CN116245669B - 一种基于同态加密及分类优化的财务审计方法和系统 - Google Patents
一种基于同态加密及分类优化的财务审计方法和系统 Download PDFInfo
- Publication number
- CN116245669B CN116245669B CN202310487853.1A CN202310487853A CN116245669B CN 116245669 B CN116245669 B CN 116245669B CN 202310487853 A CN202310487853 A CN 202310487853A CN 116245669 B CN116245669 B CN 116245669B
- Authority
- CN
- China
- Prior art keywords
- audit
- server
- transaction
- client
- financial
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种基于同态加密及分类优化的财务审计方法,客户端接收用户上传的财务文书和交易流水表单,其中,财务文书包括待审计文书和审计规定;采用文本识别模型对待审计文书和交易流水表单进行识别,分别得到审计事实和交易流水数据;对于审计事实和审计规定,采用文本问题分类模型进行语义识别,得到文本问题分类;对于交易流水数据,通过客户端对数据进行加密,上传至服务器,由服务器执行计算后,将数据发送至第三方审计系统,第三方审计系统判断是否交易收支平衡,并将结果返回至服务器。
Description
技术领域
本发明属于财务审计领域,具体涉及一种基于同态加密及分类优化的财务审计方法和系统。
背景技术
财务审计是审计机构按照一定的标准,对企业的资产,交易进行监督的一种机制,可以包括文书审计和与财务相关的交易流水审计。
随着互联网的发展,第三方审计机构可以通过服务器对企业上传的数据进行审计。然而,这种情况下,需要企业上传内部数据,这容易导致企业敏感信息泄露,造成安全隐患。因此,通常的做法,是对企业数据进行加密后,上传至服务器。然而,与之而来的,第三方审计机构需要下载加密数据,解密后进行审计的计算,对此,仍不能完全保证企业敏感信息的安全性。并且,由于审计的数据量比较大,第三方审计机构在本地进行解密和数据计算时,对硬件设备要求较高。
对于文书审计,一般需要人工进行审查,针对文书中涉及到的审计事实,结合审计规定,给出问题分类,然而这样耗费人力和时间,并且,即使采用了智能语义模型进行识别,由于文本量大,对硬件设备要求较高。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种基于同态加密及分类优化的财务审计方法和系统。
本发明是通过以下技术方案实现的:
客户端接收用户上传的财务文书和交易流水表单,其中,财务文书包括待审计文书和审计规定;采用文本识别模型对待审计文书和交易流水表单进行识别,其中,文本识别模型包括针对财务审计的语义词典,文本识别模型根据语义词典对待审计文书和交易流水表单进行识别,分别得到审计事实和交易流水数据;交易流水数据中包括输入输出交易以及相应的金额。
对审计事实和审计规定,采用文本问题分类模型,得到文本问题分类;其中,文本问题分类模型包括输入层,隐含层和输出层;输入层分别对审计事实和审计规定采用bert模型提取词向量,隐含层中将所述词向量输入Bi-GRU模型提取特征向量,输出层中,将审计事实和审计规定得到的特征向量进行融合,将融合后的特征向量采用BiLSTM模型进行文本问题分类,得到分类结果。
对于交易流水数据,通过以下步骤进行审计:
步骤1:客户端向服务器发起认证请求,该认证请求用于建立与服务器的连接;
步骤2:建立连接后,服务器向客户端发送密钥,客户端采用密钥对交易流水信息进行加密,并上传至服务器;
步骤3:第三方审计系统对服务器中加密后的交易流水数据进行审计,得到审计结果。
具体过程包括如下步骤:
步骤2.1:定义参数S,E,随机选取私钥sk←[0,S],公钥pk=,其中,q为设定的素数,gq为阶数为q的有限循环群G的生成元;输出密钥对(pk,sk),对于输入金额为Min,i的第i笔交易和输出金额为Mout,j的第j笔交易,随机生成rin,i←[0,E],rout,j←[0,E],对信息进行加密后得到/>=/>;/>;/>=/>;/>;将(/>,/>)和(/>,/>)上传至服务器,其中,f为G的阶数为q的唯一循环群的生成元;
步骤2.2:服务器端,对于总输入金额为Min的n笔交易输入和总输出金额为Mout的n′笔交易输出,对于第i笔输入交易和第j笔输出交易,
计算Cin=();Cout=(/>);
随机生成rs←[0,E],计算R=,/>;计算/>=H(R,/>,Cout,Cin),其中,H为哈希函数,随机生成rt←[0,E],计算zt=rt+/>xt;其中,xt=/>-/>;将(/>,zt),(,/>)和(/>,/>)发送至第三方审计系统;
步骤3.1:第三方审计系统接收到数据后,计算:
R’=;/>=/>;
当且仅当=H(R’,/>,Cout,Cin)时,交易收支平衡,审计结果通过,输出1,否则不通过,输出0;
步骤3.2:第三方审计系统将审计结果返回服务器,由服务器将结果返回至客户端。
