-
公开(公告)号：CN115499247A
公开(公告)日：2022-12-20
申请号：CN202211432463.6
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于零知识证明的属性凭证验证方法及装置，方法包括：构造属性凭证；签发属性凭证，用户向作为签发者的可信第三方提出属性凭证申请；签发者生成每个用户唯一的随机盐值，签发者对已认证的属性信息和随机盐值进行凭证签发；验证属性凭证，用户从安全信道中获取验证者所需的验证约束条件，用户使用凭证证明生成模块生成对应的零知识的属性值消息，用户将零知识的凭证证明消息通过可信信道发送给验证者；验证者在收到用户发来的凭证证明消息后对消息内容进行解析，验证凭证证明的正确性和有效性。本发明具有保护用户数据隐私和细粒度验证策略的优点，同时以比较低的交互次数和交互通信量完成凭证的签发和证明。
-
公开(公告)号：CN114553394B
公开(公告)日：2022-08-16
申请号：CN202210424254.0
申请日：2022-04-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了基于多密钥全同态方案的补码运算器及运算方法，运算器包括多密钥全同态加法运算器、多密钥全同态减法运算器、多密钥全同态乘法运算器和多密钥全同态除法运算器；所述多密钥全同态加法器由多密钥全同态0‑类加法器构成；所述多密钥全同态减法器由多密钥全同态0‑类加法器与多密钥全同态取非器构成；所述多密钥全同态乘法器由多密钥全同态0‑类加法器、多密钥全同态1‑类加法器、多密钥全同态2‑类加法器和多密钥全同态与门构成；所述多密钥全同态除法器由多密钥全同态取补器、多密钥全同态CAS单元与多密钥全同态异或门构成。本发明构造了任意位的补码整数四则运算器，能够支持任意位的正负整数之间的四则运算，大大提高了MKTFHE方案的实用性。
-
公开(公告)号：CN119675842A
公开(公告)日：2025-03-21
申请号：CN202510180981.0
申请日：2025-02-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳市华汇数据服务有限公司 , 暨南大学
IPC: H04L9/00 , H04L9/08 , G06N3/0464 , G06N3/048 , G06N5/04
Abstract: 本发明公开了一种高效密态联合神经网络推理方法，包括如下步骤：S100、数据持有方C和模型拥有方#imgabs0#分别将隐私数据和隐私模型通过秘密分享的方式发送给计算节点#imgabs1#和#imgabs2#；S200、计算节点#imgabs3#和#imgabs4#运行密态联合神经网络推理算法，通过依次执行密态计算层协议，分别计算推理结果的秘密份额Z0和Z1，密态计算层协议包括：S210：密态卷积层算法#imgabs5#；S220：密态激活函数层算法#imgabs6#；本发明还公开了一种高效密态联合神经网络推理系统。本发明的技术方案基于函数秘密共享技术，设计了通信轮次少的ReLU算法，从而减少了计算激活函数所需的通信代价，且利用双侧比较与正确的符号判别，设计了卷积神经网络推理子协议，提高了推理正确率且与明文推理结果一致。
-
公开(公告)号：CN119094128A
公开(公告)日：2024-12-06
申请号：CN202411570482.4
申请日：2024-11-06
Applicant: 深圳市华汇数据服务有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于秘密共享的隐私保护特征工程方法及系统，包括以下步骤：S100、在数据集秘密分发阶段，n个数据提供方#imgabs0#分别将各自的隐私数据特征及其标签#imgabs1#通过加法算术秘密共享分发给第一服务器S1和第二服务器S2，得到数据特征的秘密份额和数据标签的秘密份额；S200、在两方分布式运算阶段，第一服务器S1和第二服务器S2基于获得的数据特征的秘密份额和数据标签的秘密份额在密态环境分别进行安全两方分布式运算，第一服务器S1与第二服务器S2之间不共谋。本发明的技术方案能够在任何一个环节都能保证数据的隐私安全的同时兼顾计算效率，具有更强的拓展性和完整的系统。
-
公开(公告)号：CN117857008B
公开(公告)日：2024-11-19
申请号：CN202311686527.X
申请日：2023-12-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于整数自举的环面全同态加密算法的数据处理方法，方法为：客户端根据安全参数调用密钥生成算法生成自身密钥、自举密钥和转换密钥，并将自举密钥和转换密钥发送给云端服务器，自身密钥本地保存；客户端调用加密算法使用自身密钥对明文数据进行加密操作得到密文传输给云端服务器；云端服务器根据客户端提供的评估函数、自举密钥及转换密钥对密文执行评估算法得到密文状态下的评估结果发回客户端；客户端根据自身密钥调用解密算法对密文状态下的评估结果进行解密操作获得明文数据的评估结果。本发明重新设计自举算法实现支持整数级数据的自举算法，大大提高了计算效率；同时支持整数级数据的非线性函数运算，减少了方案复杂度。
