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。

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.

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。

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.

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。

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。

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。