CN113193948B - 多参与方联合隐私数据统计分析方法、信息数据处理终端 - Google Patents
多参与方联合隐私数据统计分析方法、信息数据处理终端 Download PDFInfo
- Publication number
- CN113193948B CN113193948B CN202110312617.7A CN202110312617A CN113193948B CN 113193948 B CN113193948 B CN 113193948B CN 202110312617 A CN202110312617 A CN 202110312617A CN 113193948 B CN113193948 B CN 113193948B
- Authority
- CN
- China
- Prior art keywords
- data
- calculation
- private
- participating
- supervisor
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting 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
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/46—Secure multiparty computation, e.g. millionaire problem
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Abstract
本发明属于隐私数据分析和区块链应用技术领域,公开了一种多参与方联合隐私数据统计分析方法、信息数据处理终端,所有参与计算者进行身份信息注册;参与计算者、监管者生成公私钥;参与计算者向区块链提交押金;参与计算者生成联合公钥;联合隐私数据密文计算;联合获取私钥、解密。本发明通过区块链进行计算过程与结果的记录与存储,在没有可信第三方的参与下完成隐私数据统计相关性分析,能够保证多方参与计算时相互信任与保证计算的公平性;计算分析者通过提前部署好的智能合约达成共识,有效防止部分参与者恶意参与计算及计算过程终止,保证计算分析的高效、简洁和安全,具有去中心化,安全性和可监管性的优势。
Description
技术领域
本发明属于隐私数据分析和区块链应用技术领域,尤其涉及一种多参与方联合隐私数据统计分析方法、信息数据处理终端。
背景技术
目前,计算机与互联网的飞速发展,数据分析逐渐的被人们熟知与应用,现在数据相关性统计分析在市场调研,日常生活,企事业单位定位分析等等显得越来越重要。同时也带来了隐私问题,隐私权利被认为是一项个体最基本的权利,违反隐私权可能会对个人信息安全或者人身安全造成重大的影响。数据相关性分析处理可以为各行各业带来极大的价值,但是隐私安全问题又阻碍了数据相关性分析处理的进程。为此,对数据进行隐私保护的同时对信息进行合理的相关性分析成为了数据时代解决隐私问题的关键。
安全多方计算的提出与区块链技术的应用促进了解决隐私问题的发展,区块链记录和存证技术解决了传统模式中数据流转时常发生的造假问题,但由于多节点共同参与区块链系统的数据验证、存储和维护,使得数据隐私泄露风险增大,结合多方计算技术可有效应对数据隐私泄露问题。安全多方计算中的同态加密技术可以对加密数据进行处理,在处理过程中不会泄露任何的原始内容,同时,拥有密钥的用户对处理过得数据进行解密后,得到的结果与未加密的数据处理结果是相同的。若参与方恶意输入错误数据将影响整体计算结果,通过区块链对参与计算的数据以及计算过程进行加密存证,可有效追踪恶意输入,同时也有利于监管部门对敏感数据流通进行有效监管。利用区块链技术和安全多方计算技术,在保护隐私数据的同时提高统计相关性分析的准确性,实现对敏感数据的监管,保证数据可验证、计算过程可信。
通过上述分析,现有技术存在的问题及缺陷为:在现有的数据分析模型中,数据分析缺乏公平性,同时计算过程中,个人、企业隐私可能完全被暴露,造成不可挽回的损失,若是完全将信息保密,也可能产生不准确的预测结果影响发展。
解决以上问题及缺陷的难度为:如何保证计算分析者不会恶意输入,在规定的时间内完成计算并发送给下一个参与者;如何保证数据在不会泄露给其他参与计算者的情况下,完成计算分析,同时还能够被监管机构监管。
解决以上问题及缺陷的意义为:根据各参与分析者对自己隐私保护的需求,实现对参与分析者数据的隐私保护,同时完成各类统计相关性函数的计算;区块链上存储隐私数据及其计算过程,参与者通过区块链获取加密后的数据进行链下计算,尽可能保证整个计算的公平性,降低链上数据的存储成本。
发明内容
针对现有技术存在的问题,本发明提供了一种多参与方联合隐私数据统计分析方法、信息数据处理终端,尤其涉及一种基于区块链的多参与方联合隐私数据统计分析方法。
本发明是这样实现的,一种多参与方联合隐私数据统计分析方法,所述多参与方联合隐私数据统计分析方法包括以下步骤:
步骤一,所有参与计算者进行身份信息注册;
步骤二,参与计算者、监管者生成公私钥;
步骤三,参与计算者向区块链提交押金;(尽可能保证参与方诚实参与计算)
步骤四,参与计算者生成联合公钥;(密钥分布式存储,防止合谋攻击)
步骤五,联合隐私数据密文计算;(对隐私密文进行处理)
步骤六,联合获取私钥、解密。
