-
公开(公告)号：CN116881739B
公开(公告)日：2023-12-01
申请号：CN202311146922.9
申请日：2023-09-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/22 , G06F21/60 , G06F16/335 , G06F16/33 , G06F16/38
Abstract: 一种面向空间关键字相似性的密文安全检索方法，属于数据安全的技术领域，包括：S1.数据拥有者加密空间数据库，构建密文索引，并将其上传至云服务器;S2.搜索用户利用数据拥有者提供的密钥生成搜索令牌;S3.云服务器根据搜索令牌检索密文索引，并返回满足空间范围条件和关键字集相似性条件的密文空间对象。本发明在一定的空间范围内返回与用户期望数据相关的空间数据对象，以在保证较强安全性的同时实现高效搜索。
-
公开(公告)号：CN116881739A
公开(公告)日：2023-10-13
申请号：CN202311146922.9
申请日：2023-09-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/22 , G06F21/60 , G06F16/335 , G06F16/33 , G06F16/38
Abstract: 一种面向空间关键字相似性的密文安全检索方法，属于数据安全的技术领域，包括：S1.数据拥有者加密空间数据库，构建密文索引，并将其上传至云服务器;S2.搜索用户利用数据拥有者提供的密钥生成搜索令牌;S3.云服务器根据搜索令牌检索密文索引，并返回满足空间范围条件和关键字集相似性条件的密文空间对象。本发明在一定的空间范围内返回与用户期望数据相关的空间数据对象，以在保证较强安全性的同时实现高效搜索。
-
公开(公告)号：CN116456307A
公开(公告)日：2023-07-18
申请号：CN202310522070.2
申请日：2023-05-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 江苏海洋大学
Abstract: 本发明公开一种基于Q学习的能量受限物联网数据采集和融合方法，属于利用计算机模型优化无人机群数据采集能耗的技术领域。本发明针对无人机群的碰撞避免、飞行角度变化和节点距离约束，将无人机能耗问题转化为马尔可夫决策过程，应用强化学习算法求解无人机路径决策问题：将无人机与节点之间的距离、无人机飞行角度的变化以及无人机之间的安全距离作为强化学习的奖励，使无人机群协同访问所有节点，并有效降低了能耗。此外，在无人机群任务完成后，动态选择距离基站最近的无人机作为中继无人机，中继无人机将其他无人机采集的数据统一传输到基站，从而降低了无人机群的总体飞行能耗。
-
公开(公告)号：CN115168856B
公开(公告)日：2023-04-21
申请号：CN202210904928.7
申请日：2022-07-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 贵州大学
Abstract: 本发明公开了二进制代码相似性检测方法，包括：构建二进制文件数据集，并对二进制文件数据集内的二进制文件进行反编译，得到二进制文件的二进制函数；获取二进制函数的汇编代码对bert模型进行训练，得到insbert模型；利用不同架构下的两个相同的二进制函数构建正样本函数对，利用不同的两个二进制函数构建负样本函数对，利用正样本函数对和负样本函数对对insbert模型进行训练，得到funcbert模型。本发明还提供了物联网固件漏洞检测方法。本发明能够跨指令架构检测二进制代码是否相似，可以用于恶意软件分析、版权纠纷、漏洞检测等领域。
-
公开(公告)号：CN114500043B
公开(公告)日：2022-08-26
申请号：CN202210086936.5
申请日：2022-01-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 江苏海洋大学
Abstract: 本发明公开了基于同源性分析的物联网固件漏洞检测方法，包括：建立函数漏洞库；提取待检测固件的可执行文件集合以及对应的指令架构，将在函数漏洞库中存在同名同架构的可执行文件作为待检测可执行文件；对待检测可执行文件进行反汇编，获取待检测可执行文件的函数集合，将在函数漏洞库中存在同名的函数作为待检测函数；对待检测函数的二进制文件进行反汇编，提取待检测函数的汇编代码，形成待检测函数指令集合，计算待检测函数指令集合与漏洞函数的指令集合的相似度。本发明还提供了基于同源性分析的物联网固件漏洞检测系统。本发明能够更加高效、精确地检测固件中存在的同源性漏洞。
-
Patent Agency Ranking
公开(公告)号：CN114338161A
公开(公告)日：2022-04-12
申请号：CN202111632491.8
