CN116992204B - 一种基于隐私保护的数据点乘运算方法 - Google Patents

一种基于隐私保护的数据点乘运算方法 Download PDF

Info

Publication number
CN116992204B
CN116992204B CN202311245594.8A CN202311245594A CN116992204B CN 116992204 B CN116992204 B CN 116992204B CN 202311245594 A CN202311245594 A CN 202311245594A CN 116992204 B CN116992204 B CN 116992204B
Authority
CN
China
Prior art keywords
data vector
data
random number
vector
result
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
Application number
CN202311245594.8A
Other languages
English (en)
Other versions
CN116992204A (zh
Inventor
刘文博
毛仁歆
王良萸
王晓
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.)
Lanxiang Zhilian Hangzhou Technology Co ltd
Original Assignee
Lanxiang Zhilian Hangzhou Technology Co ltd
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 Lanxiang Zhilian Hangzhou Technology Co ltd filed Critical Lanxiang Zhilian Hangzhou Technology Co ltd
Priority to CN202311245594.8A priority Critical patent/CN116992204B/zh
Publication of CN116992204A publication Critical patent/CN116992204A/zh
Application granted granted Critical
Publication of CN116992204B publication Critical patent/CN116992204B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioethics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Storage Device Security (AREA)

Abstract

本发明公开了一种基于隐私保护的数据点乘运算方法。该方法包括以下步骤：第一方生成随机数K和n维的随机数向量S，随机数K为大于0的大整数，将随机数K与随机数向量S的乘积加上数据向量W，得到加密数据向量F，并发送给第二方；第二方将加密数据向量F与数据向量X进行点乘运算，得到结果Z，并发送给第一方；第一方将结果Z对随机数K进行取余运算，得到结果E，结果E就是数据向量W与数据向量X的点乘结果。本发明能够快速的计算出双方持有的数据向量的点乘结果，加解密消耗的资源少，大大提高了计算效率和通信效率，且保护了数据隐私。

