-
公开(公告)号：CN112966298A
公开(公告)日：2021-06-15
申请号：CN202110226452.1
申请日：2021-03-01
Applicant: 广州大学
Abstract: 本发明提供了一种复合隐私保护方法、系统、计算机设备及存储介质，所述方法包括：预先根据客户端权重，通过可信第三方生成客户端的加密公钥和服务器的解密私钥；由所述服务器向所述客户端发送第一模型和第一模型参数；由所述客户端根据本地数据对所述第一模型进行训练，将所述第一模型参数更新为第二模型参数；采用差分隐私算法，由所述客户端对所述第二模型参数添加噪声，得到第三模型参数；根据所述加密公钥，由所述客户端对所述第三模型参数进行函数加密，得到加密模型并发送给所述服务器；根据所述解密私钥，由所述服务器对所述加密模型进行解密，得到全局模型。本发明不仅加强了隐私保护，还提高了模型服务质量和学习效率。
-
公开(公告)号：CN113204787A
公开(公告)日：2021-08-03
申请号：CN202110493191.X
申请日：2021-05-06
Applicant: 广州大学
Abstract: 本发明提供了一种基于区块链的联邦学习隐私保护方法、系统、设备和介质，通过根据各节点权重向量，由可信第三方生成主公/私钥、解密密钥和各节点加密密钥，并将主公钥、解密密钥和加密密钥发送至各节点，由主节点创建初始区块写入初始模型发布后，各节点下载初始模型进行训练，并采用加密密钥加密得到加密模型后上传至区块链，当各节点的加密模型全部上传至区块链后，各节点竞争生成模型聚合区块的权力，并由获得该权力的节点根据主公钥和解密密钥，将各节点的加密模型聚合生成全局模型后上传至区块链，再由主节点下载全局模型并进行理想模型判断的方法，增加了对节点来源和模型内容隐私的保护，降低了服务计算成本，提高了学习效率和服务质量。
-
公开(公告)号：CN113836556A
公开(公告)日：2021-12-24
申请号：CN202111134122.6
申请日：2021-09-26
Applicant: 广州大学
Abstract: 本发明提供了面向联邦学习的去中心化函数加密隐私保护方法及系统，所述方法为获取服务器发送的初始模型、公共数据集、加密标签、加密素数、加密权重和权重向量参数；根据本地数据集对初始模型进行训练得到本地模型，并根据公共数据集对本地模型进行测试得到模型准确率；根据加密素数生成加密私钥和部分解密密钥，并根据加密私钥和加密标签对本地模型进行函数加密得到加密模型；将加密模型、部分解密密钥和模型准确率发送给服务器，以使服务器根据部分解密密钥、加密标签、加密权重和模型准确率对加密模型进行解密聚合得到全局模型。本发明保证服务器不能获得用户本地模型的同时，有效防止第三方与服务器共谋攻击，提升隐私保护力度和服务效果。
-
Patent Agency Ranking
公开(公告)号：CN113204787B
公开(公告)日：2022-05-31
申请号：CN202110493191.X
申请日：2021-05-06
Applicant: 广州大学
Abstract: 本发明提供了一种基于区块链的联邦学习隐私保护方法、系统、设备和介质，通过根据各节点权重向量，由可信第三方生成主公/私钥、解密密钥和各节点加密密钥，并将主公钥、解密密钥和加密密钥发送至各节点，由主节点创建初始区块写入初始模型发布后，各节点下载初始模型进行训练，并采用加密密钥加密得到加密模型后上传至区块链，当各节点的加密模型全部上传至区块链后，各节点竞争生成模型聚合区块的权力，并由获得该权力的节点根据主公钥和解密密钥，将各节点的加密模型聚合生成全局模型后上传至区块链，再由主节点下载全局模型并进行理想模型判断的方法，增加了对节点来源和模型内容隐私的保护，降低了服务计算成本，提高了学习效率和服务质量。
-
公开(公告)号：CN116132112B
公开(公告)日：2024-05-03
申请号：CN202211657047.6
申请日：2022-12-22
Applicant: 广州大学
Abstract: 本发明公开了一种基于联盟链智能合约的关键字可加密搜索方法，包括：使用对称加密算法对数据拥有者的数据文件进行加密，并将加密后的数据文件上传至云存储服务器，并获取所述加密后的数据文件在所述云存储服务器的唯一地址标识符；从所述加密前的数据文件中抽取关键字，并利用预设的单向哈希布隆过滤器算法将关键字索引化，生成安全索引；将所述唯一地址标识符和所述安全索引上传至联盟链网络，根据认证请求对数据请求者进行身份认证，在认证通过后发送秘密参数给数据请求者，以使得所述数据请求者利用根据所述秘密参数和搜索请求中的至少一个关键字加密生成的查询陷门在所述联盟链网络上进行搜索。
-
公开(公告)号：CN116132112A
公开(公告)日：2023-05-16
申请号：CN202211657047.6
申请日：2022-12-22
Applicant: 广州大学
Abstract: 本发明公开了一种基于联盟链智能合约的关键字可加密搜索方法，包括：使用对称加密算法对数据拥有者的数据文件进行加密，并将加密后的数据文件上传至云存储服务器，并获取所述加密后的数据文件在所述云存储服务器的唯一地址标识符；从所述加密前的数据文件中抽取关键字，并利用预设的单向哈希布隆过滤器算法将关键字索引化，生成安全索引；将所述唯一地址标识符和所述安全索引上传至联盟链网络，根据认证请求对数据请求者进行身份认证，在认证通过后发送秘密参数给数据请求者，以使得所述数据请求者利用根据所述秘密参数和搜索请求中的至少一个关键字加密生成的查询陷门在所述联盟链网络上进行搜索。
-
公开(公告)号：CN113836556B
公开(公告)日：2022-11-04
申请号：CN202111134122.6
申请日：2021-09-26
Applicant: 广州大学
Abstract: 本发明提供了面向联邦学习的去中心化函数加密隐私保护方法及系统，所述方法为获取服务器发送的初始模型、公共数据集、加密标签、加密素数、加密权重和权重向量参数；根据本地数据集对初始模型进行训练得到本地模型，并根据公共数据集对本地模型进行测试得到模型准确率；根据加密素数生成加密私钥和部分解密密钥，并根据加密私钥和加密标签对本地模型进行函数加密得到加密模型；将加密模型、部分解密密钥和模型准确率发送给服务器，以使服务器根据部分解密密钥、加密标签、加密权重和模型准确率对加密模型进行解密聚合得到全局模型。本发明保证服务器不能获得用户本地模型的同时，有效防止第三方与服务器共谋攻击，提升隐私保护力度和服务效果。
-
公开(公告)号：CN112966298B
公开(公告)日：2022-02-22
申请号：CN202110226452.1
申请日：2021-03-01
Applicant: 广州大学
Abstract: 本发明提供了一种复合隐私保护方法、系统、计算机设备及存储介质，所述方法包括：预先根据客户端权重，通过可信第三方生成客户端的加密公钥和服务器的解密私钥；由所述服务器向所述客户端发送第一模型和第一模型参数；由所述客户端根据本地数据对所述第一模型进行训练，将所述第一模型参数更新为第二模型参数；采用差分隐私算法，由所述客户端对所述第二模型参数添加噪声，得到第三模型参数；根据所述加密公钥，由所述客户端对所述第三模型参数进行函数加密，得到加密模型并发送给所述服务器；根据所述解密私钥，由所述服务器对所述加密模型进行解密，得到全局模型。本发明不仅加强了隐私保护，还提高了模型服务质量和学习效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
