CN111291406A - 一种基于加密位置数据的设施选址方法及系统 - Google Patents

一种基于加密位置数据的设施选址方法及系统 Download PDF

Info

Publication number
CN111291406A
CN111291406A CN202010059014.6A CN202010059014A CN111291406A CN 111291406 A CN111291406 A CN 111291406A CN 202010059014 A CN202010059014 A CN 202010059014A CN 111291406 A CN111291406 A CN 111291406A
Authority
CN
China
Prior art keywords
terminal
calculation result
encrypted
matrix
location
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010059014.6A
Other languages
English (en)
Other versions
CN111291406B (zh
Inventor
王皓
秦红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Normal University
Original Assignee
Shandong Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Normal University filed Critical Shandong Normal University
Priority to CN202010059014.6A priority Critical patent/CN111291406B/zh
Publication of CN111291406A publication Critical patent/CN111291406A/zh
Application granted granted Critical
Publication of CN111291406B publication Critical patent/CN111291406B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/602Providing cryptographic facilities or services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/62Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245Protecting personal data, e.g. for financial or medical purposes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Bioethics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Storage Device Security (AREA)

Abstract

本公开提供了一种基于加密位置数据的设施选址方法及系统,聚类计算方、辅助计算方和若干位置提供方,聚类计算方和辅助计算方不能合谋,企业能够获取设备选址的结果,但无法获取任何客户的位置信息;辅助计算方仅提供辅助计算服务,无法获得设备选址结果、客户的位置以及其它中间结果和相关信息;客户在共享其位置数据前对位置数据进行加密,从而保护了隐私,企业能够利用加密的位置数据进行聚类计算,从而获得设施的建设位置,极大的提高了设施选址的准确性。