Description

一种基于隐私保护的数据点乘运算方法
技术领域
本发明涉及信息安全技术领域，尤其涉及一种基于隐私保护的数据点乘运算方法。
背景技术
近年来，数据呈现出爆炸式增长的趋势，数据量和数据种类变得越来越复杂，大量有价值的客户信息、个人的隐私记录、企业的运营数据不断被挖掘，在这个数据爆发的时代，大数据下的隐私保护问题就显得尤为重要。
目前，为了保护用户隐私，一般采用安全多方计算得到计算结果，安全多方计算常采用同态加密算法对明文数据进行加密计算，同态加密是指这样一种加密函数，对明文进行环上的加法和乘法运算再加密，与加密后对密文进行相应的运算，结果是等价的。
当采用同态加密算法计算两方各自持有的数据向量的点乘结果时，第一方需要将持有的数据向量同态加密得到加密数据向量并发送给第二方，第二方计算加密数据向量与自身持有的数据向量的点乘结果，并将点乘结果发送给第一方，第一方对点乘结果解密得到明文点乘结果，由于同态加密方式需要消耗大量的计算资源和通信资源，大大影响了计算时间和通信时间。
发明内容
本发明为了解决上述技术问题，提供了一种基于隐私保护的数据点乘运算方法，其能够快速的计算出双方持有的数据向量的点乘结果，加解密消耗的资源少，大大提高了计算效率和通信效率，且保护了数据隐私。
为了解决上述问题，本发明采用以下技术方案予以实现：
本发明的一种基于隐私保护的数据点乘运算方法，第一方持有n维的数据向量W，第二方持有n维的数据向量X，数据向量W、数据向量X内的数据都为非负整数，包括以下步骤：
S1：第一方生成随机数K和n维的随机数向量S，随机数K为大于0的大整数，将随机数K与随机数向量S的乘积加上数据向量W，得到加密数据向量F，并发送给第二方；
S2：第二方将加密数据向量F与数据向量X进行点乘运算，得到结果Z，并发送给第一方；
S3：第一方将结果Z对随机数K进行取余运算，得到结果E，结果E就是数据向量W与数据向量X的点乘结果。
在本方案中，第一方将随机数K与随机数向量S的乘积作为加密密钥，将加密密钥与数据向量W相加作为加密方式，实现对数据向量W的加密；将随机数K作为解密密钥，将结果Z对解密密钥进行取余运算作为解密方式。加解密过程只涉及简单的四则运算和取余运算，简单且高效，大大提高了计算效率和通信效率，整个过程中双方无法获取到对方的明文数据，保护了双方的数据隐私。
作为优选，所述随机数K的位数大于或等于63位。
作为优选，所述随机数K大于数据向量W与数据向量X的点乘结果。
作为优选，所述随机数向量S内的随机数为正整数。
作为优选，所述步骤S1中将随机数K与随机数向量S的乘积加上数据向量W，得到加密数据向量F的公式如下：
F=W+K*S=[W1+K*S1,W2+K*S2……Wn+K*Sn]，
其中，W=[W1,W2……Wn]，S=[S1,S2……Sn]，1≤i≤n，Wi表示数据向量W中的第i个数据，Si表示随机数向量S中的第i个随机数。
作为优选，所述步骤S2中将加密数据向量F与数据向量X进行点乘计算，得到结果Z的公式如下：
Z=F·X=F1*X1+F2*X2+……+Fn*Xn，
其中，F=[F1,F2……Fn]，X=[X1,X2……Xn]，Fi表示加密数据向量F中的第i个数据，Fi=Wi+K*Si，Xi表示数据向量X中的第i个数据。
作为优选，所述步骤S3中将结果Z对随机数K进行取余运算，得到结果E的公式如下：E=Z%K。
本发明的一种基于隐私保护的数据点乘运算方法，第一方持有n维的数据向量W，第二方持有n维的数据向量X，数据向量W、数据向量X内的数据都为非负浮点数，包括以下步骤：
S1：第一方生成随机数K和n维的随机数向量S，随机数K为大于0的大整数，采用精度控制法将数据向量W内的数据从浮点数转换为整数，得到数据向量w，将随机数K与随机数向量S的乘积加上数据向量w，得到加密数据向量F，并发送给第二方；
S2：第二方采用精度控制法将数据向量X内的数据从浮点数转换为整数，得到数据向量x，将加密数据向量F与数据向量x进行点乘运算，得到结果Z，并发送给第一方；
S3：第一方将结果Z对随机数K进行取余运算，得到结果E，采用精度控制法将结果E从整数转换为浮点数，得到结果e，结果e就是数据向量W与数据向量X的点乘结果。
在本方案中，由于数据向量内的数据为非负浮点数，所以需要先采用精度控制法将数据向量内的数据从浮点数转换为整数，最后第一方计算出结果E后需要采用精度控制法将整数的结果E再转换为浮点数。
