-
公开(公告)号：CN119442300A
公开(公告)日：2025-02-14
申请号：CN202411329376.7
申请日：2024-09-24
Applicant: 桂林电子科技大学
Abstract: 本发明涉及隐私保护技术领域，具体涉及一种可验证的联邦学习智慧医疗隐私保护系统及方法，系统包括证书认证中心、用户、边缘计算节点和云服务器，支持用户在没有第三方辅助的情况下独立地验证服务器返回聚合结果的正确性。具体使用TLS协议建立安全的通信传输通道，在加密消息的同时保证数据传输过程中的完整性，加密消息所使用的密钥除了通信双方，其他任意一方都不能得到。使用双掩蔽的形式保护梯度隐私，利用线性同态哈希函数为方案提供可验证性，使用户能够独立地验证服务器返回聚合结果的正确性。本发明利用双重聚合验证的方式，能够有效减少用户端的计算开销，并且支持用户在训练过程中退出，并且不会给云服务器造成额外的计算负担。
-
公开(公告)号：CN118607664A
公开(公告)日：2024-09-06
申请号：CN202410716388.9
申请日：2024-06-04
Applicant: 桂林电子科技大学
Abstract: 本发明涉及隐私保护技术领域，具体涉及一种可验证的隐私保护联邦学习方法，包括以下步骤：可信机构生成单向映射函数、公钥和私钥，并将单向映射函数、公钥和私钥发送至用户，将公钥发送至服务器；用户将密文和梯度函数值发送至服务器，服务器得到加密梯度密文；服务器向预设在线用户发送解密请求，并将梯度函数值发送至用户验证聚合模型。本发明通过构造一个不可逆的单向映射函数，使用户在不需要可信第三方的情况下可以独立地验证服务器返回聚合结果的正确性。采用分布式Paillier密码系统和同态加密技术，保护用户在传输阶段的信息安全，同时可以抵抗服务器与小部分用户的共谋攻击，从而解决了传统的学习方法容易造成隐私泄露的问题。
-
Search Results
2
records
(took 0.021 seconds)
