基于Paillier同态加密算法的数字化供应链溯源方案设计

为提升供应链的安全性和透明度,本文设计了一款基于Paillier同态加密算法的数字化供应链溯源方案。数据显示,文件数量为1600时,基于Paillier同态加密算法的密文检索方案的检索时间为0.6×10^(3)ms,明显低于灵活多关键字搜索方案。在数字化供应链溯源系统测试中,当查询次数为1000时,系统每秒事物处理量为979,平均响应时间为0.62s。结果表明,系统在查询和上链测试中表现较好,吞吐量和响应时间均达到较高水平。基于Paillier同态加密算法的数字化供应链溯源方案具有良好的安全性和效率,可以有效实现对供应链的全面控制。

基于Paillier同态加密算法的去标识化技术研究

本文对Paillier同态加密算法原理进行深入研究,此外,本文还探索了在安全应用中使用同态加密算法进行数据去标识化的技术,并进行了实践验证。实验结果表明,Paillier同态加密算法能够有效地保护个人信息免受泄露和不当挖掘,将在未来的大数据时代中发挥关键作用。

基于Zynq平台的BFV全同态加密算法高效实现

针对BFV全同态加密算法,在Zynq平台上设计了一种高效实现方案。该方案结合负包裹卷积与数论变换(NTT)算法,优化并加速了多项式乘法的过程。同时采用流水线设计思想和并行化硬件电路架构,加速BFV算法的RNS实现。系统采用AXI-DMA传输机制高效地实现了ARM和FPGA之间数据传输。在Zynq Ultra‐Scale+MPSoC ZCU102平台上测试,系统在200 MHz时钟频率下,执行一次同态加法的平均耗时为0.024 ms;执行一次同态乘法的平均耗时为5.779 ms,其中包括0.874 ms的密文传输时间。与SEAL库和OpenFHE库的实现相比,所提方案的同态加法实现了4.63倍和6.79倍的效率提升,同态乘法实现了4.43倍和2.95倍的效率提升,这为全同态加密算法的实际工程实现提供了重要参考。

Paillier同态加密下车辆协同自适应预测巡航控制

车辆协同式自适应巡航控制(CACC)以其高效便捷的特点成为智能交通系统的研究热点,但随着车辆接入网络,网络攻击对车联网系统的安全性造成了很大威胁;针对传统方案较繁琐、密文密钥同时传输数据仍可能被篡改的问题,采用Paillier同态加密算法对加速度进行加密,仅传输密文;针对控制目标设计一综合跟踪信号,并基于Paillier算法的同态性设计密文数乘运算,使加速度密文无须解密而直接用于自车构建跟踪信号;将跟踪信号与分布式模型预测控制(MPC)结合,采用线性矩阵不等式对控制策略的优化问题进行转化,求解最优控制输入,保证车辆队列的安全协同行驶;经Matlab仿真验证了控制系统的性能指标以及Paillier同态加密的有效性。

基于全同态加密优化的云数据隐私保护方法

为了提升云数据的安全性,改善数据加密时间长以及加密效果较差等问题,提出一种基于全同态加密优化的云数据隐私保护方法。通过生成对抗网络模型学习原始数据中的重要特征,确保合成的数据和初始数据之间具有较高的相似度,使其能够满足差分隐私特征。引入PKI对数据所有者和用户身份认证处理,完成密钥的产生和分发,根据差分隐私特征将用户所有者的数据划分为不同类型,获取用户访问特征向量。构建全同态加密机制,同时引入代理重加密机制,通过密钥转换完成数据加密处理,最终实现云数据全同态加密优化。实验对比结果表明,上述加密方案能够快速完成数据加密处理,有效确保数据的安全性。

全同态加密软硬件加速研究进展

全同态加密(FHE)是一种重计算、轻交互的多方安全计算协议。在基于全同态加密的计算协议中,尽管计算参与方之间无需多轮交互与大量通信,加密状态下的密态数据处理时间通常是明文计算的10~3~10~6倍,极大地阻碍了这类计算协议的实际落地;而密态数据上的主要处理负担是大规模的并行密码运算和运算所必须的密文及密钥数据搬运需求。该文聚焦软、硬件两个层面上的全同态加密加速这一研究热点,通过系统性地归类及整理当前领域中的文献,讨论全同态加密计算加速的研究现状与展望。