进一步,步骤一中,所述参与者存在两种身份:监管者和计算分析者;其中,所述监管者包括监管机构和政府单位,负责监管敏感数据的流通;所述计算分析者包括需要数据分析的某类企业或者企事业单位,负责提供隐私数据参与计算,共同维护分布式账本。
进一步,步骤一中,所述所有参与计算者进行身份信息注册,包括:
参与计算者调用注册智能合约,注册用户信息包括:IDc,公钥pkc,钱包地址addressc。
进一步,步骤二中,所述参与计算者、监管者生成公私钥,包括:
监管者运行“Elgamal变体”加密算法,生成公钥Jpk,私钥Jsk,同时生成零知识证明参数ZJ。向全网公布(Jpk,ZJ)。
进一步,步骤三中,所述参与计算者向区块链提交押金,包括:
参与分析者向合约账户发送押金,押金数额N按照参与分析者人数比例确定,由智能合约统一管理。
进一步,步骤四中,所述参与计算者生成联合公钥,包括:
进一步,步骤五中,所述联合隐私数据密文计算,包括:
随机选定P1作为第一个计算者,生成随机数R,将自己的数据与随机数混合。若进行加法运算,则数据与随机数R相加;若进行乘法运算,则与随机数R相乘;其他类似。各参与者Pi联合进行隐私数据密文计算,具体步骤参考隐私数据计算协议,Pi在参与分析计算时,用监管者的公钥Jpk对自己的数据进行加密,并发送到区块链上。监管者可随时发起挑战,让参与分析者证明参与计算的数据与用监管者的公钥加密的数据是一致的。若参与分析者参与计算的数据与用监管者的公钥加密的数据不一致,则终止计算并将证明失败的参与计算者的押金平分给其他参与计算者。
进一步,所述隐私数据计算协议,包括:
参与计算者Pi(1≤i≤n)分别拥有数据x1,x2,……,xn。
(1)P1选择随机数R,进行加密计算得到其中,所述代表某种运算,不指代异或运算,下同),将M1发送给P1,N1发送到区块链网络上;监管者向P1发起挑战,P1需向监管者证明M1,N1中包含的明文是相同的;
(2)Pi(2≤i≤n)加密各自手中的数据得到Mi=Epk(xi),Ni=EJpk(xi),将Ni发送到区块链网络上;
(3)每一个Pi(2≤i≤n):
3)发送Ai给Pi+1,当i=n时,将An发送给P1;
进一步,步骤六中,所述联合获取私钥、解密,包括:
参与方成功计算并获取各种数据后,在步骤三提交的押金将全部原路返回。
进一步,在所述步骤四至步骤六中,各参与方若在规定的时间内未做出响应,则扣除所有押金,将押金平分给其他参与分析者;若隐私数据分析成功,押金则全部原路返回。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的多参与方联合隐私数据统计分析方法,能够保证多方参与计算时相互信任与保证计算的公平性。计算分析者通过提前部署好的智能合约达成共识,有效防止部分参与者恶意参与计算以及计算过程终止,保证计算分析的高效、简洁和安全,使该方法具有去中心化,安全性和可监管性。
本发明首次提出了多参与方联合隐私数据统计相关性分析的方法,设计出新的有隐私数据相关性计算方式,在实现数据隐私的前提下,通过区块链完成多参与方联合数据统计分析,对参与计算的数据以及计算过程在区块链上进行加密存证,有效追踪恶意输入;隐私计算开始前通过提交押金的方式尽可能保证参与计算者完成计算,不会出现中途恶意退出、输入错误结果等行为。通过本发明提供的数据分析方法,可进行大部分的统计相关性函数的计算。
本发明提出的新的多参与方联合隐私数据的统计相关性分析,通过区块链进行计算过程与结果的记录与存储,在没有可信第三方的参与下完成隐私数据统计相关性分析。
本发明在上述方法下设计了一种隐私数据计算协议,该协议通过同态加密算法实现加减乘除等各种运算,而不会泄露各自的数据,同时监管者可要求计算者证明参与计算中的数据与提供给自己的数据是一致的,实现对数据的监管。其中隐私数据计算部分全部在链下进行,只将数据的授权,用法等权限放于链上,解决大量数据上链导致的多节点共识行为影响性能效率问题,同时也降低了链上数据的存储成本。
在本发明中,多参与方联合隐私数据的统计相关性分析的主体为监管者,参与计算者,这两种参与方均为同一个联盟链的节点,在联盟链已经提前部署了注册智能合约与押金存储合约,其中注册智能合约用于参与分析者身份的注册和查询基本信息,押金存储合约用于控制各参与方计算的公平性,防止参与计算者恶意输入或者在规定的时间内无响应而影响整个计算结果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的多参与方联合隐私数据统计分析方法流程图。
图2是本发明实施例提供的多参与方联合隐私数据统计分析方法原理图。
图3是本发明实施例提供的多参与方隐私数据统计相关性分析信息交互图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种多参与方联合隐私数据统计分析方法、信息数据处理终端,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的多参与方联合隐私数据统计分析方法包括以下步骤:
S101,所有参与计算者进行身份信息注册;
S102,参与计算者、监管者生成公私钥;
S103,参与计算者向区块链提交押金;
S104,参与计算者生成联合公钥;
S105,联合隐私数据密文计算;
S106,联合获取私钥、解密。
本发明实施例提供的多参与方联合隐私数据统计分析方法如图2所示。