Description

一种基于加密位置数据的设施选址方法及系统
技术领域
本公开涉及设施选址技术领域,特别涉及一种基于加密位置数据的设施选址方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有技术。
设施选址是企业决策经常需要面临的重要问题,如加油站、存取款机、物流中心、服务网点、通信基站等设施的位置选择,往往关系到企业的商业利益。设施选址的基本原则之一是让数量有限的设施尽可能覆盖更广的客户群体,同时让所有客户与其最近设施的距离总和最小。
本公开发明人发现,基于客户的位置进行k-均值聚类计算是解决上述问题的典型方法,但是客户的位置数据涉及到客户的隐私,企业往往无权获取,因此最终得到的选址案往往不能满足要求。
发明内容
为了解决现有技术的不足,本公开提供了一种基于加密位置数据的设施选址方法及系统,客户在共享其位置数据前对位置数据进行加密,从而保护了隐私,企业能够利用加密的位置数据进行聚类计算,从而获得设施的建设位置,极大的提高了设施选址的准确性。
为了实现上述目的,本公开采用如下技术方案:
本公开第一方面提供了一种基于加密位置数据的设施选址方法。
一种基于加密位置数据的设施选址方法,包括以下步骤:
多个位置提供终端对其坐标信息进行加密后发送给第一终端;
第二终端根据设施的数量选择多个聚类中心,进行加密后发给第一终端;
第一终端和第二终端执行聚类算法,具体为:
第一终端以所有客户坐标的密文和所有聚类中心坐标的密文为输入,与第二终端执行乘法子协议,并输出第一计算结果给第二终端;
第二终端对第一计算结果进行解密并重新赋值排序后得到第二计算结果,输出第二计算结果给第一终端;
第一终端对第二计算结果进行逆变换后得到第三计算结果,第一终端以位置提供终端提供的精度坐标和第三计算结果为输入,与第二终端调用乘法子协议,得到第一矩阵和第二矩阵;
第一终端对第一矩阵和第二矩阵的某一列数据进行提取和计算后得到第四计算结果,第二终端根据接收到的第四计算结果,计算得到该列数据对应的编号所对应的聚类中心的坐标;
重复聚类算法的步骤,得到所有聚类中心的坐标作为设施的建设位置。
作为可能的一些实现方式,所述加密和解密均采用加法同态加密方案。
作为可能的一些实现方式,首先进行初始化设置,位置提供终端Ci(i=1,2,...,n)的输入为其坐标信息
Figure BDA0002373792900000021
第一终端的输入为公钥,第一终端的输入为公钥、私钥和设施的数量k;
位置提供终端对坐标信息加密后,将密文
Figure BDA0002373792900000022
发送给第一终端;
第二终端对聚类中心
Figure BDA0002373792900000023
进行加密后,将密文
Figure BDA0002373792900000024
发给第一终端。
作为进一步的限定,第一终端以所有客户坐标的密文和所有聚类中心坐标的密文为输入,与第二终端执行乘法子协议,并输出第一计算结果给第二终端,具体为:
计算
Figure BDA0002373792900000031
计算
Figure BDA0002373792900000032
与第二终端执行乘法子协议,得到
Figure BDA0002373792900000033
Figure BDA0002373792900000034
计算
Figure BDA0002373792900000035
计算
Figure BDA0002373792900000036
对向量([D1],[D2],...,[Dk])进行随机置换,即Πi(([D1],[D2],...,[Dk])),得到
Figure BDA0002373792900000037
作为第一计算结果。
作为更进一步的限定,第二终端对第一计算结果进行解密得到
Figure BDA0002373792900000038
将向量中值最小的元素序号记为t。令bi,t=1,bi,j≠t=0,计算向量Bi=([bi,1],[bi,2],...,[bi,k])作为第二计算结果,其中[bi,j]=Enc(pk,bi,j)。
作为更进一步的限定,第一终端对第二计算结果进行逆置换
Figure BDA0002373792900000039
得到
Figure BDA00023737929000000310
作为第三计算结果,其中
Figure BDA00023737929000000311