基于Paillier加密和共识机制的分解协调式算法

随着能源系统的去中心化程度不断加深,分解协调式算法开始广泛应用于求解能源领域的优化问题。但是,分解协调式算法需要子优化问题向协调层算法上传协调变量,存在隐私泄露的风险,并且协调层自身还存在着信任问题。为了解决这些问题,引入Paillier加密和区块链共识机制,对分解协调式算法进行改进。在分解协调式算法的每次迭代中,各个发电商的出力通过Paillier加密后以密文的形式广播给其他发电商,某个发电商作为领导节点负责根据密文计算出所有发电商的总出力,并将所有密文和总出力打包生成区块后广播给所有发电商。所有发电商都会对区块内容的正确性进行检查,检查通过后将区块加入到账本中,完成分解协调式算法的本次迭代。算例结果证明了该算法中Paillier加密能够保护各个发电商的隐私,共识机制能够防止领导节点恶意篡改区块内容,在发电商间构建信任。

一种多素数和公共模数联合的Paillier优化算法

Skyline查询旨在大量数据点中选择出一组符合要求的点集合,为面向位置对象的多目标优化问题提供了关键技术.明文的Skyline查询会引发数据泄露,采取同态加密Paillier对数据进行保护,实现密文上的Skyline查询.针对Paillier加解密效率低的问题,提出了多素数和公共模数联合的MPGPaillier(multiple primegenerator Paillier)算法,对算法的正确性和安全性进行证明.实验对比分析表明,在加解密效率方面,MP-GPaillier比Paillier和MP-Paillier(multiple primePaillier)算法有显著提升.

基于全同态加密算法的高校数据安全存储方法

目前,高校数据安全存储结构多为单一模式,存储效率较低,导致数据安全存储写入速率下降,为此提出对基于全同态加密算法的高校数据安全存储方法的设计与验证分析。采用多层级的方式,设计多层级数据存储加密结构,从而构建全同态加密测算数据存储模型,采用HBase并发索引加密实现数据安全存储。最终测试结果表明:设计的全同态加密测算数据安全存储测试组最终得出的数据安全存储写入速率可以达到6.5MB/s以上,说明此种数据存储方法的针对性和稳定性较强,存储速度更快。

基于同态加密的数据库信息安全应用研究

随着信息化技术的发展,涉及到个人信息的数据规模也在增加,如果大量的个人信息泄露,不仅会导致用户生命财产受损,更会破坏市场秩序、制约经济发展,甚至会引发公共安全危机。该研究旨在保护本地数据库安全,采用Paillier同态加密算法对数据库进行加密。通过测试,可以实现对指定数据库、表及字段进行加解密操作,有效防范他人对本地数据库数据的恶意窃取泄露,提高用户本地计算机的安全性,保护用户数据隐私。

针对RIAC同态加密算法的攻击

RIAC(random iterative affine cipher)是一种具有加法同态性的加密算法,最初见诸于FATE、Fedlearn等开源联邦学习框架中.RIAC使用多个轮次模仿射密码嵌套进行加密,只需要模乘和模加运算,其性能比其他加法同态加密方案要高得多,但是RIAC的加密强度并不依赖任何困难性假设.本文研究了RIAC的安全性问题,提出了一种攻击,可以在已知几十组明文为0的密文的前提下,在数十秒内提取RIAC的私钥.讨论了几个在不改变RIAC结构的前提下可能进行的修复,但结果是这些修复均不能抵御所提攻击.根据此研究的安全通报,相关机构和开源组织已经在升级版本中删除了RIAC算法的相关内容.

基于同态加密的神经网络模型训练方法

针对云环境下数据隐私泄露与基于同态加密的隐私保护神经网络中精度不足的问题,文中提出了一种双服务器协作的隐私保护神经网络训练(PPNT)方案,在云服务器协同训练过程中实现了对数据传输、计算过程及模型参数的隐私保护。首先,为避免使用多项式近似方法实现指数和比较等非线性函数,并提高非线性函数的计算精度,基于Paillier半同态加密方案和加法秘密共享技术设计了一系列基础安全计算协议;其次,在已设计的安全计算协议基础上,构造了神经网络中的全连接层、激活层、Softmax层及反向传播相应的安全计算协议,以实现PPNT方案;最后,通过理论与安全性分析,证明了PPNT方案的正确性及安全性。性能实验结果显示,与PPMLaaS方案相比,PPNT方案的模型精度提高了1.7%,且在安全计算过程中支持客户端离线。

基于联邦学习和同态加密的电力数据预测模型本地保护

电力数据的准确、快速预测不仅对电力系统的稳定、正常运行至关重要,也会对整个社会的生产生活产生重大影响.因此,高效、准确地预测电力数据是电力数据研究中的一项重要工作.循环神经网络在电力数据预测问题上具有优异的表现,但是需要大量数据来训练模型.各大电力公司出于隐私安全问题的考虑,并不愿意共享各自的电力数据,从而无法训练出更加精确的模型.此外,在海量数据上传到中央服务器对联合模型进行训练的过程中会产生巨大的网络资源开销.针对这些问题,将联邦学习与Paillier同态加密算法相结合,提出了基于联邦学习和同态加密的电力数据预测模型本地保护方法.实现了对电力数据和本地模型参数的保护,在安全的状态下对联合模型进行共同训练.使用真实的电力数据进行了实验,该方法取得了良好的实验结果.