本发明实施例提供的多参与方隐私数据统计相关性分析信息交互图见图3。
本发明提出的基于区块链的多参与方联合隐私数据统计相关性分析流程如下:
步骤一:所有参与者注册身份信息
参与计算者调用注册智能合约,注册用户信息包括:IDc,公钥pkc,钱包地址addressc。
步骤二:
n个参与分析者Pi在本地运行“Elgamal变体”加密算法(也可使用其他加密算法,只要保证加密算法具有同态属性即可,下同),其中加密系统参数都为(g,p,α),生成公钥pki,私钥xi,其中公钥同时生成零知识证明参数Zi,各参与方将公钥pki发送到区块链网络。
监管者运行“Elgamal变体”加密算法,生成公钥Jsk,私钥Jsk,同时生成零知识证明参数ZJ。向全网公布(Jpk,ZJ)。
步骤三:
参与分析者向合约账户发送押金,押金数额N按照参与分析者人数比例确定,由智能合约统一管理。
步骤四:
步骤五:
随机选定P1作为第一个计算者,生成随机数R,将自己的数据与随机数混合。若进行加法运算,则数据与随机数R相加;若进行乘法运算,则与随机数R相乘;其他类似。各参与者Pi联合进行隐私数据密文计算,具体步骤参考隐私数据计算协议,Pi在参与分析计算时,用监管者的公钥Jpk对自己的数据进行加密,并发送到区块链上。监管者可随时发起挑战,让参与分析者证明参与计算的数据与用监管者的公钥加密的数据是一致的。若参与分析者参与计算的数据与用监管者的公钥加密的数据不一致,则终止计算并将证明失败的参与计算者的押金平分给其他参与计算者。
步骤六:
参与方成功计算并获取各种数据后,在步骤三提交的押金将全部原路返回。
在上述步骤四至步骤六中,各参与方若在规定的时间内未做出响应,则扣除所有押金,将押金平分给其他参与分析者;若隐私数据分析成功,押金则全部原路返回。
本发明提出的隐私数据计算协议如下:
参与计算者Pi(1≤i≤n)分别拥有数据x1,x2,……,xn。
监管者向P1发起挑战,P1需向监管者证明M1,N1中包含的明文是相同的;
Step2:Pi(2≤i≤n)加密各自手中的数据得到Mi=Epk(xi),Ni=EJpk(xi),将Ni发送到区块链网络上;
Step3:每一个Pi(2≤i≤n)
3、发送Ai给Pi+1,当i=n时,将An发送给P1;
下面结合实施例对本发明的技术方案作进一步描述。
计算者P1拥有数据(a1,a2,a3),计算者P2拥有数据(b1,b2),计算者P3拥有数据(c1,c2,c3,c4),P1,P2,P3三者联合计算分布式数据集的方差,而并不泄露各自拥有的数据。
计算方差公式:
本发明对其进行形式上的改变,即:
则分布式数据集的方差公式为:
方差分析提交的数据如表1所示。
表1参与分析者提交数据表
按照本发明提出的多参与方联合隐私数据统计相关性分析流程进行:
步骤一:参与者注册身份信息
参与计算者P1,P2,P3调用注册智能合约,分别注册身份信息:{IDc,pkc,adddressc},其中IDc为参与者身份信息,pkc为公钥,addressc为钱包地址。
步骤二:
P1,P2,P3分别在本地运行“Elgamal变体”加密算法(满足加法同态),其中加密系统参数都为(g,p,α),生成公钥pk1,pk2,pk3,私钥x1,x2,x3,其中公钥同时生成零知识证明参数Z1,Z2,Z3
监管者运行“Elgamal变体”加密算法,生成公钥Jpk,私钥Jsk,同时生成零知识证明参数ZJ。向全网公布(Jpk,ZJ)。
步骤三:
P1,P2,P3分别向合约账户提交押金4token(此处选择押金为N=(n-1)2,n为参与计算人数)。
步骤四:
各参与分析者Pi从链上获取其他分析者的公钥,并在链下联合生成公钥pk=pk1·pk2·pk3modp;此时P1,P2,P3都拥有联合公钥pk。
步骤五:
(1)P1选择随机数R1,R2,R3,
监管者向P1发起挑战,P1证明Epk(a1+a2+a3+R1)与EJpk(a1+a2+a3+R1),
利用从P1接受到的数据进行密文计算得到
并将其发送给P3。
监管者向P2发起挑战,P1证明EJpk(b1+b2)·EJpk(a1+a2+a3+R1)与Epk(a1+a2+a3+R1+b1+b2)中的明文数据是相同的,另外两组进行相同的操作。
(3)P3对自己的数据进行与P2相同的计算方式,将得到的结果
Epk(a1+a2+a3+R1+b1+b2+c1+c2+c3+c4),
Epk(3+R3+2+4).发送给P1;
其他操作与(2)中的操作相同。
(4)P1接收到数据后,进行如下计算:
Epk(a1+a2+a3+R1+b1+b2+c1+c2+c3+c4)·Epk(-R1)
Epk(3+R3+2+4)·Epk(-R3)
并将其发送到区块链网络上。
步骤六:
P1,P2,P3将各自手中的私钥xi发送至区块链网络,三方可获得联合私钥sk=x1+x2+x3,同时P2,P3从区块链上获取数据:
A=Epk(a1+a2+a3+b1+b2+c1+c2+c3+c4)
C=Epk(3+R3+2+4)
获得数据后,合约账户中的押金4token将全部返回原账户。
P1,P2,P3可分别利用私钥sk解密得到Dsk(A),Dsk(B),Dsk(C)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种多参与方联合隐私数据统计分析方法,其特征在于,所述多参与方联合隐私数据统计分析方法包括以下步骤:
步骤一,所有参与计算者进行身份信息注册;