其余ai,j=0。
作为更进一步的限定,第一终端以位置提供终端提供的精度坐标和第三计算结果为输入,与第二终端调用乘法子协议,得到第一矩阵和第二矩阵,具体为:
Figure BDA00023737929000000312
Figure BDA00023737929000000313
第一终端能够获得两个n×k阶的矩阵,分别为第一矩阵M1和第二矩阵M2
Figure BDA0002373792900000041
作为更进一步的限定,第一终端对第一矩阵和第二矩阵的某一列数据进行提取和计算后得到第四计算结果,具体为:
对于每个矩阵的第j列,j∈{1,...,k},第一终端计算:
Figure BDA0002373792900000042
Figure BDA0002373792900000043
Figure BDA0002373792900000044
对于j=1,...,k,第一终端随机选择
Figure BDA0002373792900000045
计算
Figure BDA0002373792900000046
Figure BDA0002373792900000047
作为第四计算结果发送给第二终端。
作为更进一步的限定,解密得到
Figure BDA0002373792900000048
对于j=1,...,k,计算
Figure BDA0002373792900000049
为编号为j的聚类中心的坐标。
本公开第二方面提供了一种基于加密位置数据的设施选址系统,多个位置提供终端、第一终端和第二终端,所述位置提供终端与第一终端通信连接,第一终端与第二终端通信连接,所述位置提供终端、第一终端和第二终端执行本公开第一方面所述的基于加密位置数据的设施选址方法进行设施选址。
与现有技术相比,本公开的有益效果是:
1、本公开所述的选址方法及系统,用户在共享其位置数据前对位置数据进行加密,从而保护了隐私,企业能够利用加密的位置数据进行聚类计算,从而获得设施的建设位置,极大的提高了设施选址的准确性。
2、本公开所述的选址方法及系统,要求聚类计算方和辅助计算方不能合谋,企业能够获取设备选址的结果,但无法获取任何客户的位置信息,辅助计算方仅提供辅助计算服务,无法获得设备选址结果、客户的位置以及其它中间结果和相关信息,在精确选址的同时保证了用户的信息安全。
3、本公开所述的选址方法及系统通过引入一个独立的辅助计算方,并设计相应的安全计算协议,采用Paillier同态加密方案,对位置数据进行加密,解决了Paillier同态加密方案不支持聚类计算中的乘法运算和比较运算的问题。
附图说明
图1为本公开实施例1提供的基于加密位置数据的设施选址方法的流程示意图。
图2为本公开实施例2提供的基于加密位置数据的设施选址系统的结构示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文采用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所采用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所采用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中采用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例1:
如图1所示,本公开实施例1提供了一种基于加密位置数据的设施选址方法,使用Paillier同态加密方案,对位置数据进行加密,也可以采用任何具有加法同态性质加密方案代替。
Paillier同态加密方案是一个加法同态加密方案,仅支持密文的加法运算。但聚类计算中,需要用到乘法运算和比较运算,这是Paillier同态加密方案不支持的。本实施例通过引入一个独立的辅助计算方,并设计相应的安全计算协议,解决上述问题。
在本实施例中,涉及的实体包括:若干位置提供方(客户),一个聚类计算方(有设备选址需求的企业),一个辅助计算方(可使用任何独立的公有云计算服务,如阿里云、亚马逊云、腾讯云等),要求聚类计算方和辅助计算方不能合谋。通过使用本实施例所述的选址方法,企业能够获取设备选址的结果,但无法获取任何客户的位置信息。辅助计算方仅提供辅助计算服务,无法获得设备选址结果、客户的位置以及其它中间结果和相关信息。
