏性问题，本专利提出一种新型的推荐方法，结合用户评分数据及用户类别偏好进行物品推荐，以解决用户评分数据稀疏时评分预测准确率低的问题。该方法适用于大规模数据。实验结果表明，与目前主流的方法相比，该方法具有较好的推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN106685980B
公开(公告)日：2019-12-20
申请号：CN201710023574.4
申请日：2017-01-13
Applicant: 桂林电子科技大学
Abstract: 本发明属于信息安全领域，涉及大文件加密的方法。该方法考虑到大文件的数据庞大，不适合于全部加密，而且不同的加密方法有不同的优缺点，全同态加密也不能解决所有的委托计算委托，而且加密的代价大，有些需要采用具有误导功能的加密，有些只需要采用一般对称加密，因此根据需要采用分段选择合适的加密方法，通过规则或者选取，只加密部分数据。同时提出了减少密钥管理且保证安全的优选方案，可以只需要较少的密钥进行文件的加解密。
-
公开(公告)号：CN106685980A
公开(公告)日：2017-05-17
申请号：CN201710023574.4
申请日：2017-01-13
Applicant: 桂林电子科技大学
Abstract: 本发明属于信息安全领域，涉及大文件加密的方法。该方法考虑到大文件的数据庞大，不适合于全部加密，而且不同的加密方法有不同的优缺点，全同态加密也不能解决所有的委托计算委托，而且加密的代价大，有些需要采用具有误导功能的加密，有些只需要采用一般对称加密，因此根据需要采用分段选择合适的加密方法，通过规则或者选取，只加密部分数据。同时提出了减少密钥管理且保证安全的优选方案，可以只需要较少的密钥进行文件的加解密。
-
公开(公告)号：CN107070649B
公开(公告)日：2021-08-31
申请号：CN201710121369.1
申请日：2017-03-02
Applicant: 桂林电子科技大学
Abstract: 本发明属于信息安全领域，涉及大文件加密的方法。该方法考虑到大文件的数据庞大，不适合于全部加密，许多数据会选择不加密，为了减少数据的读写，特别是写入，本发明将原明文保存，对加密的部分明文进行覆盖，并且将加密的密文另外存储。由于不同的加密方法有不同的优缺点，全同态加密也不能解决所有的委托计算委托，而且加密的代价大，有些需要采用具有误导功能的加密，有些只需要采用一般对称加密，因此根据需要采用分段选择合适的加密方法，通过规则或者选取，只加密部分数据.同时提出了减少密钥管理且保证安全的优选方案，可以只需要较少的密钥进行文件的加解密。
-
公开(公告)号：CN107070649A
公开(公告)日：2017-08-18
申请号：CN201710121369.1
申请日：2017-03-02
Applicant: 桂林电子科技大学
CPC classification number: H04L63/0464 , G06F17/30076 , G06F17/30091 , H04L9/0861 , H04L9/0891 , H04L63/10 , H04L67/06
Abstract: 本发明属于信息安全领域，涉及大文件加密的方法。该方法考虑到大文件的数据庞大，不适合于全部加密，许多数据会选择不加密，为了减少数据的读写，特别是写入，本发明将原明文保存，对加密的部分明文进行覆盖，并且将加密的密文另外存储。由于不同的加密方法有不同的优缺点，全同态加密也不能解决所有的委托计算委托，而且加密的代价大，有些需要采用具有误导功能的加密，有些只需要采用一般对称加密，因此根据需要采用分段选择合适的加密方法，通过规则或者选取，只加密部分数据.同时提出了减少密钥管理且保证安全的优选方案，可以只需要较少的密钥进行文件的加解密。
-
公开(公告)号：CN105956089B
公开(公告)日：2019-06-18
申请号：CN201610284127.X
申请日：2016-05-03
Applicant: 桂林电子科技大学
IPC: G06F16/335
Abstract: 在许多网络应用中往往需要给用户推荐，需要利用上下文信息来提高推荐准确率并增强用户体验，然而现有的上下文感知推荐方法依然面临数据稀疏性问题的挑战。为了进一步缓解数据稀疏性问题，本专利提出一种新型的推荐方法，结合用户评分数据及用户类别偏好进行物品推荐，以解决用户评分数据稀疏时评分预测准确率低的问题。该方法适用于大规模数据。实验结果表明，与目前主流的方法相比，该方法具有较好的推荐效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.038 seconds)