作为优选，所述步骤S1中采用精度控制法将数据向量W内的数据从浮点数转换为整数，得到数据向量w的公式如下：
w=int(W*10a)=[int(W1*10a),int(W2*10a)……int(Wn*10a)]，
其中，a为正整数，int(G)表示对数值G向下取整得到的整数值，W=[W1,W2……Wn]，1≤i≤n，Wi表示数据向量W中的第i个数据；
所述步骤S2中采用精度控制法将数据向量X内的数据从浮点数转换为整数，得到数据向量x的公式如下：
x=int(X*10a)=[int(X1*10a),int(X2*10a)……int(Xn*10a)]，
其中，X=[X1,X2……Xn]，Xi表示数据向量X中的第i个数据。
作为优选，所述步骤S3中采用精度控制法将结果E从整数转换为浮点数，得到结果e的公式如下：e=E/10a*2。
作为优选，所述随机数K大于数据向量W与数据向量X的点乘结果。
作为优选，所述随机数向量S内的随机数为正整数。
本发明的有益效果是：能够快速的计算出双方持有的数据向量的点乘结果，加解密过程只涉及简单的四则运算和取余运算，消耗的资源少，大大提高了计算效率和通信效率，整个过程中双方无法获取到对方的明文数据，保护了双方的数据隐私。
附图说明
图1是实施例1的流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例1：本实施例的一种基于隐私保护的数据点乘运算方法，第一方持有n维的数据向量W，W=[W1,W2……Wn]，第二方持有n维的数据向量X，X=[X1,X2……Xn]，1≤i≤n，Wi表示数据向量W中的第i个数据，Xi表示数据向量X中的第i个数据，数据向量W、数据向量X内的数据都为非负整数，如图1所示，包括以下步骤：
S1：第一方生成随机数K和n维的随机数向量S，随机数K为大于0的大整数，随机数向量S内的随机数为正整数，S=[S1,S2……Sn]，Si表示随机数向量S中的第i个随机数；
将随机数K与随机数向量S的乘积加上数据向量W，得到加密数据向量F，公式如下：F=W+K*S=[W1+K*S1,W2+K*S2……Wn+K*Sn]；
将加密数据向量F发送给第二方；
S2：第二方将加密数据向量F与数据向量X进行点乘运算，得到结果Z，公式如下：Z=F·X=F1*X1+F2*X2+……+Fn*Xn，其中，F=[F1,F2……Fn]， Fi表示加密数据向量F中的第i个数据，Fi=Wi+K*Si；
将结果Z发送给第一方；
S3：第一方将结果Z对随机数K进行取余运算，得到结果E，公式如下：E=Z%K；结果E就是数据向量W与数据向量X的点乘结果。
随机数K的位数大于或等于63位，随机数K大于数据向量W与数据向量X的点乘结果，即K＞W·X。随机数向量S由随机数向量生成器生成。
在本方案中，首先，第一方生成随机数K和随机数向量S，随机数K取大整数，位数大于或等于63位，从而保证随机数K大于数据向量W与数据向量X的点乘结果。
接着，第一方将随机数K与随机数向量S的乘积作为加密密钥，将加密密钥与数据向量W相加作为加密方式，实现对数据向量W的加密得到加密数据向量F，将加密数据向量F发送给第二方。
然后，第二方计算加密数据向量F与数据向量X的点乘结果，得到结果Z，Z=F·X=F1*X1+F2*X2+……+Fn*Xn=(W1+K*S1) *X1+(W2+K*S2) *X2+……+(Wn+K*Sn) *Xn=[W1*X1+W2*X2+……+Wn*Xn]+K*[S1*X1+S2*X2+……+Sn*Xn]，将结果Z发送给第一方。
最后，第一方将随机数K作为解密密钥，将结果Z对解密密钥进行取余运算作为解密方式，由于随机数K是个非常大的整数，随机数K大于数据向量W与数据向量X的点乘结果，所以随机数K不能被数据向量W与数据向量X的点乘结果整除，所以结果Z对随机数K进行取余运算时，K*[S1*X1+S2*X2+……+Sn*Xn]部分被整除，余数为[W1*X1+W2*X2+……+Wn*Xn]，即结果E就是数据向量W与数据向量X的点乘结果。
本方法的加解密过程只涉及简单的四则运算和取余运算，简单且高效，大大提高了计算效率和通信效率，整个过程中双方无法获取到对方的明文数据，保护了双方的数据隐私。
举例说明：