基于整数多项式环的全同态加密算法

为确保云计算环境下用户数据的安全性,利用同态加密算法对数据和加密函数的隐私保护功能,设计一种基于整数多项式环的全同态加密算法。该算法包括同态算法和重加密算法,前者针对明文数据进行加密,后者针对密文数据进行二次加密。分析结果表明,该算法的计算复杂度为O(n5),低于理想格全同态加密算法。

一种实现数据库同态计算的ELGamal重加密算法

数据库加密技术旨在解决数据库隐私数据泄露问题.现有的关于加密数据库的研究应用未实现或仅部分实现密文数据的同态计算功能,使得SQL查询语句在加密数据库中无法高效执行甚至失效.提出一种实现数据库同态计算的ELGamal重加密算法,该算法基于ELGamal乘法同态密码体制和数据库外层加密方式,通过将SQL查询语句中算术表达式重写为具有同态计算的重加密表达式,实现数据库基于密文进行同态计算的目标.本文提出的ELGamal重加密算法在DDH问题是困难的假设下可以抵抗选择明文攻击.

基于同态加密的隐私保护推荐算法

在ESORICS16上提出的TW16方案基础上,构造并实现了一种准确高效的基于同态加密的隐私保护推荐协议。针对活跃用户的特点,通过增加活跃用户的评分权值的方法提升推荐协议的合理性和准确性,通过对参数设置进行优化和增加计算缓存的方法提升协议的效率,并对协议的安全性进行了分析。实验结果表明,与TW16推荐协议相比,所构造协议的推荐准确性较高,且协议中数据预处理过程和执行过程中的效率得到提升,单预测协议运算时间减少了13.4%,Top-n协议运算时间减少了12.7%。

基于整数的全同态加密算法的研究与实践

基于整数的全同态加密算法拟解决的主要问题是加密编码文本的设计。本文对理想格全同态和整数全同态加密算法的加、解密过程和设计方法进行分析,开发了一种基于完整数量多项式环的同态加密算法,其安全性基于离散子集的和。基于完整环的同态加密算法具有高计算复杂性和与理想的稳态网格加密算法的兼容性等优点,但其缺点是专注于单项式的选项;基于整数的全同态加密算法,随着计算的深入,在Evaluate操作中仍然满足全同态。

数据挖掘中同态加密隐私保护算法的改进研究

对数据挖掘中同态加密的隐私保护算法进行了研究,利用改变数据垂直分布条件下的聚类流程改进了聚类方法,并在聚类时引入了加密技术,然后将这种方法使用到了k-中心聚类算法中去,使得数据的安全性得到了进一步的保障。从通信的复杂程度、计算量以及准确度等多个方面对算法进行了全面的分析,在通信开销上有了较大幅度的降低,使得分布式模式下的计算负载更加地均衡。从数据挖掘的隐私安全角度进行了研究分析,实验测试实现了保序加密以及同态加密对聚类算法中的隐私安全的作用。

基于同态加密的医院隐私数据安全传输方法

当前对于医院隐私数据安全传输方法主要依托于云计算方法,但这种方法容易受到数据摘要信息波动性的影响,导致数据传输误比特率较高,无法保证数据传输过程的安全性。因此,提出基于同态加密的医院隐私数据安全传输方法。首先采用随机线性数据链控制方法对数据传输信道的均衡性进行分析,并计算数据元组的邻域半径,进而构建数据传输信道模型。然后结合数据的标准正态累积概率函数提取数据摘要信息,通过求取数据摘要信息的调制系数,以抑制信息波动性。最后,采用同态加密算法计算医疗隐私数据安全传输的序列向量,以此实现医院隐私数据的安全传输。对比实验结果表明,所提方法在数据传输中得到的误比特率较小,能够保证数据传输的安全性。

基于Gentry全同态加密算法公钥个数优化的研究

Gentry的全同态加密算法(Fully Homomorphic Encryption)运算需要大量的空间存储所需要的公钥,给实际操作带来一定的难度,本文提出了对全同态加密算法的优化,在不影响安全性的同时,节省了系统加密时间,减少公钥的存储空间,提高了算法的可操作性和运算效率。