步骤二,参与计算者、监管者生成公私钥;
步骤三,参与计算者向区块链提交押金;
步骤四,参与计算者生成联合公钥;
步骤五,联合隐私数据密文计算;
步骤六,联合获取私钥、解密;
步骤五中,所述联合隐私数据密文计算,包括:随机选定P1作为第一个计算者,生成随机数R,将自己的数据与随机数混合;若进行加法运算,则数据与随机数R相加;若进行乘法运算,则与随机数R相乘;其他类似;各参与计算者Pi联合进行隐私数据密文计算,具体步骤参考隐私数据计算协议,Pi在参与分析计算时,用监管者的公钥Jpk对自己的数据进行加密,并发送到区块链上;监管者可随时发起挑战,让参与计算者证明参与计算的数据与用监管者的公钥加密的数据是一致的;若参与计算者参与计算的数据与用监管者的公钥加密的数据不一致,则终止计算并将证明失败的参与计算者的押金平分给其他参与计算者;
所述隐私数据计算协议,包括:参与计算者Pi,1≤i≤n分别拥有数据x1,x2,……,xn;
(1)P1选择随机数R,进行加密计算得到其中,所述代表某种运算,不指代异或运算,下同,将M1发送给P1,N1发送到区块链网络上;监管者向P1发起挑战,P1需向监管者证明M1,N1中包含的明文是相同的;
(2)Pi,2≤i≤n加密各自手中的数据得到Mi=Epk(xi),Ni=EJpk(xi),将Ni发送到区块链网络上;
(3)每一个Pi,2≤i≤n:
3)发送Ai给Pi+1,当i=n时,将An发送给P1;
参与方成功计算并获取各种数据后,在步骤三提交的押金将全部原路返回;
在所述步骤四至步骤六中,各参与方若在规定的时间内未做出响应,则扣除所有押金,将押金平分给其他参与计算者;若隐私数据分析成功,押金则全部原路返回。
2.如权利要求1所述的多参与方联合隐私数据统计分析方法,其特征在于,步骤一中,所述参与计算者存在两种身份:监管者和计算分析者;其中,所述监管者包括监管机构和政府单位,负责监管敏感数据的流通;所述计算分析者包括需要数据分析的某类企业或者企事业单位,负责提供隐私数据参与计算,共同维护分布式账本。
3.如权利要求1所述的多参与方联合隐私数据统计分析方法,其特征在于,步骤一中,所述所有参与计算者进行身份信息注册,包括:参与计算者调用注册智能合约,注册用户信息包括:IDc,公钥pkc,钱包地址addressc。
5.如权利要求1所述的多参与方联合隐私数据统计分析方法,其特征在于,步骤三中,所述参与计算者向区块链提交押金,包括:参与计算者向合约账户发送押金,押金数额N按照参与计算者人数比例确定,由智能合约统一管理。
7.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现权利要求1~6任意一项所述的多参与方联合隐私数据统计分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312617.7A CN113193948B (zh) | 2021-03-24 | 2021-03-24 | 多参与方联合隐私数据统计分析方法、信息数据处理终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312617.7A CN113193948B (zh) | 2021-03-24 | 2021-03-24 | 多参与方联合隐私数据统计分析方法、信息数据处理终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113193948A CN113193948A (zh) | 2021-07-30 |
CN113193948B true CN113193948B (zh) | 2022-03-15 |
Family
ID=76973733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110312617.7A Active CN113193948B (zh) | 2021-03-24 | 2021-03-24 | 多参与方联合隐私数据统计分析方法、信息数据处理终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113193948B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114124346B (zh) * | 2021-11-10 | 2024-04-30 | 浪潮云信息技术股份公司 | 一种利用区块链背书机制实现ElGamal多重解密的方法 |
CN114124347A (zh) * | 2021-11-15 | 2022-03-01 | 浪潮云信息技术股份公司 | 一种基于区块链的安全多方计算方法及系统 |
CN114422142A (zh) * | 2022-01-11 | 2022-04-29 | 浪潮云信息技术股份公司 | 一种基于椭圆曲线的ElGamal多重解密方法及系统 |
CN115941230A (zh) * | 2022-01-11 | 2023-04-07 | 浪潮云信息技术股份公司 | 一种基于区块链保护隐私的监管方法及系统 |
CN114938310B (zh) * | 2022-06-28 | 2023-02-10 | 湖南大学 | 一种基于隐私保护的药物相似性计算方法 |
