CN115801449B - 风险评估数据的隐私保护方法、***和可读存储介质 - Google Patents
风险评估数据的隐私保护方法、***和可读存储介质 Download PDFInfo
- Publication number
- CN115801449B CN115801449B CN202310027140.7A CN202310027140A CN115801449B CN 115801449 B CN115801449 B CN 115801449B CN 202310027140 A CN202310027140 A CN 202310027140A CN 115801449 B CN115801449 B CN 115801449B
- Authority
- CN
- China
- Prior art keywords
- ciphertext
- cloud server
- user
- data
- data holding
- 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
Links
Images
Landscapes
- Storage Device Security (AREA)
Abstract
本发明公开的一种风险评估数据的隐私保护方法、***和可读存储介质,其中***包括用户端、云服务器以及数据持有端,其中,用户端为有待评估的企业,其拥有企业经营数据、财务数据、技术数据等机密信息;云服务器是指在评估服务过程中提供协助计算功能的云服务器,其与用户端、数据持有端直接进行数据交互,通过双方上传的密文数据计算出风险评估结果发送给用户端;数据持有端为企业风险评估服务提供方,其持有评估方法的多分类器参数。本发明不仅能够在***露企业机密信息情况下为用户确定可能性最大的风险评估,而且还能保护风险评估服务提供者的评估方法的分类器参数不被第三方窃取,有效保护企业机密数据的同时也对评估模型做了有效隐私保护。
Description
技术领域
本发明涉及数据处理技术领域,更具体的,涉及一种风险评估数据的隐私保护方法、***和可读存储介质。
背景技术
企业风险评估机构以其储备的企业数据为样本可以通过支持向量机训练出一套判断企业风险等级的由多个二分类器构成的风险评估多分类器,通过云服务器对拟评估的企业进行分类为企业进行风险评估。
企业风险评估出给出最终评估结果,提高评估效率和准确率,因此需要对相关企业数据进行安全保护,防止隐私数据泄露。
发明内容
本发明的目的是提供一种风险评估数据的隐私保护方法、***和可读存储介质,涉及利用机器学习中支持向量机分类进行企业风险评估;针对企业用户信息,风险评估机构通过诊断标准(分类参数)的安全与企业隐私信息保护需要,设计的一种具有隐私保护的企业风险评估方法,涉及云服务器、企业风险评估服务提供方(数据持有端)、及待评估机构(用户端)三方的隐私保护风险评估方法,实现在企业***漏自身机密信息的前提下进行风险评估。
本发明第一方面提供了一种风险评估数据的隐私保护***,所述***包括:
用户端,用于生成用户公私钥对,并向云服务器发送服务请求,其中,所述用户公私钥对包括用户公钥以及用户私钥;
云服务器,用于将所述服务请求转发给数据持有端;
数据持有端,用于生成服务公私钥对,其中,所述服务公私钥对包括服务公钥以及服务私钥,所述数据持有端在获取到所述服务请求后,基于所述服务公钥加密预设的评估数据得到加密密文,并将所述加密密文发送给所述用户端;
所述用户端还用于基于所述加密密文计算决策函数值密文,并将所述决策函数值密文发送给所述云服务器;
所述云服务器还用于生成分类服务响应,基于接收到的所述决策函数值密文与所述数据持有端进行交互,识别最大决策函数值对应的目标密文,并利用所述用户公钥加密所述目标密文以发送给所述用户端;
所述用户端还用于基于所述用户私钥解密所述目标密文得到评估结果。
本发明第二方面还提供一种风险评估数据的隐私保护方法,所述方法如下步骤:
基于用户端生成用户公私钥对,并向云服务器发送服务请求,其中,所述用户公私钥对包括用户公钥以及用户私钥;
基于云服务器将所述服务请求转发给数据持有端;
基于数据持有端生成服务公私钥对,其中,所述服务公私钥对包括服务公钥以及服务私钥,所述数据持有端在获取到所述服务请求后,基于所述服务公钥加密预设的评估数据得到加密密文,并将所述加密密文发送给所述用户端;
还利用所述用户端基于所述加密密文计算决策函数值密文,并将所述决策函数值密文发送给所述云服务器;
还利用所述云服务器生成分类服务响应,基于接收到的所述决策函数值密文与所述数据持有端进行交互,识别最大决策函数值对应的目标密文,并利用所述用户公钥加密所述目标密文以发送给所述用户端;
还利用所述用户端基于所述用户私钥解密所述目标密文得到评估结果。
本方案中,所述利用所述云服务器生成分类服务响应,具体包括:
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种风险评估数据的隐私保护方法程序,所述风险评估数据的隐私保护方法程序被处理器执行时,实现如上述任一项所述的一种风险评估数据的隐私保护方法的步骤。
本发明公开的一种风险评估数据的隐私保护方法、***和可读存储介质,不仅能够在***露企业机密信息情况下为用户确定可能性最大的风险评估,而且还能保护风险评估服务提供者的评估方法的分类器参数不被第三方窃取,有效保护企业机密数据的同时也对评估模型做了有效隐私保护。
附图说明
图1示出了本发明一种风险评估数据的隐私保护方法的流程图;
图2示出了本发明一种风险评估数据的隐私保护***的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种风险评估数据的隐私保护方法的流程图。
如图1所示,本申请公开了一种风险评估数据的隐私保护方法,包括以下步骤:
S102,基于用户端生成用户公私钥对,并向云服务器发送服务请求;
S104,基于云服务器将所述服务请求转发给所述数据持有端;
S106,基于数据持有端生成服务公私钥对;
S108,利用所述用户端基于所述加密密文计算决策函数值密文,并将所述决策函数值密文发送给所述云服务器;
S110,利用所述云服务器生成分类服务响应,基于接收到的所述决策函数值密文与所述数据持有端进行交互,识别最大决策函数值对应的目标密文;
S112,利用所述用户公钥加密所述目标密文以发送给所述用户端;
S114,利用所述用户端基于所述用户私钥解密所述目标密文得到评估结果。
需要说明的是,于本实施例中,本实施例中公开的一种风险评估数据的隐私保护方法共应用到三个设备,分别是企业用户(用户端)UR、云服务器CS、企业风险评估服务提供方(数据持有端)DO三方,在实际应用时,先进行初始化,其中,基于用户端生成用户公私钥对,基于数据持有端生成服务公私钥对,公开其中的服务公钥以及用户公钥/>,利用所述用户端基于所述加密密文计算决策函数值密文,其中,用户端UR向云服务器CS发送服务请求,云服务器CS将服务请求转发给数据持有端DO,数据持有端DO持有/>个SVM二分类器的参数/>,/>,以及各个二分类器对应的类标签/>,其中,,数据持有端DO用自己的公钥/>分别加密以上参数和类标签得到对应密文/>,/>,/>表示在其中的数据为向量,下标i表示该向量包括i个元素;数据持有端DO将所得密文发送给用户端UR,加密的具体方法为:选取与/>互素的随机数/>,/>,对应的解密过程为:/>,通过计算/>以/>为基的离散对数可得到明文/>,其中,加密方法具有加法同态性:,/>,数据持有端DO基于风险评估机构记录企业评估标准以及企业待评估密文形态数据,产生用于评估信息向量/>,其中,而后用户端UR利用从数据持有端DO得到的分类器参数密文/>,和企业数据向量/>计算决策函数值密文:
并将所述决策函数值密文发送给所述云服务器CS,云服务器CS收到用户端UR发送的个决策函数值密文,与数据持有端DO交互,找出其中最大决策函数值对应的密文,用所述用户端UR的公钥/>加密的密文后发送给用户端UR,而后再利用所述用户端基于所述用户私钥/>解密所述目标密文得到评估结果,具体的解密步骤见后述说明。