第一方、第二方进行联邦建模，第一方持有作为模型参数的数据向量W，W=[10,8,7,2,36]，第二方持有作为输入数据的数据向量X，X=[9,1,9,7,9]；
首先，第一方生成随机数K和n维的随机数向量S，K=7502321351，S= [11,23,51,16,92]，第一方计算出加密数据向量F，并发送给第二方，F=W+K*S=[82525534871,172553391081,382618388908,120037141618,690213564328]；
接着，第二方计算出结果Z，Z=F·X=11411030775370，并发送给第一方；
最后，第一方计算出结果E，E=Z%K=499，与数据向量W与数据向量X的点乘结果一致。
实施例2：本实施例的一种基于隐私保护的数据点乘运算方法，第一方持有n维的数据向量W，第二方持有n维的数据向量X，W=[W1,W2……Wn]，第二方持有n维的数据向量X，X=[X1,X2……Xn]，1≤i≤n，Wi表示数据向量W中的第i个数据，Xi表示数据向量X中的第i个数据，数据向量W、数据向量X内的数据都为非负浮点数，包括以下步骤：
S1：第一方生成随机数K和n维的随机数向量S，随机数K为大于0的大整数，随机数向量S内的随机数为正整数，S=[S1,S2……Sn]，Si表示随机数向量S中的第i个随机数；
采用精度控制法将数据向量W内的数据从浮点数转换为整数，得到数据向量w，公式如下：w=int(W*10a)=[int(W1*10a),int(W2*10a)……int(Wn*10a)]，其中，a为正整数，int(G)表示对数值G向下取整得到的整数值；
将随机数K与随机数向量S的乘积加上数据向量w，得到加密数据向量F，公式如下：F=w+K*S=[w1+K*S1,w2+K*S2……wn+K*Sn]，其中，w=[w1,w2……wn]，wi表示数据向量w中的第i个数据，wi=int(Wi*10a)；
将加密数据向量F发送给第二方；
S2：第二方采用精度控制法将数据向量X内的数据从浮点数转换为整数，得到数据向量x，公式如下：x=int(X*10a)=[int(X1*10a),int(X2*10a)……int(Xn*10a)]；
将加密数据向量F与数据向量x进行点乘运算，得到结果Z，公式如下：Z=F·x=F1*x1+F2*x2+……+Fn*xn，其中，F=[F1,F2……Fn]， Fi表示加密数据向量F中的第i个数据，Fi=wi+K*Si；
将结果Z发送给第一方；
S3：第一方将结果Z对随机数K进行取余运算，得到结果E，公式如下：E=Z%K；
采用精度控制法将结果E从整数转换为浮点数，得到结果e，e=E/10a*2，结果e就是数据向量W与数据向量X的点乘结果。
随机数K的位数大于或等于63位，随机数K大于数据向量W与数据向量X的点乘结果，即K＞W·X。随机数向量S由随机数向量生成器生成。
实施例2的方案与实施例1基本相同，不同之处在于，实施例2中的数据向量内的数据为非负浮点数，需要先采用精度控制法将数据向量内的数据从浮点数转换为整数，最后第一方计算出结果E后需要采用精度控制法将整数的结果E再转换为浮点数。
举例说明：第一方、第二方进行联邦建模，第一方持有作为模型参数的数据向量W，W=[9.56,8.47,2.68,3.25]，第二方持有作为输入数据的数据向量X，X=[3.45,2.87,5.61,4.23]；
首先，第一方生成随机数K和n维的随机数向量S，K=10852241231，S= [11,21,13,17]，采用精度控制法将数据向量W内的数据从浮点数转换为整数，得到数据向量w，w=W*102=[956,847,268,325]，第一方计算出加密数据向量F，并发送给第二方，F=w+K*S=[119374654497,227897066698,141079136271,184488101252]；
接着，第二方采用精度控制法将数据向量X内的数据从浮点数转换为整数，得到数据向量x，x=X*102=[345,287,561,423]，第二方计算出结果Z，Z=F·x=263774576221418，并发送给第一方；
最后，第一方计算出结果E，E=Z%K=860732，采用精度控制法将结果E从整数转换为浮点数，得到结果e，e=E/104=86.0732，与数据向量W与数据向量X的点乘结果一致。