客户端收集财务文书的文本问题分类结果反馈,根据用户反馈的结果,对文本问题分类中的数据进行标记,在空闲时,将标记的数据作为样本,对本地局部文本问题分类模型进行重新训练,将训练后的局部文本问题分类模型参数反馈至服务器,服务器定期根据多个客户端返回的参数,与其他客户端更新的局部模型参数聚合到全局文本问题分类模型中,将更新后的文本问题分类模型参数返回至客户端。
其中,在每次迭代训练时,针对文本问题分类模型的隐含层随机生成掩码,由此生成本地局部文本问题分类模型,并且采用随机梯度下降法对模型参数进行优化;对于第t次迭代,对于损失函数Loss,给定固定的学习率η,模型参数θ迭代更新公式为:θt+1←θt−η∇Loss。模型训练过程中,采用如下损失函数判断是否停止迭代:Loss=;其中,A表示训练样本数,D为分类数量;Yt第t次训练第d个样本属于分类a的预测的后验概率,X为第d个样本属于分类a的真实后验概率。
本发明还涉及一种基于同态加密及分类优化的财务审计系统,包括客户端,服务器和第三方审计系统,所述客户端,服务器和第三方审计系统进行通信,以现上述的方法。
本发明还涉及一种计算机设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现上述方法。
本发明还涉及一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述方法。
与现有技术相比,本发明的有益效果是:为了不把用户敏感信息泄露给云服务商或者第三方,数据存储到服务器前对数据进行同态加密处理,针对服务器存储的数据,大量的加密运算在服务器端进行,第三方审计机构只需要验证极少的值,就可以完成交易数据的审计,节约了审计机构的运行成本,实现高效、高速审计,并且确保了企业敏感数据的安全性。
另外,本发明可以对待审查文书进行自动识别,减少了人工成本。首先采用文本模型从待审查文书中提取审计事实,剔除了文书中无用的信息,降低了后续文本问题分类模型需要处理的数据量。并且,由于文本问题分类模型运行于客户端,需要定期更新模型,本发明采用联邦学习及时更新模型,实现了分类持续优化,通过随机梯度下降算法,提高了本地模型的迭代更新速度,减少了计算量,降低了运行成本。
本发明提供的方法和系统中,既可以对财务文书进行智能审查,又可以使得审查机构对交易数据进行审查,实现了全自动,全面的财务审查。
附图说明
图1:本申请中的财务审计方法流程图。
图2:文本问题分类模型结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
本申请中,客户端接收用户上传的财务文书和交易流水表单,其中,财务文书包括待审计文书和审计规定;采用文本识别模型对待审计文书和交易流水表单进行识别,其中,文本识别模型包括针对财务审计的语义词典,文本识别模型根据语义词典对待审计文书和交易流水表单进行识别,分别得到审计事实和交易流水数据;交易流水数据中包括输入输出交易以及相应的金额。
对审计事实和审计规定,采用文本问题分类模型中,得到文本问题分类。图2为本发明文本问题分类模型结构示意图,文本问题分类模型包括输入层,隐含层和输出层;输入层分别对审计事实和审计规定采用bert模型提取词向量,隐含层中将所述词向量输入Bi-GRU模型提取特征向量,输出层中,将审计事实和审计规定得到的特征向量进行融合,将融合后的特征向量采用BiLSTM模型进行文本问题分类,得到分类结果。
对于交易流水数据,通过以下步骤进行审计:
步骤1:客户端向服务器发起认证请求,该认证请求用于建立与服务器的连接;步骤2:建立连接后,服务器向客户端发送密钥,客户端采用密钥对交易流水信息进行加密,并上传至服务器;
步骤3:第三方审计系统对服务器中加密后的交易流水数据进行审计,得到审计结果。
具体审计过程包括如下步骤:
步骤2.1:定义参数S,E,随机选取私钥sk←[0,S],公钥pk=,其中,q为设定的素数,gq为阶数为q的有限循环群G的生成元;输出密钥对(pk,sk),对于输入金额为Min,i的第i笔交易和输出金额为Mout,j的第j笔交易,随机生成rin,i←[0,E],rout,j←[0,E],对信息进行加密后得到/>=/>;/>;/>=/>;/>;将(/>,/>)和(/>,/>)上传至服务器,其中,f为G的阶数为q的唯一循环群的生成元;
步骤2.2:服务器端,对于总输入金额为Min的n笔交易输入和总输出金额为Mout的n′笔交易输出,对于第i笔输入交易和第j笔输出交易,
计算Cin=();Cout=(/>);
随机生成rs←[0,E],计算R=,/>;计算/>=H(R,/>,Cout,Cin),其中,H为哈希函数,随机生成rt←[0,E],计算zt=rt+/>xt;其中,xt=/>-/>;将(/>,zt),(,/>)和(/>,/>)发送给第三方审计系统;
步骤3.1:第三方审计系统接收到数据后,计算:
R’=;/>=/>;其中(/>,)和(/>,/>)为加密后的密文;
当且仅当=H(R’,/>,Cout,Cin)时,交易收支平衡,审计结果通过,输出1,否则不通过,输出0;
步骤3.2:第三方审计系统将审计结果返回服务器,由服务器将结果返回至客户端。
图1为本申请财务审计方法流程图,从图中可以看出,第三方审计机构并不直接获得客户端中的审计数据,因此,保证了企业敏感数据的信息安全,并且服务器中的数据为加密后的数据,云服务商也无法直接获得企业数据。