具体方法如下:
(1)Paillier同态加密方案
Paillier同态加密方案,是一个支持加法同态运算的公钥加密方案,该方案包含3个算法:
KeyGen(1k)→pk,sk:即密钥生成算法。任选两个大素数p和q,其中|p|=|q|=1k,计算N=pq和
Figure BDA0002373792900000061
输出公钥pk=N和私钥sk=λ;
Enc(pk,m)→[m]:即加密算法。以公钥pk=N,明文m∈ZN为输入,选择一个随机的
Figure BDA0002373792900000062
计算密文
Figure BDA0002373792900000063
Dec(sk,[m])→m:即解密算法。以私钥sk=λ,密文[m]为输入,计算:
Figure BDA0002373792900000071
Paillier同态加密方案具有加法同态性质:
[m1]·[m2]=[m1+m2],k·[m]=[k·m]。
(2)乘法子协议
该协议涉及两个参与方P1和P2
初始化:P1调用Paillier加密方案中的密钥生成算法,生成公钥pk和私钥sk。
输入:P1的输入为pk、sk;
P2的输入为使用pk加密得到的密文[x]和[y]。
协议执行:
(2-1)P2随机选择rx,ry∈ZN,计算X=[x]·[rx],Y=[y]·[ry],并将X和Y发送给P1
(2-2)P1对X和Y解密后得到x+rx和y+ry,计算h=(x+rx)(y+ry),并对其加密[h]=Enc(pk,h),将密文[h]发送给P2
(2-3)P2计算
Figure BDA0002373792900000072
S3=[rx·ry]N-1,然后计算:
H·S1·S2·S3=[h-x·ry-y·rx-rx·ry]=[x·y]。
输出:P1无输出;
P2输出[x·y]。
(3)基于加密位置数据的设施选址方法
在本实施例中,存在n个位置提供方(客户){Ci}i∈{1,...,n},1个聚类计算方(有设备选址需求的企业)S,以及1个辅助计算方AS(可使用任何独立的公共云计算服务,如阿里云、亚马逊云、腾讯云等),要求聚类计算方S和辅助计算方AS不能合谋。
在本实施例中,所用到的坐标数据均采用十进制,并保留6位小数,为了使用整数表示,我们将所有的坐标数据乘以106。因此,坐标数据均可以使用9位整数表示,该数据长度严格小于||N||/2-1,其中N为Paillier加密方案的公钥,||N||表示N的长度。
初始化:聚类计算方S调用Paillier加密方案中的密钥生成算法,生成公钥pk和私钥sk。
输入:位置提供方Ci(i=1,2,...,n)的输入为其坐标信息
Figure BDA0002373792900000081
以及公钥pk;
聚类计算方S的输入为公钥pk、私钥sk,以及设备的数量k;
辅助计算方AS的输入为公钥pk。
协议执行:
(3-1)数据加密阶段
(a)位置提供方Ci(i=1,2,...,n)对其坐标信息
Figure BDA0002373792900000082
加密,即调用
Figure BDA0002373792900000083
并将密文
Figure BDA0002373792900000084
发送给辅助计算方A。
(b)聚类计算方S根据设施的数量,随机选择k个初始的聚类中心
Figure BDA0002373792900000085
并对其进行加密,即调用
Figure BDA0002373792900000086
然后将密文
Figure BDA0002373792900000087
发送给辅助计算方AS。
(3-2)聚类计算阶段
(A)在本阶段辅助计算方AS掌握所有客户坐标的密文
Figure BDA0002373792900000088
以及所有聚类中心坐标的密文
Figure BDA0002373792900000089
A进行如下运算:
Figure BDA0002373792900000091
辅助计算方AS将
Figure BDA0002373792900000092
发送给聚类计算方S。
(B)对于i=1,2,...,n,S对
Figure BDA0002373792900000093
进行解密得到,即调用
Figure BDA0002373792900000094
得到
Figure BDA0002373792900000095