CN115587897B (zh) * | 2022-11-25 | 2023-06-30 | 杭州煋辰数智科技有限公司 | 一种基于隐私计算的警税联合分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241016A (zh) * | 2018-08-14 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 多方安全计算方法及装置、电子设备 |
CN109840771A (zh) * | 2019-04-01 | 2019-06-04 | 西安电子科技大学 | 一种基于同态加密的区块链隐私保护系统及其方法 |
US10708071B1 (en) * | 2018-07-12 | 2020-07-07 | Protocol Labs, Inc. | Consensus protocols in distributed computing systems |
CN112487468A (zh) * | 2020-12-21 | 2021-03-12 | 暨南大学 | 基于区块链的可追踪的完全匿名电子投票方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107453865B (zh) * | 2017-07-18 | 2020-09-11 | 众安信息技术服务有限公司 | 一种保护数据发送源隐私的多方数据共享方法及系统 |
US11170366B2 (en) * | 2018-05-18 | 2021-11-09 | Inveniam Capital Partners, Inc. | Private blockchain services |
CN110839026B (zh) * | 2019-11-12 | 2022-04-01 | 深圳市迅雷网络技术有限公司 | 基于区块链的数据处理方法及相关设备 |
CN112380565A (zh) * | 2020-11-20 | 2021-02-19 | 天翼电子商务有限公司 | 一种基于可信硬件与区块链的安全多方计算方法 |
-
2021
- 2021-03-24 CN CN202110312617.7A patent/CN113193948B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10708071B1 (en) * | 2018-07-12 | 2020-07-07 | Protocol Labs, Inc. | Consensus protocols in distributed computing systems |
CN109241016A (zh) * | 2018-08-14 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 多方安全计算方法及装置、电子设备 |
CN109840771A (zh) * | 2019-04-01 | 2019-06-04 | 西安电子科技大学 | 一种基于同态加密的区块链隐私保护系统及其方法 |
CN112487468A (zh) * | 2020-12-21 | 2021-03-12 | 暨南大学 | 基于区块链的可追踪的完全匿名电子投票方法及系统 |
Non-Patent Citations (2)
Title |
---|
Smart Contract Based Multi-Party Computation with Privacy Preserving and Settlement Addressed;Xin Pei等;《2018 Second World Conference on Smart Trends in Systems, Security and Sustainability (WorldS4)》;20190117;全文 * |
利用区块链构建公平的安全多方计算;黄建华等;《计算机应用研究》;20181105;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113193948A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113193948B (zh) | 多参与方联合隐私数据统计分析方法、信息数据处理终端 | |
Xu et al. | Hybridalpha: An efficient approach for privacy-preserving federated learning | |
CN107911216B (zh) | 一种区块链交易隐私保护方法及系统 | |
CN108418680B (zh) | 一种基于安全多方计算技术的区块链密钥恢复方法、介质 | |
Wang et al. | Secure optimization computation outsourcing in cloud computing: A case study of linear programming | |
Wang et al. | Privacy-preserving public auditing for data storage security in cloud computing | |