客户端收集财务文书的文本问题分类结果反馈,即由用户判断分类结果是否准确,根据用户反馈的结果,相当于对相应的文本问题分类进行了重新标记,因此,在空闲时,基于收集到的进行了重新标记的数据,将其作为训练样本,对本地局部文本问题分类模型进行重新训练,将训练后的局部文本问题分类模型参数反馈至服务器,服务器定期根据多个客户端返回的参数,与其他客户端更新的局部模型参数聚合到全局文本问题分类模型中,将更新后的文本问题分类模型参数返回至客户端。
在每次迭代训练时,针对本地文本问题分类模型的隐含层随机生成掩码,,由此生成本地局部文本问题分类模型,并且采用随机梯度下降法对模型参数进行优化。对于第t次迭代,对于损失函数Loss,给定固定的学习率η,模型参数θ迭代更新公式为:θt+1←θt−η∇Loss。模型训练过程中,采用如下损失函数判断是否停止迭代:Loss=;其中,A表示训练样本数,D为分类数量;Yt第t次训练第d个样本属于分类a的预测的后验概率,X为第d个样本属于分类a的真实后验概率。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,除非另有说明,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
最后应说明的是,上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
Claims (10)
1.一种基于同态加密及分类优化的财务审计方法,其特征在于:客户端接收用户上传的财务文书和交易流水表单,其中,财务文书包括待审计文书和审计规定;采用文本识别模型对待审计文书和交易流水表单进行识别,其中,文本识别模型包括针对财务审计的语义词典,文本识别模型根据语义词典对待审计文书和交易流水表单进行识别,分别得到审计事实和交易流水数据;交易流水数据中包括输入输出交易以及相应的金额;
对审计事实和审计规定,采用文本问题分类模型进行检测,得到文本问题分类;其中,文本问题分类模型依次包括输入层,隐含层和输出层;输入层分别对审计事实和审计规定采用bert模型提取词向量,隐含层中将所述词向量输入Bi-GRU模型提取特征向量,输出层中,将审计事实和审计规定得到的特征向量进行融合,将融合后的特征向量采用BiLSTM模型进行文本问题分类,得到分类结果;
对于交易流水数据,通过以下步骤进行审计:
步骤1:客户端向服务器发起认证请求,该认证请求用于建立与服务器的连接;步骤2:建立连接后,服务器向客户端发送密钥,客户端采用密钥对交易流水信息进行加密,并上传至服务器;
步骤3:第三方审计系统对服务器中加密后的交易流水数据进行审计,得到审计结果;
具体包括如下步骤:
步骤2.1:定义参数S,E,随机选取私钥sk←[0,S],公钥pk=,其中,q为设定的素数,gq为阶数为q的有限循环群G的生成元;输出密钥对(pk,sk),对于输入金额为Min,i的第i笔交易和输出金额为Mout,j的第j笔交易,随机生成rin,i←[0,E],rout,j←[0,E],对信息进行加密后得到/>=/>;/>;/>=/>;/>;将(/>,/>)和(/>,/>)上传至服务器,其中,f为G的阶数为q的唯一循环群的生成元;
步骤2.2:服务器端,对于总输入金额为Min的n笔交易输入和总输出金额为Mout的n′笔交易输出,对于第i笔输入交易和第j笔输出交易,
计算Cin=();Cout=(/>);
随机生成rs←[0,E],计算R=,/>;计算/>=H(R,/>,Cout,Cin),其中,H为哈希函数,随机生成rt←[0,E],计算zt=rt+/>xt;其中,xt=/>-/>;将(/>,zt),(/>,)和(/>,/>)发送给第三方审计系统;
步骤3.1:第三方审计系统接收到数据后,计算:
R’=;/>=/>;
当且仅当=H(R’,/>,Cout,Cin)时,交易收支平衡,审计结果通过,输出1,否则不通过,输出0;
步骤3.2:第三方审计系统将审计结果返回服务器,由服务器将结果返回至客户端。
2.根据权利要求1所述的财务审计方法,其特征在于:客户端收集财务文书的文本问题结果反馈,根据用户反馈的结果,对文本问题分类中的数据进行标记,在空闲时,将标记的数据作为训练样本,对本地局部文本问题分类模型进行重新训练,将训练后的局部文本问题分类模型参数反馈至服务器,服务器定期根据多个客户端返回的参数,与其他客户端更新的局部模型参数聚合到全局文本问题分类模型中,将更新后的文本问题分类模型参数返回至客户端。
3.根据权利要求2所述的财务审计方法,其特征在于:在每次迭代训练时,针对文本问题分类模型的隐含层随机生成掩码,由此生成本地局部文本问题分类模型,并且采用随机梯度下降法对模型参数进行优化;对于第t次迭代,对于损失函数Loss,给定固定的学习率η,模型参数θ迭代更新公式为:θt+1←θt−η∇Loss。
4.根据权利要求3所述的财务审计方法,其特征在于:模型训练过程中,采用如下损失函数判断是否停止迭代:Loss=;其中,A表示训练样本数,D为分类数量;Yt第t次训练第d个样本属于分类a的预测的后验概率,X为第d个样本属于分类a的真实后验概率。
5.一种服务器,其特征在于:包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,服务器与客户端和第三方审计系统进行通信,以实现如权利要求1-4任意一项所述的财务审计方法。
6.一种客户端,其特征在于:包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,客户端与服务器进行通信,以实现如权利要求1-4任意一项所述的财务审计方法。
