-
公开(公告)号：CN118468041A
公开(公告)日：2024-08-09
申请号：CN202410924362.3
申请日：2024-07-11
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: G06F18/214 , G06F18/2135 , G06N3/094 , G06N3/098
Abstract: 本发明属于联邦学习数据安全的技术领域，更具体地，涉及基于生成对抗网络的联邦学习拜占庭节点检测方法、装置及计算机可读存储介质。包括客户端与服务器完成数据集的分配以及对客户端和服务器的模型进行初始化；客户端根据全局模型参数更新本地模型参数并进行训练，训练完成后，将更新后的本地模型参数发送至服务器；服务器进行拜占庭节点检测并排除掉拜占庭节点对应的本地模型参数后，对剩余的客户端本地模型参数进行聚合，得到新的全局模型参数，并下发至客户端；重复上述步骤至训练轮次阈值，得到优化的全局联邦学习模型参数。本发明解决了拜占庭攻击者可以通过对本地参数进行修改并发送给聚合服务器，以使得全局模型性能失稳的问题。
-
公开(公告)号：CN117932125A
公开(公告)日：2024-04-26
申请号：CN202410331043.1
申请日：2024-03-22
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: G06F16/903 , G06F21/62 , G06F21/60 , G06F16/901
Abstract: 本发明属于数据安全的技术领域，更具体地，涉及一种支持隐私保护的可验证空间关键字查询方法及装置。该方法包括：数据拥有者端加密其空间数据集，构建密文索引，并将空间数据集和密文索引上传云服务器端；查询用户端根据数据拥有者端提供的密钥信息和辅助参数生成搜索令牌并提交云服务器端；云服务器端根据搜索令牌检索密文索引，并向查询用户端返回相应的空间对象密文信息和验证信息；查询用户端基于密钥信息、辅助验证信息、空间对象密文信息和验证信息，先进行本地验证，再对验证通过的空间对象密文信息进行解密。本发明用于在用户给定的空间范围内返回其所期望的空间数据对象，在保证安全性的同时实现高效搜索，并支持对结果的验证。
-
公开(公告)号：CN117349894B
公开(公告)日：2024-03-01
申请号：CN202311629347.8
申请日：2023-12-01
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: G06F21/62 , G06F21/60 , G06F21/33 , G06N5/022 , G06N5/02 , G06F16/36 , G06F16/901 , G06F16/903 , H04L9/40 , H04L9/00 , H04L9/06 , H04L9/08
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种基于填充字典加密的图结构最短路径查询方法。所述方法包括数据拥有者构造填充字典结构的密文图；数据拥有者向有查询需求的用户通过安全信道发送授权令牌；生成查询令牌,用户将查询令牌发送至云服务器端；云服务器在接收到密文图和查询令牌之后，进行最短距离查询；获取明文查询结果。本发明解决了现有技术中用户的数据存储在第三方服务器上，可能会面临数据泄露和安全漏洞的风险以及查询效率较低的问题。(56)对比文件于莹莹.图数据精确最短距离的隐私保护外包计算方案《.计算机工程》.2023,第49卷(第9期),第158-171页.Xin Wang 等.App-Net: A Hybrid NeuralNetwork for Encrypted Mobile TrafficClassification《.IEEE INFOCOM 2020 - IEEEConference on Computer CommunicationsWorkshops (INFOCOM WKSHPS)》.2020,第424-429页.Meng Li 等.Graph Encryption forShortest Path Queries with k UnsortedNodes《.2022 IEEE International Conferenceon Trust, Security and Privacy inComputing and Communications (TrustCom)》.2022,第89-96页.