将向量中值最小的元素序号记为t。令bi,t=1,bi,j≠t=0,计算向量Bi=([bi,1],[bi,2],…,[bi,k]),其中[bi,j]=Enc(pk,bi,j)。将{Bi}i=1,2,...,n发送给AS。
(C)对于i=1,2,...,n,AS对向量Bi=([bi,1],[bi,2],...,[bi,k])进行逆置换
Figure BDA0002373792900000096
得到Ai=([ai,1],[ai,2],...,[ai,k]),其中
Figure BDA0002373792900000097
其余ai,j=0。
(D)对于i=1,2,...,n,AS以
Figure BDA0002373792900000098
和Ai=([ai,1],[ai,2],...,[ai,k])为输入,与S调用乘法子协议,计算:
Figure BDA0002373792900000101
Figure BDA0002373792900000102
此时,AS能够获得两个n×k阶的矩阵:
Figure BDA0002373792900000103
(E)对于每个矩阵的第j列,j∈{1,...,k},AS计算
Figure BDA0002373792900000104
Figure BDA0002373792900000105
Figure BDA0002373792900000106
(F)对于j=1,...,k,AS随机选择
Figure BDA0002373792900000107
计算
Figure BDA0002373792900000108
Figure BDA0002373792900000109
发送给S。
(G)S解密得到
Figure BDA00023737929000001010
对于j=1,...,k,计算:
Figure BDA00023737929000001011
为本轮编号为j的聚类中心的坐标。
(F)重复(A)~(G),直到达到收敛条件。
输出:S输出k个聚类中心的坐标
Figure BDA00023737929000001012
作为设施的建设位置;位置提供方{Ci}i∈{1,...,n}无输出;辅助计算方AS无输出。
实施例2:
如图2所示,本公开实施例2提供了一种基于加密位置数据的设施选址系统,多个客户(位置提供终端)、辅助计算方AS(第一终端)和聚类计算方S(第二终端),所述位置提供终端与第一终端通信连接,第一终端与第二终端通信连接,所述位置提供终端、第一终端和第二终端执行本公开实施例1所述的基于加密位置数据的设施选址方法进行设施选址。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种基于加密位置数据的设施选址方法,其特征在于,包括以下步骤:
多个位置提供终端对其坐标信息进行加密后发送给第一终端;
第二终端根据设施的数量选择多个聚类中心,进行加密后发给第一终端;
第一终端和第二终端执行聚类算法,具体为:
第一终端以所有客户坐标的密文和所有聚类中心坐标的密文为输入,与第二终端执行乘法子协议,并输出第一计算结果给第二终端;
第二终端对第一计算结果进行解密并重新赋值排序后得到第二计算结果,输出第二计算结果给第一终端;
第一终端对第二计算结果进行逆变换后得到第三计算结果,第一终端以位置提供终端提供的精度坐标和第三计算结果为输入,与第二终端调用乘法子协议,得到第一矩阵和第二矩阵;
第一终端对第一矩阵和第二矩阵的某一列数据进行提取和计算后得到第四计算结果,第二终端根据接收到的第四计算结果,计算得到该列数据对应的编号所对应的聚类中心的坐标;
重复聚类算法的步骤,得到所有聚类中心的坐标作为设施的建设位置。
2.如权利要求1所述的基于加密位置数据的设施选址方法,其特征在于,所述加密和解密均采用加法同态加密方案。
3.如权利要求1所述的基于加密位置数据的设施选址方法,其特征在于,首先进行初始化设置,位置提供终端Ci(i=1,2,...,n)的输入为其坐标信息
Figure FDA0002373792890000011
第一终端的输入为公钥,第一终端的输入为公钥、私钥和设施的数量k;
位置提供终端对坐标信息加密后,将密文
Figure FDA0002373792890000012
发送给第一终端;
第二终端对聚类中心
Figure FDA0002373792890000013
进行加密后,将密文
Figure FDA0002373792890000014