申请日：2021-12-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请公开了一种面向隐私保护的信息物理系统的攻击检测方法、系统、装置、设备及计算机可读存储介质，在传输监控终端采集的实时数据时，将基于差分隐私机制生成的加噪聚合数据进行预设非线性变换得到的待传输聚合数据通过网络通信通道传输，数据接收端对接收到的第一聚合数据进行预设非线性变换的逆变换，得到第二聚合数据，再根据第二聚合数据和基于卡尔曼滤波对当前时刻的聚合数据进行最优估计得到最优估计值的估计残差进行攻击检测，通过增加实时聚合数据的随机性消减了由于差分隐私机制引起的检测阈值过高，导致错误数据注入攻击者更容易注入攻击信号的问题，从而获得更好的检测率。
-
公开(公告)号：CN112884161A
公开(公告)日：2021-06-01
申请号：CN202110142654.8
申请日：2021-02-02
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请公开了一种抗标签翻转攻击的协同学习方法、装置、设备及介质，包括：利用经验风险最小化方法构建协同机器学习的优化问题；选择有界超球体作为机器学习模型的候选集合，将弹性损失函数应用于优化问题的目标函数；利用交替方向乘数法迭代更新机器学习模型；根据l‑风险计算模型的误分类率，分析协同学习机制的抗标签翻转攻击性能；根据标签翻转概率、数据性质和弹性损失函数性质，计算模型的泛化误差。这样通过巧妙融合弹性损失函数与交替方向乘数法，保证基于翻转标签训练的模型实现与正确标签训练得到的模型相同的分类精度，并进一步揭示翻转标签与学习模型泛化误差间的内在联系，为大范围错误数据注入攻击下的协同机器学习研究奠定了基础。
-
公开(公告)号：CN118897973A
公开(公告)日：2024-11-05
申请号：CN202410967431.9
申请日：2024-07-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 青岛理工大学
IPC: G06F18/21 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/23 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/049 , G06N3/084 , G06N3/088
Abstract: 本发明涉及一种基于VAE‑Bi‑LSTM‑SAM的电网电压数据异常检测方法、装置、设备及存储介质。该方法包括：采集电网电压时序数据构建数据集，对数据集中的数据进行预处理，将预处理后的数据集划分为训练集和测试集；对训练集和测试集中的电网电压时序数据进行标准化处理，按时间步长对标准化处理后的电网电压时序数据进行窗口滑动切片处理，形成多元时序窗口数据Xt；建立基于VAE‑Bi‑LSTM‑SAM的异常数据检测模型；利用训练集对基于VAE‑Bi‑LSTM‑SAM的异常数据检测模型进行训练，得到训练好的异常数据检测模型；利用训练好的异常数据检测模型对测试集中的电网电压时序数据进行异常检测。本发明能够实现对电网电压异常数据的准确检测，提高模型的泛化能力，增强模型对异常数据的识别能力。
-
公开(公告)号：CN118573480B
公开(公告)日：2024-10-25
申请号：CN202411044928.X
申请日：2024-08-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40
Abstract: 本发明涉及一种基于零信任架构的网络安全通信方法、装置、设备及存储介质。本发明旨在构建一个高度安全、灵活且响应迅速的网络通信环境，有效应对现代网络环境中不断演变的安全挑战。采用零信任原则，无论之前是否已被认证，要求在每次通信时都必须重新进行身份验证和信任评估，旨在为网络通信提供全面、智能且高效的安全保障。本发明通过采用数据处理算法和人工智能技术，对网络实体的身份验证、属性分析、交互记录和通信环境，进行实时、动态的信任评估，适用于协同任务等复杂场景，有效识别和防御潜在的安全威胁。本发明能够确保在从数据源到目的地的整个通信过程中，每一步都遵循零信任原则，从而保障通信的安全性和可靠性。
-
公开(公告)号：CN118606634B
公开(公告)日：2024-10-22
申请号：CN202411080709.7
申请日：2024-08-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/10 , G06F18/214 , G06F18/24 , G06N20/00
Abstract: 本发明属于分布式机器学习的技术领域，具体涉及一种基于衰减噪声扰动的自适应保隐私分布式学习方法及装置。所述方法包括：根据节点裁剪后的样本梯度获取其本地梯度，节点的裁剪阈值随迭代轮次的增加而减小；对本地梯度注入高斯噪声，高斯噪声的强度随迭代轮次的增加成阶梯式衰减；聚合节点在每轮迭代中注入高斯噪声后的本地梯度，并利用聚合后的梯度更新本地模型参数，将更新后的本地模型参数广播给相邻节点进行参数更新；再聚合相邻节点更新后的模型参数，用于下一次迭代。本发明通过添加噪声以有效保护数据隐私，同时减小噪声误差保证数据的准确性。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.312 seconds)
