一种用于云照片存储的高效安全加密处理方法

    公开(公告)号:CN119031081A

    公开(公告)日:2024-11-26

    申请号:CN202411123917.0

    申请日:2024-08-15

    Abstract: 本发明公开了一种用于云照片存储的高效安全加密处理方法,涉及信息安全技术领域,包括步骤:步骤1、系统初始化:数据拥有者生成加性秘密共享公开模数sk,招募第一云服务器和第二云服务器;步骤2、图像加密分割:利用加密函数ε对像素点进行加密分割操作,得到第一密文cp1和第二密文cp2;步骤3、图像加密分割加速:对于同一个通道,多个第一密文或多个第二密文构成为密文数组dc,index,采用Fenwick树计算前缀和,得到树状数组BITc,index;将BITc,1和BITc,2分别送至两个云服务器;步骤4、图像缩略图生成:根据BITc,index计算得到缩略图份额[TPM]c,index,并发送给数据拥有者进行解密,得到可视缩略图。本发明技术方案有效提高图像加密处理效率、保护云图像隐私,且可在加密状态下对图像进行编辑。

    一种面向云计算数据安全的快速安全外包计算方法

    公开(公告)号:CN117938439A

    公开(公告)日:2024-04-26

    申请号:CN202311769594.8

    申请日:2023-12-21

    Abstract: 本发明公开了一种面向云计算数据安全的快速安全外包计算方法,将云服务器S0作为中心平台,数据拥有者DO可以在云服务器S0上发布具体的安全外包计算任务,并由云服务器S0与计算服务提供商S1利用强大算力来实现安全外包计算任务。数据所有者DO根据其具体的计算需求,向云服务器S0发布加密过后的数据以及不同的外包计算任务,随后S0与计算服务提供商S1通过调用不同的安全外包计算协议得到加密形式下的最终结果,并将最终结果发送给DO,DO收到加密的最终结果后可用其私钥解密。本发明解决了安全外包计算中数据的隐私泄露问题,解决了现有方案的效率低下和存储花销大问题,解决了现有方案只支持自然数运算、不能获取计算的中间密文结果、计算类型有限等可用性问题。

    一种基于图注意力模型的高级持续威胁检测方法及装置

    公开(公告)号:CN117857200A

    公开(公告)日:2024-04-09

    申请号:CN202410076841.4

    申请日:2024-01-18

    Abstract: 本发明提供了一种基于图注意力模型的高级持续威胁检测方法及装置,使用GAT网络处理数据来源图中的节点数据,利用子模型输出对应节点的预测类型概率;如果选择的子模型存在没有输出节点的预测类型的情况,则选择的另一子模型得到节点的预测类型概率;将预测类型概率大于阈值的预测类型确定为节点的真实类型。本发明将注意力机制引入图神经网络中,在图神经网络中能够用注意力机制学习和更新节点特征,能够更好地提取和学习良性节点的特征,并且本发明的子模型是使用良性节点训练得到,在检测阶段不需要提前获取异常节点的信息,对于未被发现的零日漏洞也具备同样的检测效果,能够成功检测攻击者使用的新型攻击方式和零日漏洞。

    一种线性与非线性安全计算方法、存储装置以及智能终端

    公开(公告)号:CN115664631A

    公开(公告)日:2023-01-31

    申请号:CN202211337454.9

    申请日:2022-10-28

    Abstract: 本发明公开了一种线性与非线性安全计算方法、存储装置以及智能终端,属于安全外包计算领域,本发明以云平台CP为中心,数据所有者DO在CP上发布相应的安全外包计算任务,然后CP招募计算服务提供商CSP,利用其强大算力来实现安全外包计算任务。在本方法中,数据所有者DO在加密其隐私数据后,根据具体计算需求向云平台CP发布不同的外包计算任务,然后CP和计算服务提供商CSP调用不同的安全外包计算方法得到加密后的最终结果并将其发送给DO,DO收到加密的最终结果后可用其私钥解密,解决了现有安全外包计算技术功能受限只能支持对加密自然数的计算,不能支持对加密负整数的计算,泄漏大量底层数据信息和可用性受限仅支持加法或乘法不支持非线性运算的问题。

    一种基于参数扰动的拆分学习模型测试方法及装置

    公开(公告)号:CN118798299A

    公开(公告)日:2024-10-18

    申请号:CN202410952291.8

    申请日:2024-07-16

    Abstract: 本发明公开了一种基于参数扰动的拆分学习模型测试方法及装置,所述方法包括:获取预先利用拆分学习方法训练得到的初始模型;利用增加参数扰动后的拆分学习方法,重新训练得到更新模型;其中,增加参数扰动后的拆分学习方法在拆分学习方法的训练过程中,由扰动者伪装成用户,在对训练队列中下一个用户进行参数共享之前,对本地模型的参数进行扰动处理;利用更新模型得到初始模型的抗干扰测试结果。本发明深入探究参数共享的信息交互过程。利用该信息交互过程的独有特征,将干扰者伪装成用户,对用户持有的模型中的参数进行扰动处理,得到更新模型,将更新模型的训练结果与初始模型的训练结果进行对比,得到初始模型的抗干扰测试结果。

Patent Agency Ranking