发给第一终端。
4.如权利要求3所述的基于加密位置数据的设施选址方法,其特征在于,第一终端以所有客户坐标的密文和所有聚类中心坐标的密文为输入,与第二终端执行乘法子协议,并输出第一计算结果给第二终端,具体为:
计算
Figure FDA0002373792890000021
计算
与第二终端执行乘法子协议,得到
Figure FDA0002373792890000023
Figure FDA0002373792890000024
计算
Figure FDA0002373792890000025
计算
Figure FDA00023737928900000210
对向量([D1],[D2],...,[Dk])进行随机置换,即Πi(([D1],[D2],...,[Dk])),得到
Figure FDA0002373792890000026
作为第一计算结果。
5.如权利要求4所述的基于加密位置数据的设施选址方法,其特征在于,第二终端对第一计算结果进行解密得到
Figure FDA0002373792890000027
将向量中值最小的元素序号记为t。令bi,t=1,bi,j≠t=0,计算向量Bi=([bi,1],[bi,2],...,[bi,k])作为第二计算结果,其中[bi,j]=Enc(pk,bi,j)。
6.如权利要求5所述的基于加密位置数据的设施选址方法,其特征在于,第一终端对第二计算结果进行逆置换
Figure FDA00023737928900000211
得到Ai=([ai,1],[ai,2],...,[ai,k])作为第三计算结果,其中
Figure FDA0002373792890000028
其余ai,j=0。
7.如权利要求6所述的基于加密位置数据的设施选址方法,其特征在于,第一终端以位置提供终端提供的精度坐标和第三计算结果为输入,与第二终端调用乘法子协议,得到第一矩阵和第二矩阵,具体为:
Figure FDA0002373792890000029
Figure FDA0002373792890000031
第一终端能够获得两个n×k阶的矩阵,分别为第一矩阵M1和第二矩阵M2
Figure FDA0002373792890000032
8.如权利要求7所述的基于加密位置数据的设施选址方法,其特征在于,第一终端对第一矩阵和第二矩阵的某一列数据进行提取和计算后得到第四计算结果,具体为:
对于每个矩阵的第j列,j∈{1,...,k},第一终端计算:
Figure FDA0002373792890000033
Figure FDA0002373792890000034
Figure FDA0002373792890000035
对于j=1,...,k,第一终端随机选择
Figure FDA0002373792890000036
计算
Figure FDA0002373792890000037
Figure FDA0002373792890000038
作为第四计算结果发送给第二终端。
9.如权利要求7所述的基于加密位置数据的设施选址方法,其特征在于,解密得到
Figure FDA0002373792890000039
对于j=1,...,k,计算
Figure FDA00023737928900000310
为编号为j的聚类中心的坐标。
10.一种基于加密位置数据的设施选址系统,其特征在于,多个位置提供终端、第一终端和第二终端,所述位置提供终端与第一终端通信连接,第一终端与第二终端通信连接,所述位置提供终端、第一终端和第二终端执行权利要求1-9任一项所述的基于加密位置数据的设施选址方法进行设施选址。
CN202010059014.6A 2020-01-19 2020-01-19 一种基于加密位置数据的设施选址方法及系统 Active CN111291406B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010059014.6A CN111291406B (zh) 2020-01-19 2020-01-19 一种基于加密位置数据的设施选址方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010059014.6A CN111291406B (zh) 2020-01-19 2020-01-19 一种基于加密位置数据的设施选址方法及系统

