CN116305186A - 一种去中心化低通信开销的安全聚合方法 - Google Patents
一种去中心化低通信开销的安全聚合方法 Download PDFInfo
- Publication number
- CN116305186A CN116305186A CN202310040223.XA CN202310040223A CN116305186A CN 116305186 A CN116305186 A CN 116305186A CN 202310040223 A CN202310040223 A CN 202310040223A CN 116305186 A CN116305186 A CN 116305186A
- Authority
- CN
- China
- Prior art keywords
- aggregation
- data
- blockchain
- subset
- block chain
- 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.)
- Pending
Links
- 230000002776 aggregation Effects 0.000 title claims abstract description 174
- 238000004220 aggregation Methods 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004891 communication Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 230000008030 elimination Effects 0.000 claims abstract description 4
- 238000003379 elimination reaction Methods 0.000 claims abstract description 4
- 238000010187 selection method Methods 0.000 claims abstract description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- SLXKOJJOQWFEFD-UHFFFAOYSA-N 6-aminohexanoic acid Chemical compound NCCCCCC(O)=O SLXKOJJOQWFEFD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Storage Device Security (AREA)
Abstract
本发明提供一种去中心化低通信开销的安全聚合方法。所述方法为基于区块链聚合节点和可信的链上链下数据交换通道构建去中心化的安全聚合平台;根据一种大小子集随机选择方法选出两个满足预设安全阈值的聚合节点子集;聚合过程分为注册和计算两个阶段:注册阶段完成参与方集合的盲化元数据聚合;计算阶段完成参与方集合的盲化数据聚合、盲化消除和离线方影响抵消操作,得到最终结果;聚合操作均通过智能合约完成。所述注册阶段在特定条件下可以复用,且小子集基数k1可以远小于大子集基数k2,以降低通信开销。本方法考虑多轮聚合,对参与方集合变动鲁棒、能够容忍k1‑1个区块链聚合节点和参与方共谋,在效率和隐私保护方面具有极大优势。
Description
技术领域
本发明属于数据隐私保护、联邦学习安全技术领域,尤其涉及一种去中心化低通信开销的安全聚合方法。
背景技术
联合各方的数据进行协同机器学习模型的训练大幅提高了数据利用率,然而大规模联合收集数据会带来数据泄漏和隐私保护方面的风险。联邦学习通过聚合各方梯度等中间参数实现了“数据可用不可见”的应用模式,改善了源数据的泄漏风险,然而有学者发现梯度仍然会暴露信息,因此安全聚合就成了联邦学习隐私保护中的重要一环。
现有的安全聚合技术主要如Bonawitz,K等在论文Practical secureaggregation for privacy-preserving machine learning,2017中提出了经典的成对加性掩码方案,参与方之间两两协商一个掩码,并在恶意模型下额外维护一个盲化种子保证参与方离线情况下的隐私安全性。该方案带来的通信和计算开销较大:需要两两协商可抵消的掩码、对双重掩码做秘密共享,且采用一个第三方可信聚合服务器来聚合各方数据;
为了实现聚合结果的可验证性,Fu.AM等在2022年提出了VFL:A VerifiableFederated Learning With Privacy-Preserving for Big Data in Industrial IoT,通过拉格朗日插值实现了对最终聚合结果的可验证性,并采用了中国剩余定理打包消息降低通信开销。该方案仍然依赖一个可信的公共密钥分发方;所有插值点的横坐标需要共享,无法抵制服务器和客户端合谋;