7.一种第三方审计系统,其特征在于:包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述第三方审计系统与服务器进行通信,以实现如权利要求1-4任意一项所述的财务审计方法。
8.一种基于同态加密及分类优化的财务审计系统,其特征在于:包括客户端,服务器和第三方审计系统,所述客户端,服务器和第三方审计系统进行通信,实现如权利要求1-4任意一项所述的方法。
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1-4任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1-4任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310487853.1A CN116245669B (zh) | 2023-05-04 | 2023-05-04 | 一种基于同态加密及分类优化的财务审计方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310487853.1A CN116245669B (zh) | 2023-05-04 | 2023-05-04 | 一种基于同态加密及分类优化的财务审计方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116245669A CN116245669A (zh) | 2023-06-09 |
CN116245669B true CN116245669B (zh) | 2023-08-25 |
Family
ID=86624522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310487853.1A Active CN116245669B (zh) | 2023-05-04 | 2023-05-04 | 一种基于同态加密及分类优化的财务审计方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116245669B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216478B (zh) * | 2023-09-12 | 2024-04-30 | 杭州融易算智能科技有限公司 | 一种财务数据批量处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107800688A (zh) * | 2017-09-28 | 2018-03-13 | 南京理工大学 | 一种基于收敛加密的云端数据去重和完整性审计方法 |
CN110750796A (zh) * | 2019-08-28 | 2020-02-04 | 广东工业大学 | 一种支持公开审计的加密数据去重方法 |
US10630478B1 (en) * | 2018-12-28 | 2020-04-21 | University Of South Florida | Sender optimal, breach-resilient, and post-quantum secure cryptographic methods and systems for digital auditing |
CN112329032A (zh) * | 2020-10-29 | 2021-02-05 | 暨南大学 | 一种基于函数加密的隐私镜像金融审计方法及系统 |
CN113343261A (zh) * | 2021-06-22 | 2021-09-03 | 南京邮电大学 | 一种基于门限审计的交易隐私保护协议 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11296875B2 (en) * | 2019-11-29 | 2022-04-05 | NEC Laboratories Europe GmbH | Password-authenticated public key establishment |
-
2023
- 2023-05-04 CN CN202310487853.1A patent/CN116245669B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107800688A (zh) * | 2017-09-28 | 2018-03-13 | 南京理工大学 | 一种基于收敛加密的云端数据去重和完整性审计方法 |
US10630478B1 (en) * | 2018-12-28 | 2020-04-21 | University Of South Florida | Sender optimal, breach-resilient, and post-quantum secure cryptographic methods and systems for digital auditing |
CN110750796A (zh) * | 2019-08-28 | 2020-02-04 | 广东工业大学 | 一种支持公开审计的加密数据去重方法 |