Publications (2)

Publication Number Publication Date
CN111291406A true CN111291406A (zh) 2020-06-16
CN111291406B CN111291406B (zh) 2022-07-26

Family

ID=71024267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010059014.6A Active CN111291406B (zh) 2020-01-19 2020-01-19 一种基于加密位置数据的设施选址方法及系统

Country Status (1)

Country Link
CN (1) CN111291406B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379463A (zh) * 2021-06-29 2021-09-10 北京百度网讯科技有限公司 一种网点选址方法、装置、设备和存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103186819A (zh) * 2011-12-28 2013-07-03 象山县供电局 基于三维地理信息系统的电力设施选址二次优化方法
CN103745032A (zh) * 2013-12-18 2014-04-23 华锐风电科技(集团)股份有限公司 风场湍流计算方法及风电场微观选址方法、装置
US20150026461A1 (en) * 2013-07-22 2015-01-22 Dell Products, Lp System and Method to Create Resilient Site Master-key for Automated Access
CN105405079A (zh) * 2015-10-22 2016-03-16 海南图语地理信息技术有限公司 一种基于gis分析实现项目土地开发精准选址的系统和方法
CN107145792A (zh) * 2017-04-07 2017-09-08 哈尔滨工业大学深圳研究生院 基于密文数据的多用户隐私保护数据聚类方法及系统
CN107347061A (zh) * 2017-06-16 2017-11-14 哈尔滨工业大学深圳研究生院 基于安全多方下的时间序列异常检测方法及系统
CN108564218A (zh) * 2018-04-17 2018-09-21 东南大学 一种基于区域资源的高速公路服务区的选址方法
CN108600958A (zh) * 2018-04-25 2018-09-28 中国联合网络通信集团有限公司 用户引流方法、装置、终端及计算机可读存储介质
CN108712260A (zh) * 2018-05-09 2018-10-26 曲阜师范大学 云环境下保护隐私的多方深度学习计算代理方法
CN109039599A (zh) * 2018-07-06 2018-12-18 山东师范大学 支持盲密钥发行的属性基加解密方法及加解密系统
CN109615021A (zh) * 2018-12-20 2019-04-12 暨南大学 一种基于k均值聚类的隐私信息保护方法
CN109818729A (zh) * 2019-01-28 2019-05-28 东北大学 基于Paillier同态加密的隐私保护平均距离查询方法
CN110147682A (zh) * 2019-04-25 2019-08-20 安徽师范大学 基于改进四叉树的差分隐私保护方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103186819A (zh) * 2011-12-28 2013-07-03 象山县供电局 基于三维地理信息系统的电力设施选址二次优化方法
US20150026461A1 (en) * 2013-07-22 2015-01-22 Dell Products, Lp System and Method to Create Resilient Site Master-key for Automated Access
CN103745032A (zh) * 2013-12-18 2014-04-23 华锐风电科技(集团)股份有限公司 风场湍流计算方法及风电场微观选址方法、装置
CN105405079A (zh) * 2015-10-22 2016-03-16 海南图语地理信息技术有限公司 一种基于gis分析实现项目土地开发精准选址的系统和方法
CN107145792A (zh) * 2017-04-07 2017-09-08 哈尔滨工业大学深圳研究生院 基于密文数据的多用户隐私保护数据聚类方法及系统
CN107347061A (zh) * 2017-06-16 2017-11-14 哈尔滨工业大学深圳研究生院 基于安全多方下的时间序列异常检测方法及系统
CN108564218A (zh) * 2018-04-17 2018-09-21 东南大学 一种基于区域资源的高速公路服务区的选址方法
CN108600958A (zh) * 2018-04-25 2018-09-28 中国联合网络通信集团有限公司 用户引流方法、装置、终端及计算机可读存储介质
CN108712260A (zh) * 2018-05-09 2018-10-26 曲阜师范大学 云环境下保护隐私的多方深度学习计算代理方法
CN109039599A (zh) * 2018-07-06 2018-12-18 山东师范大学 支持盲密钥发行的属性基加解密方法及加解密系统
CN109615021A (zh) * 2018-12-20 2019-04-12 暨南大学 一种基于k均值聚类的隐私信息保护方法
CN109818729A (zh) * 2019-01-28 2019-05-28 东北大学 基于Paillier同态加密的隐私保护平均距离查询方法
CN110147682A (zh) * 2019-04-25 2019-08-20 安徽师范大学 基于改进四叉树的差分隐私保护方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宫娅宁等: "基于电动汽车充电需求的充电站选址定容研究", 《通信电源技术》 *
魏晓超等: "适用于智能环境的高效安全云辅助模式匹配协议", 《计算机研究与发展》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379463A (zh) * 2021-06-29 2021-09-10 北京百度网讯科技有限公司 一种网点选址方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN111291406B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
Liu et al. An efficient privacy-preserving outsourced calculation toolkit with multiple keys
CN107347096B (zh) 一种基于云服务器的位置隐私保护方法
WO2020143246A1 (zh) 一种结合区块链和秘密共享的去匿名化的方法及系统
CN107634836B (zh) 一种sm2数字签名生成方法及系统
WO2022237450A1 (zh) 多方安全计算方法、装置、设备及存储介质
CN107196926B (zh) 一种云外包隐私集合比较方法与装置
CN106961336A (zh) 一种基于sm2算法的密钥分量托管方法和系统
CN104219245B (zh) 面向基于位置服务的用户隐私保护系统及方法
CN111783129A (zh) 一种保护隐私的数据处理方法及系统
Natanael et al. Text encryption in android chat applications using elliptical curve cryptography (ECC)
CN110147681A (zh) 一种支持灵活访问控制的隐私保护大数据处理方法及系统
US10530581B2 (en) Authenticated broadcast encryption
CN109951292A (zh) 精简的sm9数字签名分离交互生成方法及系统
CN111291406B (zh) 一种基于加密位置数据的设施选址方法及系统
CN111555861B (zh) 基于位置隐私保护的云环境下圆形范围查询方法及系统
CN105141631A (zh) 一种终端、服务器及账户安全登录的方法、装置和系统
CN106850584A (zh) 一种面向客户/服务器网络的匿名认证方法
CN111368312B (zh) 一种隐藏位置信息的设施选址方法及系统
CN114362912A (zh) 基于分布式密钥中心的标识密码生成方法、电子设备及介质
EP3376706B1 (en) Method and system for privacy-preserving order statistics in a star network
KR20180005095A (ko) 정보 공유 방법 및 장치
CN114465708B (zh) 隐私数据处理方法及装置、系统、电子设备、存储介质
CN110321722B (zh) Dna序列相似率安全计算方法及系统
CN105812329A (zh) 用于复杂生产管理系统中的移动安全加密方法
CN117009723B (zh) 一种多方计算方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant