-
公开(公告)号：CN117892339B
公开(公告)日：2024-08-23
申请号：CN202311830711.7
申请日：2023-12-28
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链的高可信度联合模型训练方法及系统，其中方法步骤包括：基于区块链节点，生成工人与服务提供商各自用于签名的密钥对；基于密钥对，进行联邦成员筛选协议，组建联邦；基于组建的联邦，对任务目标模型进行高可信度的联合训练；完成联合训练之后，对联合训练任务进行结算。本发明基于区块链与安全多方计算技术进行搭建，本发明设计的联合模型训练方法是公开可审计的，与现有的许多公开可审计的联合模型训练方法相比，本发明避免了区块链导致的隐私泄露、多轮调用智能合约带来的高调用费以及激励机制不可被验证的问题。
-
公开(公告)号：CN118803743B
公开(公告)日：2024-12-13
申请号：CN202411273928.7
申请日：2024-09-12
Applicant: 暨南大学
Abstract: 本发明公开了一种基于安全多方计算的隐私保护网约车服务方法，属于网络安全技术领域，包括：乘客端将乘客位置进行加密后发送至智能路测设备与服务提供商；智能路测设备向覆盖区域内的每个可用司机广播乘车需求指令，司机将车辆位置进行加密后发送至智能路测设备与服务提供商；智能路测设备与服务提供商基于乘客位置与车辆位置加密后的信息，结合随机共享向量与双方各自的MAC份额，获得对应的道路距离份额；双方基于道路距离份额、随机公开数、MAC份额计算距离计算检查值；乘客端根据距离计算检查值判断派单是否合理。本发明极大地降低了服务器上距离计算的计算复杂度，通过可验证的两方计算技术，确保乘车系统匹配给乘客的司机是最优的。
-
公开(公告)号：CN117892339A
公开(公告)日：2024-04-16
申请号：CN202311830711.7
申请日：2023-12-28
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链的高可信度联合模型训练方法及系统，其中方法步骤包括：基于区块链节点，生成工人与服务提供商各自用于签名的密钥对；基于密钥对，进行联邦成员筛选协议，组建联邦；基于组建的联邦，对任务目标模型进行高可信度的联合训练；完成联合训练之后，对联合训练任务进行结算。本发明基于区块链与安全多方计算技术进行搭建，本发明设计的联合模型训练方法是公开可审计的，与现有的许多公开可审计的联合模型训练方法相比，本发明避免了区块链导致的隐私泄露、多轮调用智能合约带来的高调用费以及激励机制不可被验证的问题。
-
公开(公告)号：CN118803743A
公开(公告)日：2024-10-18
申请号：CN202411273928.7
申请日：2024-09-12
Applicant: 暨南大学
Abstract: 本发明公开了一种基于安全多方计算的隐私保护网约车服务方法，属于网络安全技术领域，包括：乘客端将乘客位置进行加密后发送至智能路测设备与服务提供商；智能路测设备向覆盖区域内的每个可用司机广播乘车需求指令，司机将车辆位置进行加密后发送至智能路测设备与服务提供商；智能路测设备与服务提供商基于乘客位置与车辆位置加密后的信息，结合随机共享向量与双方各自的MAC份额，获得对应的道路距离份额；双方基于道路距离份额、随机公开数、MAC份额计算距离计算检查值；乘客端根据距离计算检查值判断派单是否合理。本发明极大地降低了服务器上距离计算的计算复杂度，通过可验证的两方计算技术，确保乘车系统匹配给乘客的司机是最优的。
-
-
-
Search Results
4
records
(took 0.018 seconds)
