-
公开(公告)号：CN118574113A
公开(公告)日：2024-08-30
申请号：CN202410801493.2
申请日：2024-06-20
Applicant: 佳木斯大学
Abstract: 一种基于区块链的车联网信任管理方法，涉及车联网技术领域。本发明是为了解决现有车联网信任管理方法还存在安全性低的问题。本发明包括：为车联网网络中的车辆分配注册证书并上传到区块链；车辆Vi广播交通事件信息，距离Vi最近的RSU根据其他车辆对广播的交通事件信息的评价获取Vi的信任值，并更新Vi信任阈值；采用Raft共识算法选择RSU为领导者，领导者将车辆发送的信任值打包成区块，并向所有RSU广播区块，RSU验证区块中字段的完整性，若验证通过则RSU相互传递审核结果，领导者收到数量阈值A的审核结果，将区块提交到区块链上，从而在区块链上更新车辆信任值。本发明用于保证车联网中车辆信息安全性。
-
公开(公告)号：CN110917261A
公开(公告)日：2020-03-27
申请号：CN201911349853.5
申请日：2019-12-24
Applicant: 佳木斯大学
Abstract: 本发明公开了一种五味子叶药茶的制备方法，属于医药技术领域。本发明公开的一种五味子叶药茶的制备方法，先将干燥的五味子叶浸润，再进行超声处理。本发明五味子叶药茶的制备方法简单，能够进行连续、工业化生产，具有很好的发展前景；本发明利用超声破壁技术，能够提高药茶中有效成分的溶出率，从而提高药茶的使用效果；本发明制备得到的药茶使用方便，加水浸泡饮用即可，且具有保肝护肝、抗氧化、提高免疫力的效果。
-
公开(公告)号：CN119254400A
公开(公告)日：2025-01-03
申请号：CN202411278184.8
申请日：2024-09-12
Applicant: 佳木斯大学
Abstract: 一种基于边缘计算的联邦学习混合隐私保护方法，它属于联邦学习领域。本发明解决了现有方法的隐私保护水平有限、计算开销大以及获得模型的性能不佳的问题。本发明在参与者上传模型参数到边缘服务器之前，利用实对称矩阵对模型参数进行干扰，实现聚合抵消掩蔽的效果。边缘服务器使用基于差分隐私的拉普拉斯机制和同态加密对子聚合模型加强隐私保护，即使攻击者与边缘服务器共谋，得到的也是添加噪声的全局参数，可以进一步提高隐私保护，边缘服务器接收到密文全局模型后解密并对签名进行验证，验证通过后下发到各个终端设备。本发明方法可以应用于联邦学习的隐私保护。
-
公开(公告)号：CN119497151A
公开(公告)日：2025-02-21
申请号：CN202411617255.2
申请日：2024-11-13
Applicant: 佳木斯大学
IPC: H04W28/08 , H04W28/084 , H04W28/082 , H04W12/02 , H04W4/40 , H04L67/1004 , H04L67/12
Abstract: 一种基于差分隐私的车辆群智感知任务分配负载均衡方法，本发明属于车辆群智感知领域，具体涉及基于差分隐私的车辆群智感知任务分配负载均衡方法。本发明的目的是为了解决现有车辆群智感知中，现有任务分配过程中的大多数隐私保护机制强调对用户位置信息的保护，而忽略了对用户感知时长的保护，导致用户敏感数据泄露问题。过程为：令U＝{u0,u1,…,ui,…,un‑1}表示用户集合；令S＝{t0,t1,…,tm‑1}表示所有任务的集合；tm‑1表示所有任务的集合S中的第m‑1个任务；按照完成时间的递增顺序对任务进行排序，任务排序列表为R＝{t0′,t1′,…,t′m‑1}；t′m‑1表示按照完成时间的递增顺序排序后的第m‑1个任务；将任务排序列表中的每个任务以循环的方式分配给用户。
-
公开(公告)号：CN118797718A
公开(公告)日：2024-10-18
申请号：CN202410768708.5
申请日：2024-06-14
Applicant: 佳木斯大学
Abstract: 一种移动群智感知下基于数据分割的数据隐私保护方法，涉及数据隐私保护领域。本发明是为了解决现有的基于数据分割的隐私保护方法还存在安全性低的问题。本发明具体为：想要参与任务的感知用户向感知平台申请注册，感知平台收到感知用户注册请求为每个感知用户分配两个假名，感知用户利用假名向感知平台申请任务，感知平台验证申请任务的感知用户合法性，并为合法的感知用户分配任务和协作用户信任列表；合法的感知用户根据协作用户信任列表选择感知数据传输的协作用户；申请任务的感知用户与步骤三选择的协作用户交互完成感知数据上传。本发明用于隐私数据传输。
-
Patent Agency Ranking