CN112329032A (zh) * | 2020-10-29 | 2021-02-05 | 暨南大学 | 一种基于函数加密的隐私镜像金融审计方法及系统 |
CN113343261A (zh) * | 2021-06-22 | 2021-09-03 | 南京邮电大学 | 一种基于门限审计的交易隐私保护协议 |
Also Published As
Publication number | Publication date |
---|---|
CN116245669A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11469878B2 (en) | Homomorphic computations on encrypted data within a distributed computing environment | |
US20220358242A1 (en) | Data security hub | |
US11188637B1 (en) | Systems and methods for link device authentication | |
US11170786B1 (en) | Federated speaker verification method based on differential privacy | |
CN116245669B (zh) | 一种基于同态加密及分类优化的财务审计方法和系统 | |
US11829486B1 (en) | Apparatus and method for enhancing cybersecurity of an entity | |
Wu et al. | Tutela: An open-source tool for assessing user-privacy on ethereum and tornado cash | |
Eisenhofer et al. | Verifiable and provably secure machine unlearning | |
Bai et al. | A method to improve the privacy and security for federated learning | |
Weng et al. | Proof of unlearning: Definitions and instantiation | |
US20230283628A1 (en) | Machine-learning techniques for detection of unauthorized access of interactive computing environment functions | |
Bäuml et al. | Security of discrete-modulated continuous-variable quantum key distribution | |
Zhu et al. | Privacy-preserving decentralized federated deep learning | |
CN111967607B (zh) | 模型训练方法和装置、电子设备及机器可读存储介质 | |
Yang et al. | Federated medical learning framework based on blockchain and homomorphic encryption | |
Niu et al. | Federated collaborative filtering recommendation based on semi-homomorphic encryption | |
CN111611473A (zh) | 信息推送的处理方法及装置、存储介质、终端 | |
CN117372050B (zh) | 多平台的订单核销验证的方法和系统 | |
CN117527265B (zh) | 基于分布式数字身份的物联网数据采集系统及方法 | |
CN117540294B (zh) | 一种基于银行账户收付款信息提取及应用方法及装置 | |
US20230334482A1 (en) | Dynamic Quantum Enabled Method for Large Currency Transaction Exemption using Distributed Hash Chain | |
WO2022244129A1 (ja) | 管理装置、金融機関端末、及び管理方法 | |
US20210326752A1 (en) | Method and apparatus for training analysis model | |
US20230334489A1 (en) | Dynamic Quantum Enabled Method for Large Currency Transaction Exemption Using Distributed Hash Chain | |
EP4325398A1 (en) | Vertical federated learning platform and methods for using same |
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 |