Claims (6)

1.一种基于隐私保护的数据点乘运算方法，第一方持有n维的数据向量W，第二方持有n维的数据向量X，数据向量W、数据向量X内的数据都为非负整数，其特征在于，包括以下步骤：
S1：第一方生成随机数K和n维的随机数向量S，随机数K为大于0的大整数，将随机数K与随机数向量S的乘积加上数据向量W，得到加密数据向量F，并发送给第二方；
S2：第二方将加密数据向量F与数据向量X进行点乘运算，得到结果Z，并发送给第一方；
S3：第一方将结果Z对随机数K进行取余运算，得到结果E，结果E就是数据向量W与数据向量X的点乘结果；
所述随机数K大于数据向量W与数据向量X的点乘结果；
所述随机数向量S内的随机数为正整数。
2.根据权利要求1所述的一种基于隐私保护的数据点乘运算方法，其特征在于，所述步骤S1中将随机数K与随机数向量S的乘积加上数据向量W，得到加密数据向量F的公式如下：
F=W+K*S=[W1+K*S1,W2+K*S2……Wn+K*Sn]，
其中，W=[W1,W2……Wn]，S=[S1,S2……Sn]，1≤i≤n，Wi表示数据向量W中的第i个数据，Si表示随机数向量S中的第i个随机数。
3.根据权利要求2所述的一种基于隐私保护的数据点乘运算方法，其特征在于，所述步骤S2中将加密数据向量F与数据向量X进行点乘计算，得到结果Z的公式如下：
Z=F·X=F1*X1+F2*X2+……+Fn*Xn，
其中，F=[F1,F2……Fn]，X=[X1,X2……Xn]，Fi表示加密数据向量F中的第i个数据，Fi=Wi+K*Si，Xi表示数据向量X中的第i个数据。
4.一种基于隐私保护的数据点乘运算方法，第一方持有n维的数据向量W，第二方持有n维的数据向量X，数据向量W、数据向量X内的数据都为非负浮点数，其特征在于，包括以下步骤：
S1：第一方生成随机数K和n维的随机数向量S，随机数K为大于0的大整数，采用精度控制法将数据向量W内的数据从浮点数转换为整数，得到数据向量w，将随机数K与随机数向量S的乘积加上数据向量w，得到加密数据向量F，并发送给第二方；
S2：第二方采用精度控制法将数据向量X内的数据从浮点数转换为整数，得到数据向量x，将加密数据向量F与数据向量x进行点乘运算，得到结果Z，并发送给第一方；
S3：第一方将结果Z对随机数K进行取余运算，得到结果E，采用精度控制法将结果E从整数转换为浮点数，得到结果e，结果e就是数据向量W与数据向量X的点乘结果；
所述随机数K大于数据向量W与数据向量X的点乘结果；
所述随机数向量S内的随机数为正整数。
5.根据权利要求4所述的一种基于隐私保护的数据点乘运算方法，其特征在于，所述步骤S1中采用精度控制法将数据向量W内的数据从浮点数转换为整数，得到数据向量w的公式如下：
w=int(W*10a)=[int(W1*10a),int(W2*10a)……int(Wn*10a)]，
其中，a为正整数，int(G)表示对数值G向下取整得到的整数值，W=[W1,W2……Wn]，1≤i≤n，Wi表示数据向量W中的第i个数据；
所述步骤S2中采用精度控制法将数据向量X内的数据从浮点数转换为整数，得到数据向量x的公式如下：
x=int(X*10a)=[int(X1*10a),int(X2*10a)……int(Xn*10a)]，
其中，X=[X1,X2……Xn]，Xi表示数据向量X中的第i个数据。
6.根据权利要求5所述的一种基于隐私保护的数据点乘运算方法，其特征在于，所述步骤S3中采用精度控制法将结果E从整数转换为浮点数，得到结果e的公式如下：e=E/10a*2。
CN202311245594.8A 2023-09-26 2023-09-26 一种基于隐私保护的数据点乘运算方法 Active CN116992204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311245594.8A CN116992204B (zh) 2023-09-26 2023-09-26 一种基于隐私保护的数据点乘运算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311245594.8A CN116992204B (zh) 2023-09-26 2023-09-26 一种基于隐私保护的数据点乘运算方法