公开(公告)号：CN118784218A
公开(公告)日：2024-10-15
申请号：CN202410820578.5
申请日：2024-06-24
Applicant: 佳木斯大学
IPC: H04L9/08
Abstract: 一种基于可验证秘密共享的用户协作隐私保护方法，涉及协作隐私保护领域。本发明是为了解决现有隐私保护方法还存在协作效率低、安全性低的问题。本发明具体为：构建匿名协作组，请求用户Uq将查询信息S'加密为m个子查询加密信息；Uq利用子查询加密信息中的多项式系数aj获取协作用户承诺值，并向协作用户广播；Uq将子加密信息和验证密钥发给协作用户，将真实位置和子加密信息发给LSP，当子加密信息正确，协作用户将子加密信息和协作用户真实位置发给LSP；LSP收到的子加密信息数量大于等于协作用户数量阈值时，对子加密信息解密，LSP利用Uq的公钥对查询信息加密，并将加密结果发送给匿名协作组中每个用户，同时协助用户获取奖励。本发明用于协作保护用户隐私。
-
公开(公告)号：CN119519926A
公开(公告)日：2025-02-25
申请号：CN202411636142.7
申请日：2024-11-15
Applicant: 佳木斯大学
Abstract: 基于区块链和信誉机制的VANETs中数据共享的隐私保护方法，本发明涉及VANETs中数据共享的隐私保护方法，本发明属于隐私保护领域。本发明的目的是为了解决现有VANETs中车辆数据共享过程中存在恶意用户泄露用户隐私或注入损坏的数据等问题，而提出基于区块链和信誉机制的VANETs中数据共享的隐私保护方法。过程为：步骤一、分别对证书颁发机构CA、区块链成员、车辆用户、车辆用户的信誉进行初始化；步骤二、基于步骤一的初始化结果进行数据共享；步骤三、基于步骤二的数据共享进行信誉反馈；步骤四、基于步骤三得到的信誉评分进行车辆信誉更新。
-
公开(公告)号：CN119398134A
公开(公告)日：2025-02-07
申请号：CN202411423824.X
申请日：2024-10-12
Applicant: 佳木斯大学
Abstract: 一种具有隐私保护的联邦学习方法，它属于联邦学习技术领域。本发明解决了现有的联邦学习方法中，拜占庭攻击对模型训练存在影响以及客户端存在隐私泄露风险的问题。本发明将梯度参数经过伪随机数生成器，再基于生成的随机数对参与方提交梯度参数的正确性和完整性进行验证，以避免传递参数的过程中出现错误，通过对比来排查参与方是否重复提交梯度参数。服务器基于马氏距离来判断通过验证的梯度参数的相似性，以排除恶意梯度参数。再对剩余的梯度参数进行聚合，最后使用随机梯度下降算法计算得出更新的全局模型参数。本发明方法可以避免拜占庭攻击对模型训练产生影响，解决了参与方存在隐私泄露风险的问题。本发明方法可以应用于联邦学习领域。
-
公开(公告)号：CN118916915A
公开(公告)日：2024-11-08
申请号：CN202411091645.0
申请日：2024-08-09
Applicant: 佳木斯大学
Abstract: 一种基于维恩图和差分隐私的轨迹数据隐私保护方法及系统，涉及隐私保护领域。本发明是为了解决现有轨迹隐私数据安全保护方法安全性低的问题。本发明包括：获取待保护轨迹用户A的好友用户，并将每个好友用户轨迹上的地点的坐标离散到划分网格后的地理空间中；获取用户A的第i个好友用户轨迹中包含的地点坐标集合；获取用户A所有好友用户轨迹中的地点坐标集合的交集C，并对交集C中的地点坐标进行隐私保护，获得隐私保护后用户A的轨迹。本发明用于对用户的轨迹数据进行隐私保护。
-
公开(公告)号：CN119299072A
公开(公告)日：2025-01-10
申请号：CN202411423827.3
申请日：2024-10-12
Applicant: 佳木斯大学
Abstract: 移动群智感知中隐私保护的联邦学习方法及系统，它属于计算机安全领域。本发明解决了在目前的联邦学习方法中，服务器会根据梯度参数推断客户端的敏感数据，客户端上传的梯度参数容易被攻击者拦截造成用户隐私泄露以及服务器等待网络延迟客户端的过程会造成计算资源浪费的问题。本发明利用基于Paillier的半同态加密算法对客户端的参数进行加密，服务器端仅能获得各个客户端发送的梯度参数之和，避免服务器会根据对应的梯度参数推断客户端敏感数据的问题，通过设定固定聚合等待时间，使移动群智感知的鲁棒性增强，在用户离线、网络故障等场景下仍可完成感知任务，避免计算资源的浪费。本发明方法可以应用于移动群智感知中隐私保护。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.033 seconds)
