恶意模型下保密点积协议的设计与分析

保密点积协议是许多安全多方计算问题中一个重要的协议,常被用在许多保密数据挖掘协议中,为这些协议提供了重要的安全保证。目前,一些已存在的保密点积协议至多在半诚实模型下是安全的。基于一些基本的密码学技术设计了一个恶意模型下安全的保密两方共享点积协议,这个协议比以往协议具有更高的安全性。该协议潜在的应用领域是广阔的,如计算Euclidean距离、保密计算几何、保密协作统计分析等。

基于阈值的点线距离与位置关系保密判定协议

特殊安全多方计算问题是近几年国际密码学界一个研究热点。保密计算几何问题就是其中之一,它是指两个或多个互不信任的参与方希望利用他们私有的几何信息作为输入协作解决某一计算几何问题,同时他们想要确保没有把自己的任何私有输入信息泄露给其他参与方,除了规定的输出。设计了基于阈值的两点之间、点线之间距离关系的保密判定协议,点与两平行直线位置关系的保密判定协议,使用这几个协议构造了基于阈值的点与线段之间距离关系的保密判定协议。这些协议在工程、商业和军事等领域中有着潜在的应用前景。

一个点与矩形区域包含关系的安全判定协议

点与矩形区域包含关系的安全判定是指两个用户基于各自的输入信息,共同完成矩形区域是否包含点的判定,并且双方都不能获得对方的输入信息,该问题是一个安全两方计算问题,广泛应用于竞标、拍卖等不泄露信息的商业领域。通过对点与矩形区域位置关系的分析,得到一个判定点与矩形区域位置的公式,然后基于点积协议设计了一个点与矩形区域包含关系的安全判定协议,并且分析了协议的正确性、安全性和复杂性。在保护用户私有输入信息的条件下,解决了点与矩形区域的位置关系判定问题。

保密点包含协议的研究与实现

特殊安全多方计算已经成为安全多方计算领域中一个新的研究热点。研究了保密计算几何中的点包含问题,基于保密点积协议和百万富翁协议提出了一个半诚实模型下保护私有信息的点包含协议,并对协议的性能进行了分析。该协议在军事,工程研究和商业等领域有着重要的应用前景。

保护私有信息的最近点对协议

基于保护私有信息的计算几何问题是安全多方计算的研究热点之一,在军事、商业等领域具有重要的应用前景。研究了几何计算中的最近点对问题,提出保护私有信息的最近点对问题解决方案,在此基础上结合已有的基础协议,设计了一种基于保护私有信息的最近点对协议。对该协议的安全性和复杂度进行了分析。对该问题进行适当的推广,可使之具有更大的实用性。

计算两相交圆精确面积的安全协议

本文提出了一种能够计算两相交圆精确面积的安全协议.通过调用该协议,参与者能够安全的计算出两个相交圆的面积,并且保证各方的私有数据不会泄漏,分析证明该协议具有安全性和高效性.

一个保护私有信息的多边形相交判定协议

安全多方计算是信息安全领域的研究热点问题之一.保护私有信息的多边形相交判定是一个特殊的安全多方计算问题,在军事、商业等领域有着重要的应用前景.现有多边形相交判定算法的主要操作是执行点积协议,而目前的点积协议在安全性和计算效率上均难以同时满足该判定算法的要求.本文首先设计了一个常数时间的线段相交判定协议,在此基础上提出了一个保护私有信息的判定多边形相交的概率算法;证明了该算法是一个蒙特卡洛偏真算法,理论分析与实验结果均表明,该方法性能优于现有算法.

直线与二次曲线位置关系的安全判定协议

在半诚实模型下,直线与二次曲线位置关系的安全判定是一个尚未得到完全解决的问题.根据几何方法,基于Paillier同态加密算法、保密点积协议和社会主义百万富翁协议提出直线与二次曲线位置关系的安全判定协议.首先,通过Paillier同态加密算法将自己二次曲线方程的系数隐藏,使能与对方进行联合计算,但不会泄露自己的具体数据;然后,利用保密点积协议计算双方生成的私有向量的乘积来构造辅助数据;最后,通过百万富翁协议和社会主义百万富翁协议秘密比较辅助数据的大小,从而得出直线和二次曲线的具体位置关系.另外,分析了协议的正确性,并用模拟范例证明了协议的安全性.

保护私有信息的集合交集协议

研究了安全多方计算中的保护私有信息的集合交集问题。在半诚实模型下,基于点积协议设计的两方集合交集协议,复杂度为O(ntp);设计的三方集合交集协议,复杂度为O(2ntp)。给出了协议的正确性理论证明,并对其安全性和复杂度进行了理论分析,性能优于现有协议。最后,给出了协议的推广应用以及不足。

空间两平行直线间距离的保密计算协议

针对半诚实模型提出了空间两平行直线间距离的保密计算协议。确保互不信任的参与方分别输入各自隐私信息合作计算,同时保持各自信息的隐私性,并且不能通过中间结果计算出其他参与方输入的隐私信息,最终准确得到两平行线间距离,并且在理论上证明了协议的正确性和安全性。

