隐私集合求交(Private Set Intersection,PSI)属于隐私计算领域的特定应用问题,包括秘密共享、同态加密、不经意传输、混淆电路和Hash技术等基础知识,其兼具重要的理论意义与极强的现实应用价值。随着用户数据的隐私保护需求的日益提升,...隐私集合求交(Private Set Intersection,PSI)属于隐私计算领域的特定应用问题,包括秘密共享、同态加密、不经意传输、混淆电路和Hash技术等基础知识,其兼具重要的理论意义与极强的现实应用价值。随着用户数据的隐私保护需求的日益提升,PSI可以在满足依赖个人信息的业务的便利性的同时最大程度保护个人信息私密性需求。本文首先介绍了隐私集合求交的研究现状,其次按照底层密码技术对PSI进行分类并对比分析了它们的复杂度,对其优缺点进行对比分析,同时对比分析了基于不同密码技术的PSI的使用场景,最后指出其发展方向并得出结论。展开更多
文摘源代码漏洞检测常使用代码指标、机器学习和深度学习等技术.但是这些技术存在无法保留源代码中的句法和语义信息、需要大量专家知识对漏洞特征进行定义等问题.为应对现有技术存在的问题,提出基于BERT(bidirectional encoder representations from transformers)模型的源代码漏洞检测模型.该模型将需要检测的源代码分割为多个小样本,将每个小样本转换成近似自然语言的形式,通过BERT模型实现源代码中漏洞特征的自动提取,然后训练具有良好性能的漏洞分类器,实现Python语言多种类型漏洞的检测.该模型在不同类型的漏洞中实现了平均99.2%的准确率、97.2%的精确率、96.2%的召回率和96.7%的F1分数的检测水平,对比现有的漏洞检测方法有2%~14%的性能提升.实验结果表明,该模型是一种通用的、轻量级的、可扩展的漏洞检测方法.
文摘隐私集合求交(Private Set Intersection,PSI)属于隐私计算领域的特定应用问题,包括秘密共享、同态加密、不经意传输、混淆电路和Hash技术等基础知识,其兼具重要的理论意义与极强的现实应用价值。随着用户数据的隐私保护需求的日益提升,PSI可以在满足依赖个人信息的业务的便利性的同时最大程度保护个人信息私密性需求。本文首先介绍了隐私集合求交的研究现状,其次按照底层密码技术对PSI进行分类并对比分析了它们的复杂度,对其优缺点进行对比分析,同时对比分析了基于不同密码技术的PSI的使用场景,最后指出其发展方向并得出结论。