Publications (2)

Publication Number Publication Date
CN116992204A CN116992204A (zh) 2023-11-03
CN116992204B true CN116992204B (zh) 2023-12-29

Family

ID=88523480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311245594.8A Active CN116992204B (zh) 2023-09-26 2023-09-26 一种基于隐私保护的数据点乘运算方法

Country Status (1)

Country Link
CN (1) CN116992204B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011131950A1 (en) * 2010-04-22 2011-10-27 Martin Tomlinson Public key cryptosystem based on goppa codes and puf based random generation
CN104468612A (zh) * 2014-12-24 2015-03-25 无锡儒安科技有限公司 基于对称加密的保护隐私的属性匹配方法
JP2018092010A (ja) * 2016-12-05 2018-06-14 恭通 村上 暗号化装置と暗号化方法、暗号化プログラム及び鍵生成装置と鍵生成方法、鍵生成プログラム
CN110011784A (zh) * 2019-04-04 2019-07-12 东北大学 支持隐私保护的knn分类服务系统及方法
CN110163292A (zh) * 2019-05-28 2019-08-23 电子科技大学 基于向量同态加密的隐私保护k-means聚类方法
JP2020052215A (ja) * 2018-09-26 2020-04-02 東芝情報システム株式会社 公開鍵暗号システム、公開鍵暗号方法、公開鍵暗号プログラム
CN111582867A (zh) * 2020-05-11 2020-08-25 浙江同花顺智能科技有限公司 一种协同签名和解密方法、装置、电子设备和存储介质
CN112187469A (zh) * 2020-09-21 2021-01-05 浙江省数字安全证书管理有限公司 一种基于密钥因子的sm2多方协同数字签名方法和系统
CN115102697A (zh) * 2022-06-17 2022-09-23 新晨科技股份有限公司 实现区块链上交易双方参与生成随机数的方法、装置以及存储介质
CN115529120A (zh) * 2022-09-05 2022-12-27 北京天威诚信电子商务服务有限公司 一种保密计算系统
CN116127489A (zh) * 2023-02-03 2023-05-16 蓝象智联(杭州)科技有限公司 一种用于安全多方计算的数据点乘运算方法及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5297688B2 (ja) * 2008-05-09 2013-09-25 株式会社日立製作所 ベクトル秘匿型内積計算システム、ベクトル秘匿型内積計算方法及び暗号鍵共有システム
JP6459658B2 (ja) * 2015-03-10 2019-01-30 富士通株式会社 暗号処理装置、暗号処理方法、および暗号処理プログラム