保护私有信息的直线与椭圆位置关系判定协议

针对半诚实模型,提出一种根据几何方法判定直线与椭圆位置关系的安全判定协议,其中利用保密点积协议设计一个基础安全协议。由基础安全协议、百万富翁协议以及点线关系安全判定协议设计该协议,并分析协议的正确性、安全性和复杂性。通过这一协议,可以有效地对直线和椭圆位置关系进行安全判定。

空间两球体相交的安全判定协议

安全多方计算是信息安全领域的研究热点问题之一,保护私有信息的计算几何问题是一类特殊的安全多方计算问题。基于安全多方计算技术,设计一个空间两球体相交的安全判定协议,并对协议的正确性和安全性进行了分析。

新的线段相交判定协议

假定双方的计算环境安全,通过利用已有秘密判定相等协议、点积协议以及安全双方除法计算协议提出了新的判定两线段是否相交问题和求2点所在直线的斜率问题,并分析了其正确性、安全性和复杂性,得出新协议在计算复杂度和通信复杂度上都有一定程度的改进.

保护私有信息几何对象的相对位置计算

为了探讨在保护参与方隐私前提下,空间几何对象之间的相对位置计算问题,该文在半诚实模型下,基于点积协议,提出了向量夹角协议和向量差比值协议,在此基础上,给出了判定线、线相对位置的新方法,构建了空间线、面夹角计算协议及线、线距离计算协议.给出了协议的正确性证明,并对其安全性和复杂度进行了理论分析.分析结果表明,所提方法调用点积运算和秘密比较运算的次数少于现有方法,有效降低了协议计算复杂度,可用于解决其他更多的安全多方计算几何问题.

有关保护私有信息的三角不等式判定问题研究

安全多方计算是信息安全领域研究的热点问题之一,保护私有信息的三角不等式判定问题是一类基于三方的特殊安全多方计算问题。文章设计了一个基于Paillier加密算法的百万富翁比较协议,并扩展该协议至三方参与者,形成一个基于Paillier加密算法的三角不等式判定协议;结合点积协议与百万富翁协议,设计了一个保护私有信息的三角不等式判定协议,在保护用户私有输入信息的条件下,解决了三角不等式的判定问题。

垂直分布下的隐私保护关联规则挖掘

针对垂直分布下的隐私保护关联规则挖掘算法安全性不高和挖掘效率较低的问题,提出了一种隐私保护关联规则挖掘算法。算法采用一种新的点积协议,通过引入逆矩阵和随机数隐藏原始输入信息,具有较好的安全性;利用挖掘最大频繁项集来代替挖掘所有频繁项集,采用深度优先遍历策略,结合各种剪枝策略,明显加快了频繁项集的生成速度,大大减少计算代价。实验结果表明,挖掘效率得到了很大提高。

多元线形回归分析中的隐私保护问题

多元回归分析是一类重要的预测方法。随着计算机网络技术的快速发展,用于统计分析的样本数据有时由网络中不同的用户提供。当用户不愿意公开自己的私有数据信息时,如何在他们数据的并集上进行统计分析是一个重要的研究课题。本文讨论了多个用户协作进行多元回归分析中的私有信息保护问题,介绍了两类协作统计模型,基于安全求和协议及点积协议提出了相应的解决方法。

安全多方计算在空间几何问题中的应用

研究安全多方计算在空间几何问题中的应用,提出了空间中基于阈值的两点之间、点线之间距离关系的保密判定协议,空间中点与两平行平面位置关系的保密判定协议;并利用这些协议作为子协议为空间中基于阈值的点与线段之间距离关系的保密判定问题构造了相应的保密解决方案.所提出的协议和解决方案在工程、商业和军事等领域中具有潜在的应用价值.

利用对称性求最小值问题

安全多方计算问题,在很多领域得到了越来越广泛的应用,已成为信息安全领域的研究热点之一.保护私有信息的计算几何问题,是一类特殊的安全多方计算问题.利用点积协议,提出了关于利用对称性求最小值问题的保密协议,并分析了协议的正确性、安全性和复杂性.

隐私保护下融合联邦学习和LSTM的少数据综合能源多元负荷预测

对于用能数据不足的综合能源系统,借助相似系统的丰富数据可以为其建立高精度的多元负荷预测模型,然而,受数据安全等因素的限制,很多系统并不愿意共享自身数据。联邦学习为处理隐私保护下的少数据综合能源多元负荷预测问题提供了一个重要的思路,但是现有方法依然存在相似参与方识别精度不高等不足。鉴于此,本文提出一种融合联邦学习和长短期记忆网络(long short-term memory,LSTM)的少数据综合能源多元负荷预测方法(multitask learning based on shared dot product confidentiality under federated learning,MT-SDPFL)。首先,给出一种基于共享向量点积保密协议的相似参与方识别方法,用来从诸多可用的综合能源系统中选出最为相似的参与方;接着,使用参数共享联邦学习算法对选中的各参与方联合训练,结合LSTM和finetune技术建立每个参与方的多元负荷预测模型。将所提方法应用于多个实际能源系统,实验结果表明,该方法可以在数据稀疏的情况下取得高精度的多源负荷预测结果。