-
Patent Agency Ranking
公开(公告)号：CN117240438B
公开(公告)日：2024-04-26
申请号：CN202311492107.8
申请日：2023-11-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于零知识证明的神经网络输出结果产权证明方法及装置，方法包括：零知识证明与签名生成步骤、零知识证明与签名验证步骤。其中，生成步骤由证明者独立完成，验证步骤则由验证者单独完成。在零知识证明与签名生成步骤中，证明者结合zkCNN协议和Schnorr协议同时生成零知识证明和签名。在验证步骤中，验证者通过第一验证等式验证整体证明的有效性，通过第二验证等式验证签名的有效性。本发明一方面将zkCNN协议改造为非交互式协议，从而使证明者能够预先独立完成证明；另一方面将zkCNN协议改造为能够用于针对向量进行证明，同时以嵌入签名的方式修改zkCNN协议，增强产权证明的效费比及安全性。
-
公开(公告)号：CN117240438A
公开(公告)日：2023-12-15
申请号：CN202311492107.8
申请日：2023-11-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于零知识证明的神经网络输出结果产权证明方法及装置，方法包括：零知识证明与签名生成步骤、零知识证明与签名验证步骤。其中，生成步骤由证明者独立完成，验证步骤则由验证者单独完成。在零知识证明与签名生成步骤中，证明者结合zkCNN协议和Schnorr协议同时生成零知识证明和签名。在验证步骤中，验证者通过第一验证等式验证整体证明的有效性，通过第二验证等式验证签名的有效性。本发明一方面将zkCNN协议改造为非交互式协议，从而使证明者能够预先独立完成证明；另一方面将zkCNN协议改造为能够用于针对向量进行证明，同时以嵌入签名的方式修改zkCNN协议，增强产权证明的效费比及安全性。
-
公开(公告)号：CN115499247B
公开(公告)日：2023-03-28
申请号：CN202211432463.6
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于零知识证明的属性凭证验证方法及装置，方法包括：构造属性凭证；签发属性凭证，用户向作为签发者的可信第三方提出属性凭证申请；签发者生成每个用户唯一的随机盐值，签发者对已认证的属性信息和随机盐值进行凭证签发；验证属性凭证，用户从安全信道中获取验证者所需的验证约束条件，用户使用凭证证明生成模块生成对应的零知识的属性值消息，用户将零知识的凭证证明消息通过可信信道发送给验证者；验证者在收到用户发来的凭证证明消息后对消息内容进行解析，验证凭证证明的正确性和有效性。本发明具有保护用户数据隐私和细粒度验证策略的优点，同时以比较低的交互次数和交互通信量完成凭证的签发和证明。
-
公开(公告)号：CN115622684A
公开(公告)日：2023-01-17
申请号：CN202211433166.3
申请日：2022-11-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于全同态加密的隐私计算异构加速方法及装置，本发明从内存和指令两个层级对全同态加密算法进行优化，根据计算负载动态调配GPU中的Block块，将计算量过大的任务拆小，计算量小的任务合并变大，控制结果合并过程中的访存竞争。利用GPU中的内存层次结构，减少SM上同时分配的访存量大的任务数，分配更多的共享内存提升内存命中率，减少与全局内存的通信；设计异构计算流：从时间上和空间上，共享有限的硬件资源。本发明在GPU中实现NTT/INTT算法的挑战是高效地分配线程以实现高利用率，为了获得最佳性能，所有线程都应该是繁忙的，每个线程的工作负载应该是相等的。
-
公开(公告)号：CN114844621A
公开(公告)日：2022-08-02
申请号：CN202210365746.7
申请日：2022-04-08
Applicant: 哈尔滨工业大学(深圳) , 暨南大学
Abstract: 本发明公开了一种基于多密钥全同态加密的多用户隐私保护机器学习方法及装置，方法包括：由公共字符串CRS进行多密钥全同态加密算法的初始化、生成安全参数λ及生成公共参数集mkparams；服务器S整合各个数据提供方上传的单密钥密文数据Encski(di)得到多密钥密文数据集Encsk(D)；服务器S在多密钥密文数据集Encsk(D)的基础上将普通机器学习算法中的线性运算替换为全同态加法和全同态乘法，对多密钥密文数据集Encsk(D)进行机器学习建模训练；服务器S将多密钥加密的模型密文Encsk(model)下发给各个数据提供方DPi和解密方DE；解密多密钥模型密文Encsk(model)，从而得到由各个数据提供方DPi的数据D训练得到的模型model＝Decsk(Encsk(model))。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成隐私计算任务。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.057 seconds)