US10630486B2 (en) | Multiparty computation for approving digital transaction by utilizing groups of key shares | |
Regueiro et al. | Privacy-enhancing distributed protocol for data aggregation based on blockchain and homomorphic encryption | |
US10637670B2 (en) | Multiparty computation of a digital signature of a transaction with advanced approval system | |
US11411742B2 (en) | Private set calculation using private intersection and calculation, and applications thereof | |
CN109561110A (zh) | 一种基于sgx的云平台审计日志保护方法 | |
CN113127926B (zh) | 隐私数据统计相关性分析方法、系统、存储介质、计算机 | |
Tang et al. | Privacy-preserving authentication scheme based on zero trust architecture | |
Yang et al. | Efficient and anonymous multi‐message and multi‐receiver electronic health records sharing scheme without secure channel based on blockchain | |
Techapanupreed et al. | Enhancing transaction security for handling accountability in electronic health records | |
Wu et al. | The survey on the development of secure multi-party computing in the blockchain | |
Cui et al. | Towards Multi-User, Secure, and Verifiable $ k $ NN Query in Cloud Database | |
Zhang et al. | Distributed ciphertext-policy attribute-based encryption with enhanced collusion resilience and privacy preservation | |
CN114398662A (zh) | 基于安全多方计算的隐私保护机器学习推理方法及系统 | |
Geetha et al. | Blockchain based Mechanism for Cloud Security | |
Yang et al. | Secure and Efficient Data Sharing for IoT Based On Blockchain and Reputation Mechanism | |
Qiao et al. | Blockchain-based multi-institution collaborative credit evaluation modeling method | |
Zhao et al. | A regulatable mechanism for transacting data assets | |
Li et al. | Publicly traceable attribute-based anonymous authentication and its application to voting | |
Zhang et al. | Attribute Based Conjunctive Keywords Search with Verifiability and Fair Payment Using Blockchain |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 710071 Xi'an Electronic and Science University, 2 Taibai South Road, Shaanxi, Xi'an Applicant after: XIDIAN University Applicant after: Xi'an Lianrong Technology Co., Ltd Address before: 710071 Xi'an Electronic and Science University, 2 Taibai South Road, Shaanxi, Xi'an Applicant before: XIDIAN University Applicant before: Xi'an Xidian Lianrong Technology Co., Ltd |
|
GR01 | Patent grant | ||
GR01 | Patent grant |