-
公开(公告)号：CN116738444A
公开(公告)日：2023-09-12
申请号：CN202311021069.8
申请日：2023-08-15
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)
Abstract: 一种基于夏普利值的数据安全共享平台多方贡献度评估方法，属于数据治理计算机模型的技术领域。本发明综合考虑了服务分析模型改进程度、数据质量和数据参与度三个方面，在数据共享平台中，服务方根据自己的数据需求与数据所有者进行数据匹配，在安全数据传输与认证后，将匹配好的数据通过服务分析模型进行训练与评估，最后根对多个参与者的贡献进行评估。本发明能够更加公平合理地为数据所有者和服务方评估其贡献，提高各方数据共享的积极性，鼓励数据所有者提供真实可靠的数据。
-
公开(公告)号：CN115834248A
公开(公告)日：2023-03-21
申请号：CN202310063509.X
申请日：2023-02-06
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)
Abstract: 本发明属于数据处理相关技术领域，提出了面向信息物理系统的攻击和异常数据流检测方法及装置，包括：获取信息物理系统中实时数据流并将所获取的数据流转换为数据对象集；对所述数据对象集进行预处理后输入至训练好的反向传播网络中，得到数据对象集所对应的数据标签；根据数据对象集所对应的数据标签判断当前数据是否被攻击或攻击类型，对可能存在的威胁进行快速检测。
-
Patent Agency Ranking
公开(公告)号：CN119808896A
公开(公告)日：2025-04-11
申请号：CN202510296997.8
申请日：2025-03-13
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: G06N3/098 , G06F21/62 , G06F18/2132 , G06F18/214
Abstract: 本发明属于隐私保护的技术领域，更具体地，涉及面向保隐私异构去中心化学习的正则约束自适应调整方法。所述方法包括：将每个客户端#imgabs0#的本地模型#imgabs1#划分为共享模型#imgabs2#和保留模型#imgabs3#，对共享模型#imgabs4#进行正则化约束；客户端#imgabs5#使用上一轮聚合后的共享模型#imgabs6#和本地保留模型#imgabs7#，基于本地数据集#imgabs8#进行梯度下降更新；通过KL散度对正则化参数#imgabs9#进行动态更新调整；对共享模型进行差分隐私保护，然后将加噪后的共享模型广播给邻居客户端；客户端i的邻居客户端接收加噪后的共享模型并进行聚合，以得到下一迭代轮次的本地模型。本发明在保护数据隐私的同时，减轻数据异质性和差分隐私噪声对模型性能的负面影响。
-
公开(公告)号：CN119696907A
公开(公告)日：2025-03-25
申请号：CN202411890563.2
申请日：2024-12-20
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)
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种满足K跳约束的加密图最短路径查询方法。所述方法包括：图数据拥有者生成授权令牌并通过安全信道发送给图数据查询者；图数据查询者加密查询请求并发送给图数据拥有者；图数据拥有者解密查询请求对原始图数据进行处理并加密图数据信息发送给云服务器；云服务器接收到加密的数据处理查询最短路径发送给数据查询用户；图数据查询者接收到查询的结果，利用授权令牌的sk进行解密，得到明文结果。本发明解决了现有技术数据容易泄露，查询效率低下的问题。
-
公开(公告)号：CN119293861A
公开(公告)日：2025-01-10
申请号：CN202411845784.8
申请日：2024-12-16
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: G06F21/62 , G06N3/0464 , G06N3/098
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及面向异构联邦学习的自适应差分隐私保护方法。所述方法包括在模型的不同层次上引入自适应噪声。模型的各层次对整体学习效果的贡献存在差异，为了在加噪的同时尽可能减小对关键特征的破坏，本文基于模型层次的重要性程度对不同部分进行差异化加噪，即在较重要的层次上施加较少噪声，而在次要层次上施加更多噪声。本发明解决了传统的差分隐私联邦学习方法由于噪声的引入，通常会对模型的性能产生负面影响，尤其是降低模型的收敛速度和精度的问题。
-
公开(公告)号：CN119272205A
公开(公告)日：2025-01-07
申请号：CN202411783759.1
申请日：2024-12-06
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: G06F18/2433 , H04L9/40 , G06F18/15 , G06F18/213 , G06F18/2431 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06Q50/06
Abstract: 本发明属于网络安全和数据保护的技术领域，更具体地，涉及基于TGRU模型的虚假数据注入攻击检测与定位方法。所述方法首先通过预处理多种传感器的测量数据，输入到TGRU模型进行训练，结合Transformer的全局特征提取能力与GRU的时间序列处理能力进行数据分析。利用基于欧几里得距离的双重计算机制分析正常数据和攻击数据的分布，设定检测阈值。一旦检测到攻击，系统将当前时刻TGRU模型生成的预测数据与检测到的攻击数据进行整合，训练元模型以实现攻击位置的精确定位。最终，通过优化模型架构减少计算步骤，确保高效运行。本发明解决了现有技术在处理复杂网络环境中的局限性，尤其是在应对高维时序数据时精度不足且计算效率低的问题。
-
公开(公告)号：CN119005302A
公开(公告)日：2024-11-22
申请号：CN202411455446.3
申请日：2024-10-18
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)
IPC: G06N3/098 , G06F18/241 , G06N3/096 , G06F18/25
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于特征提取器与分类器灵活组合的联邦学习方法。所述方法包括：服务器初始化全局模型；如果是第一轮，则把本地分类器更新为全局分类器，如不是，则让本地分类器沿用上一轮次训练后的本地分类器；训练本地分类器，再对本地特征提取器进行训练，全局特征提取器生成全局特征锚点指导本地特征提取器的训练，同时让本地特征提取器先与全局分类器进行组合训练，再与本地分类器进行组合训练；基于客户端样本数量大小，生成聚合权重，并对本地模型聚合，得到新一轮的全局模型；重复步骤直到模型收敛或到达设定的通信轮次。本发明解决了模型性能下降、隐私泄露问题。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.115 seconds)
