-
公开(公告)号：CN119129769A
公开(公告)日：2024-12-13
申请号：CN202410936235.5
申请日：2024-07-12
Applicant: 暨南大学
IPC: G06N20/00 , G06F16/901
Abstract: 本发明涉及人工智能安全技术领域，提出一种机器学习数据遗忘验证系统及方法。其中所述系统包括数据存储组件、模型链表组件、键链表组件和过滤器，所述键链表组件和过滤器设置于可信执行环境内。本发明适用于通用机器学习模型，通过验证数据删除证明σd、模型学习证明σm和模型预测证明σp的有效性断言服务器正确执行数据遗忘，能够高效实现机器学习数据遗忘验证；本发明采用可信执行环境作为安全内存区域，能够有效防止潜在的完整性攻击，配合可信执行环境内设置的键链表组件和过滤器组成的高内存效率的数据结构，以及可信执行环境外设置的数据存储组件和模型链表组件，能够在低计算成本的情况下实现高数据读写效率及高机器学习数据遗忘验证效率。
-
公开(公告)号：CN118093442B
公开(公告)日：2024-06-25
申请号：CN202410497607.9
申请日：2024-04-24
Applicant: 暨南大学
Abstract: 本发明涉及数据安全技术领域，提出一种基于零知识证明的神经网络模型可验证测试方法及系统，其中包括：测试数据持有方生成关于其测试数据的基于多项式的承诺#imgabs0#，将承诺#imgabs1#和测试数据上传；模型持有方生成关于其模型参数的基于多项式的承诺#imgabs2#，并将承诺#imgabs3#上传；模型持有方获取测试数据和承诺#imgabs4#后，验证每一测试数据持有方的测试数据与其相应的承诺#imgabs5#是否一致，若是，则模型持有方使用测试数据进行模型测试，输出统计性测试结果，并对测试过程生成关于模型正确运行的公开可验证证明；模型持有方将统计性测试结果和公开可验证证明发送至测试数据持有方或任意第三方进行有效性验证，输出验证结果。
-
公开(公告)号：CN118093442A
公开(公告)日：2024-05-28
申请号：CN202410497607.9
申请日：2024-04-24
Applicant: 暨南大学
Abstract: 本发明涉及数据安全技术领域，提出一种基于零知识证明的神经网络模型可验证测试方法及系统，其中包括：测试数据持有方生成关于其测试数据的基于多项式的承诺#imgabs0#，将承诺#imgabs1#和测试数据上传；模型持有方生成关于其模型参数的基于多项式的承诺#imgabs2#，并将承诺#imgabs3#上传；模型持有方获取测试数据和承诺#imgabs4#后，验证每一测试数据持有方的测试数据与其相应的承诺#imgabs5#是否一致，若是，则模型持有方使用测试数据进行模型测试，输出统计性测试结果，并对测试过程生成关于模型正确运行的公开可验证证明；模型持有方将统计性测试结果和公开可验证证明发送至测试数据持有方或任意第三方进行有效性验证，输出验证结果。
-
-
Search Results
3
records
(took 0.017 seconds)