为了降低通信开销,Bell,J;Bonawitz,K等在Secure Single-ServerAggregation with(Poly)Logarithmic Overhead中提出了一种随机k连通图构造方法;对n个参与方构建k连通图,各参与方只与有边连接的至多k-1个参与方通信,将通信开销从O(n2)优化到O(nlog(n))。该方案仍然为单聚合服务器架构;
刘哲理等在《一种分布式差分隐私聚合方法》中提出了了一种基于多服务器架构的聚合方案;多聚合服务器构成聚合器组,各参与方将数据秘密分享给聚合器组中所有聚合服务器,接着聚合器组将中间结果聚合得到最终结果。该方案对数据添加噪声,并进行全连接图式的秘密分享,通信开销较高。
目前安全聚合技术主要分为三类:基于成对可抵消加性掩码、基于密码学工具如同态加密或秘密分享直接对梯度等数据进行保护、基于安全多方计算。大多技术都采用一个第三方可信聚合服务器来聚合各方数据。
随着参与方数量但增长,上述方案带来的计算复杂度和开销变得愈加突出;而要求参与方两两通信协商掩码,其巨大的通信开销也是一大挑战;同时在参与方众多的场景中参与方离线的情况就不得不慎重考虑;因此,针对不存在理想网络信道和可信第三方、参与方数量庞大且随时可能加入、退出的场景,保证用户隐私的同时,提高计算和通信开销实现安全聚合仍然需要解决的技术问题。
发明内容
针对现有技术存在的不足,本发明提出了一种去中心化低通信开销的安全聚合方法。
本发明是通过以下技术方案来实现的:
一种去中心化低通信开销的安全聚合方法,所述安全聚合用于在期望不泄漏除最终聚合结果外的任何信息的聚合场景中;该方法包括以下步骤:
(1)建立由区块链聚合节点、可信的链上链下数据交换通道和区块链共同构成的去中心化的安全聚合平台;所述安全聚合平台包括三个实体:参与方集合、区块链聚合节点集合和区块链数据账本;
(2)利用大小子集随机选择方法,选出满足预设安全阈值的一大一小两个区块链聚合节点子集S1,S2;
(3)进行低通信开销的聚合过程中,分为注册阶段和计算阶段;所述注册阶段与聚合节点子集S1通信完成参与方集合的盲化种子聚合;所述计算阶段与聚合节点子集S2通信完成参与方集合的盲化数据聚合、盲化消除和离线方影响抵消的操作,得到最终的聚合结果。
进一步地,所述步骤(1)中的去中心化的数据聚合平台的三个实体,具体为:
参与方集合:各参与方作为数据持有者,都有一个相同维度的数据待聚合,用于通过可信的链上链下数据交换通道与区块链聚合节点进行通信;
区块链聚合节点集合:区块链聚合节点作为局部模型聚合者,为参与方提供安全分散的局部数据聚合服务,共享区块链账本,提供计算、存储和网络资源,使得区块链聚合节点之间能够通过区块链网络进行通信;
区块链数据账本:区块链作为一个去中心化的数据账本,用于通过公认的智能合约提供可信的数据聚合和存储服务。
具体地,所述步骤(2)中的大小子集随机选择方法,具体为,从集合中随机选取一大一小两个子集,且生成的子集满足预设安全阈值,安全阈值由大子集占集合比例以及两个子集交并比共同决定;各参与方均通过所述方法得到一大一小两个区块链聚合节点子集,并在注册和计算阶段分别与大子集、小子集通信。
具体地,所述步骤(3)中的低通信开销的聚合过程,分为注册和计算两个阶段;在参与方加入或退出的个数大于大小子集的基数之差,即稳定的情况下直接回到计算阶段进行下一轮聚合,复用上轮盲化种子降低通信开销;否则需要进入注册阶段重新生成盲化种子。
具体地,所述步骤(3)中的完成参与方集合的盲化种子聚合,其数据处理流程具体包括以下子步骤:
(5.1)各参与方通过数据拆分方法将盲化种子发送给其所述的大子集,并秘密分享给区块链聚合节点集合,以便所述参与方离线时能够恢复其盲化带来的影响;
(5.2)各区块链聚合节点调用智能合约对收到的拆分盲化种子进行聚合;
(5.3)各区块链聚合节点通过区块链网络聚合各自的中间结果得到参与方集合的全局盲化种子聚合结果,并将所述全局盲化聚合存储在账本。
具体地,所述步骤(3)中的计算阶段得到最终聚合结果,其数据处理流程具体包括以下子步骤:
(6.1)各参与方通过数据拆分方法和盲化方法对待聚合的本地数据进行处理后发送给其在权利要求3中所述的小子集;
(6.2)区块链聚合节点调用智能合约对收到的拆分盲化数据进行聚合;
(6.3)各区块链聚合节点通过区块链网络聚合各自的中间结果完成全局盲化模型聚合,抵消全局盲化后得到无参与方离线情况下的最终聚合结果;
(6.4)在有参与方离线的情况下区块链聚合节点重构离线方的盲化种子,抵消其影响后得到最终聚合结果。
区别于现有技术,本发明具有如下有益效果:
1.区块链不可伪造、不可篡改的特性实现了聚合结果的可信和可验证;
2.聚合节点构成区块链架构代替了可信的聚合第三方,提高了数据的隐私性,同时增强鲁棒性,适用于参与方较多的场景;
3.通过划分集合,将聚合过程分为两个阶段、复用盲化种子降低了计算和通信开销;
4.考虑多轮聚合,使用范围广,在各种需要聚合的场景下都适用。
附图说明
图1是本发明提供的一种去中心化的聚合平台架构示意图;
图2是本发明例提供的一种基于集合划分实现两阶段聚合的示意图;
图3是本发明提供的一种聚合方法的数据处理流程图。
具体实施方式
本发明公开了一种去中心化的数据聚合平台,其包含以下三种实体:
存在客户端集合U:包含n个参与方ui∈U(i=1,2,...,n);各参与方是数据持有者,有一个相同维度的向量xu待聚合,且xu,∑u∈Uxu都在有限域ZR中,各参与方能够与区块链聚合节点进行安全的数据交换;
区块链聚合节点是局部模型聚合者,为参与方提供安全分散的局部数据聚合服务,共享区块链账本,提供计算、存储和网络等资源,m个区块链聚合节点sj∈S(j=1,2,...,m)组成区块链聚合节点集合S;区块链聚合节点之间能够通过区块链网络进行通信;
区块链数据账本:区块链为一个去中心化的数据账本,通过公认的智能合约提供可信的数据聚合服务;
本发明还公开了一种去中心化低通信开销的安全聚合方法:
(1)建立由区块链聚合节点、可信的链上链下数据交换通道和区块链共同构成的去中心化的安全聚合平台;所述安全聚合平台包括三个实体:参与方集合、区块链聚合节点集合和区块链数据账本;
(2)利用大小子集随机选择方法,选出满足预设安全阈值的一大一小两个区块链聚合节点子集S1,S2;
(3)进行低通信开销的聚合过程中,分为注册阶段和计算阶段;所述注册阶段与聚合节点子集S1通信完成参与方集合的盲化种子聚合;所述计算阶段与聚合节点子集S2通信完成参与方集合的盲化数据聚合、盲化消除和离线方影响抵消的操作,得到最终的聚合结果。
所述每轮聚合阶段具体为:每轮聚合分为注册和计算两个阶段,各参与方通过集合划分方法选出两个区块链聚合节点子集;
所述注册阶段与区块链聚合节点子集1通信完成各参与方盲化种子的聚合结果存储;
所述计算阶段与区块链聚合节点子集2通信完成全局盲化数据的聚合操作、离线用户的盲化重构,得到最终的聚合结果。
在参与方加入或退出的个数大于随机选出的两个区块链聚合节点子集的基数之差,即稳定的情况下直接回到计算阶段进行下一轮聚合,否则重新进入注册阶段。
所述集合划分方法,其特征在于,各参与方从区块链聚合节点集合S中随机选取子集S1,S2,其中保证盲化种子少发给于2/3的区块链聚合服务器集合;盲化后的数据少发给3个区块链聚合服务器;并且定义安全系数α:
(3.1)为满足安全性要求,该算法选出的子集应满足以下两个要求:
(3.1.1)随机选出的两个集的安全系数α满足参与方共同协商的阈值σ,并有修正系数β,即:
(3.1.2)设恶意聚合节点(被攻击/监听数据)占全部聚合节点的最例γ,则注册阶段子集中恶意节点比例应小于k1并满足安全系数σ,有:γk1<σ;
则随机子集划分算法f(m,k1,k2),从m个节点组成的集合中任意选择k1和k2个节点的算法描述如下:
表1
所述的低通信开销的安全聚合方法,其特征在于,注册阶段包括以下三个步骤:
()各参与方通过数据拆分方法将盲化种子发送给区块链聚合节点子集S1,并秘密分享给区块链聚合节点集合S;
()各区块链聚合节点调用智能合约对收到的拆分盲化种子进行聚合;
()各区块链聚合节点通过区块链网络存储参与方集合的全局盲化种子聚合结果;
所述的低通信开销的安全聚合方法,其特征在于,计算阶段包括以下三个步骤:
()各参与方通过数据拆分方法和盲化方法对待聚合的本地数据进行处理后发送给区块链聚合节点子集S2
()区块链聚合节点调用智能合约对收到的拆分盲化数据进行聚合;
()各区块链聚合节点通过区块链网络完成全局盲化模型聚合,恢复离线参与方的盲化抵消其影响后存储最终聚合结果;
所述注册阶段步骤(1),其特征在于,各参与方生成随机盲化种子,通过数据拆分方法发送给区块链聚合节点子集1并将其秘密分享给服务器集合:
每个参与方ui,(ui∈U)完成随机种子bi的加密和拆分:
一种(n,t)门限秘密共享S.share(s,t,U)→{(n,sn)}n∈U,将秘密s拆分成n份,其中Sn发送给集合U中用户n;重构原始秘密需要至少t个子秘密S.recon({(n,sn)}n∈M,t)→s,其中
接着,对于集合S1发送盲化种子加密后的拆分子项和盲化种子的秘密份额(bik1,HF(bi)k1);
最后,对于服务器集合{S-S1}仅发送盲化种子的秘密份额bi(m-k1);
S.share(bi,k1,S1)→{(m,bim)}m∈S;
split(HF(bi),k1)→{(k1,HF(bi)k1)}k1∈S1;
所述注册阶段为各区块链聚合节点对收到的拆分子数据进行聚合,并生成对该聚合结果的证明:
各区块链聚合节点sj,(sj∈S)收到消息序列,首先验证收到的消息所属用户集合U1∈U,接着将收到的全部盲化种子拆分子项进行聚合后并生成其证明proof(Bj),证明函数为单向映射proof(x):b→gb;
所述计算阶段步骤(1),其特征在于,各参与方通过数据拆分方法和盲化方法对待聚合的本地数据进行处理后发送给区块链聚合节点子集S2:
接着,参与方ui将盲化后的输入其拆分成k2份,并将对应拆分子项Xik2发送给集合S2,即:split(Xi,k2)→{k2,Xik2}k2∈S2;
所述计算阶段步骤(3),区块链平台完成全局盲化模型聚合,恢复离线参与方的盲化抵消其影响后存储最终聚合结果:
首先,区块链聚合节点记录当前收到消息的用户集合U3,判断U3∈U,记录离线用户集合U4=U-U3;