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011131950A1 (en) * 2010-04-22 2011-10-27 Martin Tomlinson Public key cryptosystem based on goppa codes and puf based random generation
CN104468612A (zh) * 2014-12-24 2015-03-25 无锡儒安科技有限公司 基于对称加密的保护隐私的属性匹配方法
JP2018092010A (ja) * 2016-12-05 2018-06-14 恭通 村上 暗号化装置と暗号化方法、暗号化プログラム及び鍵生成装置と鍵生成方法、鍵生成プログラム
JP2020052215A (ja) * 2018-09-26 2020-04-02 東芝情報システム株式会社 公開鍵暗号システム、公開鍵暗号方法、公開鍵暗号プログラム
CN110011784A (zh) * 2019-04-04 2019-07-12 东北大学 支持隐私保护的knn分类服务系统及方法
CN110163292A (zh) * 2019-05-28 2019-08-23 电子科技大学 基于向量同态加密的隐私保护k-means聚类方法
CN111582867A (zh) * 2020-05-11 2020-08-25 浙江同花顺智能科技有限公司 一种协同签名和解密方法、装置、电子设备和存储介质
CN112187469A (zh) * 2020-09-21 2021-01-05 浙江省数字安全证书管理有限公司 一种基于密钥因子的sm2多方协同数字签名方法和系统
CN115102697A (zh) * 2022-06-17 2022-09-23 新晨科技股份有限公司 实现区块链上交易双方参与生成随机数的方法、装置以及存储介质
CN115529120A (zh) * 2022-09-05 2022-12-27 北京天威诚信电子商务服务有限公司 一种保密计算系统
CN116127489A (zh) * 2023-02-03 2023-05-16 蓝象智联(杭州)科技有限公司 一种用于安全多方计算的数据点乘运算方法及电子设备

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A mod and xor coupling encryption algorithm for image based on 2D-LSM;Youqiang Ding等;2022 IEEE 4th International Conference on Power, Intelligent Computing and Systems (ICPICS);全文 *
RSA数据加密的一种快速实现算法;王富荣, 姚培华, 薛向红;南通航运职业技术学院学报(第02期);全文 *
一种支持隐私保护的加密方法在云存储中的应用;张林;;电子设计工程(第11期);全文 *
基于中国余数定理构造的快速公钥加密算法;刘辉;王华东;;周口师范学院学报(第05期);全文 *
大数据下通信传输用户信息安全保护仿真;李祥琴;罗小磊;;计算机仿真(05);全文 *
支持同态算术运算的数据加密方案算法研究;杨攀;桂小林;姚婧;林建财;田丰;张学军;;通信学报(第01期);全文 *

Also Published As

Publication number Publication date
CN116992204A (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN107147484B (zh) 一种面向隐私保护的浮点数全同态加密方法
JP6083234B2 (ja) 暗号処理装置
EP3454499A1 (en) Fully homomorphic encryption-based ciphertext query method and system
KR102019159B1 (ko) 정수 기반 준동형 암호 기법에 일반적으로 적용 가능한 압축 암복호화 장치 및 방법
CN112035695B (zh) 一种适用于移动端的空间数据加密方法
JP2016114855A (ja) 暗号処理装置、暗号処理方法、及び暗号処理プログラム
Agrawal et al. Elliptic curve cryptography with hill cipher generation for secure text cryptosystem
WO2021129470A1 (zh) 基于多项式完全同态的二进制数据加密系统及方法
CN111526002A (zh) 一种基于格的多身份的全同态加密方法
CN114826587B (zh) 一种数据加密方法、解密方法及其装置、设备
EP4343596A1 (en) Method and apparatus for joint data processing by two parties for protecting data privacy
CN105933101B (zh) 一种基于参数高次偏移的全同态加密公钥压缩方法
CN111010266A (zh) 消息的加解密、读写方法、装置、计算机设备和存储介质
CN116992204B (zh) 一种基于隐私保护的数据点乘运算方法
CN110460442B (zh) 一种基于格的密钥封装方法
Peng et al. A new 2D-ASC chaotic system and its image encryption applications
CN116170142B (zh) 分布式协同解密方法、设备和存储介质
CN115865307A (zh) 一种用于联邦学习的数据点乘运算方法
CN115865302A (zh) 一种具有隐私保护属性的多方矩阵乘法计算方法
CN111797907B (zh) 一种用于医疗物联网的安全高效的svm隐私保护训练及分类方法
TW201528754A (zh) 時間擾動混沌映射加密解密系統與方法
CN116756754B (zh) 一种cad模型加密及解密方法
US20230327851A1 (en) Secure multi-party computation methods and apparatuses
Mangi et al. Encrypting of text based on chaotic map
US11902415B2 (en) Secure computing device, secure computing method, and program

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