若存在参与方在计算阶段离线,即计算离线用户带来的掩码并将之影响消除:对于离线的用户U4,要求各服务器提交对应用户的盲化种子秘密份额,通过秘密重构合约恢复其盲化种子bu,u∈U4,并通过聚合合约计算离线用户带来的掩码之和
Claims (6)
1.一种去中心化低通信开销的安全聚合方法,其特征在于,所述安全聚合用于在期望不泄漏除最终聚合结果外的任何信息的聚合场景中;该方法包括以下步骤:
(1)建立由区块链聚合节点、可信的链上链下数据交换通道和区块链共同构成的去中心化的安全聚合平台;所述安全聚合平台包括三个实体:参与方集合、区块链聚合节点集合和区块链数据账本;
(2)利用大小子集随机选择方法,选出满足预设安全阈值的一大一小两个区块链聚合节点子集S1,S2;
(3)进行低通信开销的聚合过程中,分为注册阶段和计算阶段;所述注册阶段与聚合节点子集S1通信完成参与方集合的盲化种子聚合;所述计算阶段与聚合节点子集S2通信完成参与方集合的盲化数据聚合、盲化消除和离线方影响抵消的操作,得到最终的聚合结果。
2.根据权利要求1所述的一种去中心化低通信开销的安全聚合方法,其特征在于,所述步骤(1)中的去中心化的数据聚合平台的三个实体,具体为:
参与方集合:各参与方作为数据持有者,都有一个相同维度的数据待聚合,用于通过可信的链上链下数据交换通道与区块链聚合节点进行通信;
区块链聚合节点集合:区块链聚合节点作为局部模型聚合者,为参与方提供安全分散的局部数据聚合服务,共享区块链账本,提供计算、存储和网络资源,使得区块链聚合节点之间能够通过区块链网络进行通信;
区块链数据账本:区块链作为一个去中心化的数据账本,用于通过公认的智能合约提供可信的数据聚合和存储服务。
3.根据权利要求1所述的一种去中心化低通信开销的安全聚合方法,其特征在于,所述步骤(2)中的大小子集随机选择方法,具体为,从集合中随机选取一大一小两个子集,且生成的子集满足预设安全阈值,安全阈值由大子集占集合比例以及两个子集交并比共同决定;各参与方均通过所述方法得到一大一小两个区块链聚合节点子集,并在注册和计算阶段分别与大子集、小子集通信。
4.根据权利要求1所述的一种去中心化低通信开销的安全聚合方法,其特征在于,所述步骤(3)中的低通信开销的聚合过程,分为注册和计算两个阶段;在参与方加入或退出的个数大于大小子集的基数之差,即稳定的情况下直接回到计算阶段进行下一轮聚合,复用上轮盲化种子降低通信开销;否则需要进入注册阶段重新生成盲化种子。
5.根据权利要求1所述的一种去中心化低通信开销的安全聚合方法,其特征在于,所述步骤(3)中的完成参与方集合的盲化种子聚合,其数据处理流程具体包括以下子步骤:
(5.1)各参与方通过数据拆分方法将盲化种子发送给其所述的大子集,并秘密分享给区块链聚合节点集合,以便所述参与方离线时能够恢复其盲化带来的影响;
(5.2)各区块链聚合节点调用智能合约对收到的拆分盲化种子进行聚合;
(5.3)各区块链聚合节点通过区块链网络聚合各自的中间结果得到参与方集合的全局盲化种子聚合结果,并将所述全局盲化聚合存储在账本。
6.根据权利要求1所述的一种去中心化低通信开销的安全聚合方法,其特征在于,所述步骤(3)中的计算阶段得到最终聚合结果,其数据处理流程具体包括以下子步骤:
(6.1)各参与方通过数据拆分方法和盲化方法对待聚合的本地数据进行处理后发送给其在权利要求3中所述的小子集;
(6.2)区块链聚合节点调用智能合约对收到的拆分盲化数据进行聚合;
(6.3)各区块链聚合节点通过区块链网络聚合各自的中间结果完成全局盲化模型聚合,抵消全局盲化后得到无参与方离线情况下的最终聚合结果;
(6.4)在有参与方离线的情况下区块链聚合节点重构离线方的盲化种子,抵消其影响后得到最终聚合结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310040223.XA CN116305186A (zh) | 2023-01-12 | 2023-01-12 | 一种去中心化低通信开销的安全聚合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310040223.XA CN116305186A (zh) | 2023-01-12 | 2023-01-12 | 一种去中心化低通信开销的安全聚合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116305186A true CN116305186A (zh) | 2023-06-23 |
Family
ID=86836749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310040223.XA Pending CN116305186A (zh) | 2023-01-12 | 2023-01-12 | 一种去中心化低通信开销的安全聚合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116305186A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371025A (zh) * | 2023-09-18 | 2024-01-09 | 泉城省实验室 | 一种去中心化机器学习模型训练方法及系统 |
-
2023
- 2023-01-12 CN CN202310040223.XA patent/CN116305186A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371025A (zh) * | 2023-09-18 | 2024-01-09 | 泉城省实验室 | 一种去中心化机器学习模型训练方法及系统 |
CN117371025B (zh) * | 2023-09-18 | 2024-04-16 | 泉城省实验室 | 一种去中心化机器学习模型训练方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mishra et al. | Delphi: A cryptographic inference system for neural networks | |
Miao et al. | Secure multi-server-aided data deduplication in cloud computing | |
Mansouri et al. | Sok: Secure aggregation based on cryptographic schemes for federated learning | |
CN110225023B (zh) | 一种可追踪的匿名认证方法和系统 | |
CN111931253A (zh) | 基于节点群的数据处理方法、系统、设备和介质 | |
Hassan et al. | An efficient outsourced privacy preserving machine learning scheme with public verifiability | |
Tu et al. | Reattack of a certificateless aggregate signature scheme with constant pairing computations | |
WO2019166915A1 (en) | Computer implemented method and system for transferring control of a digital asset | |
Li et al. | Cryptanalysis and improvement for certificateless aggregate signature | |
CN109992979A (zh) | 一种岭回归训练方法、计算设备、介质 | |
CN114595835B (zh) | 基于联邦学习的模型训练方法及装置、设备、存储介质 | |
Li et al. | SPFM: Scalable and privacy-preserving friend matching in mobile cloud | |
Ukil | Privacy preserving data aggregation in wireless sensor networks | |
CN109547199A (zh) | 一种多方联合生成sm2数字签名的方法 | |
CN116305186A (zh) | 一种去中心化低通信开销的安全聚合方法 | |
Hong et al. | An efficient and secure attribute-based online/offline signature scheme for mobile crowdsensing | |
Jayaram et al. | Mystiko: Cloud-mediated, private, federated gradient descent | |
Chen et al. | Adaptively secure efficient broadcast encryption with constant-size secret key and ciphertext | |
Li et al. | PMDP: A framework for preserving multiparty data privacy in cloud computing | |
CN117353912A (zh) | 基于双线性映射的三方隐私集合交集基数计算方法及系统 | |
CN115473633B (zh) | 一种多方协同产生sm2数字签名的方法及装置 | |
CN116865938A (zh) | 基于秘密共享和同态加密的多服务器联邦学习方法 | |
Zhong et al. | MPC-based privacy-preserving serverless federated learning | |
CN115549922A (zh) | 一种去中心化联邦学习方法 | |
CN114584975B (zh) | 一种基于sdn的抗量子卫星网络接入认证方法 |
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 |