需要说明的是,于本实施例中,数据持有端DO与用户端UR分别产生各自的公私钥对和/>,其中,/>和/>都是公钥密码体制的公私钥对,相应地,所述服务公钥/>,所述服务私钥/>;所述用户公钥/>,所述用户私钥。
根据本发明实施例,所述利用所述云服务器生成分类服务响应,具体包括:
需要说明的是,于本实施例中,云服务器CS利用用户端UR发送的决策函数值密文,/>,计算相邻两决策函数值差的密文:/>,由于/>与/>各维以及/>均远小于/>,且特征维度/>一般不高,现实应用中可以设置认为,进而有/>。
当最低位为“1”时,/>,/>最低位为“-1”时,/>,由此,可将密文上判断明文正负的转换为判断明文最低位。而后云服务器CS选择随机数/>对/>加干扰:/>,将密文/>发送给数据持有端DO,数据持有端DO将密文/>解密得到/>,提取最低位/>,利用云服务器CS与数据持有端DO进行交互,从/>中削除随机数/>的干扰,云服务器CS与数据持有端DO运行安全比较协议比较/>与/>的大小,云服务器CS得到一个比特/>作为比较结果,当/>时/>,/>时/>;云服务器CS选取随机比特/>对/>进行混淆,得到比特/>:/>,将/>发送给数据持有端DO,待数据持有端DO收到/>后,计算:,用自己的公钥/>加密/>得到/>,将/>发送给云服务器CS,基于所述云服务器提取随机数/>的最低位,得到/>,并利用/>和随机比特/>计算:/>,基于所述云服务器利用/>与/>得到表示/>,其中,/>大小关系的比特/>的密文为/>,当/>时,当/>时/>:
云服务器CS与数据持有端DO从到/>进行循环,其中,/>为决策函数值密文,中/>,经过/>轮循环后,云服务器CS得到/>和/>,分别为最大决策函数值对应密文和对应类标签密文,云服务器CS选取随机数/>,对分类结果密文/>加干扰,得到/>,将/>发送给数据持有端DO,数据持有端DO用自己的私钥/>将解密后再用用户端UR的公钥/>加密得到密文/>,将/>发送给云服务器CS,云服务器CS用所述用户端UR的公钥/>加密所选随机数/>,得到密文/>,将和/>发送给用户端UR。
值得一提的是,用户端基于所述用户私钥解密所述目标密文得到评估结果,具体包括:
所述用户端响应所述云服务器,接收所述云服务器发送的目标密文;
利用用户私钥解密所述目标密文,并对解密结果进行随机数干扰消除以得到所述评估结果。
图2示出了本发明一种风险评估数据的隐私保护***的框图。
如图2所示,本发明公开了一种风险评估数据的隐私保护***,所述***包括:
用户端,用于生成用户公私钥对,并向云服务器发送服务请求,其中,所述用户公私钥对包括用户公钥以及用户私钥;
云服务器,用于将所述服务请求转发给所述数据持有端;
数据持有端,用于生成服务公私钥对,其中,所述服务公私钥对包括服务公钥以及服务私钥,所述数据持有端在获取到所述服务请求后,基于所述服务公钥加密预设的评估数据得到加密密文,并将所述加密密文发送给所述用户端;
所述用户端还用于基于所述加密密文计算决策函数值密文,并将所述决策函数值密文发送给所述云服务器;
所述云服务器还用于生成分类服务响应,基于接收到的所述决策函数值密文与所述数据持有端进行交互,识别最大决策函数值对应的目标密文,并利用所述用户公钥加密所述目标密文以发送给所述用户端;
所述用户端还用于基于所述用户私钥解密所述目标密文得到评估结果。
需要说明的是,所述风险评估数据的隐私保护***在被执行时实现如下步骤:
基于用户端生成用户公私钥对,并向云服务器发送服务请求,其中,所述用户公私钥对包括用户公钥以及用户私钥;
基于云服务器将所述服务请求转发给所述数据持有端;
基于数据持有端生成服务公私钥对,其中,所述服务公私钥对包括服务公钥以及服务私钥,所述数据持有端在获取到所述服务请求后,基于所述服务公钥加密预设的评估数据得到加密密文,并将所述加密密文发送给所述用户端;
还利用所述用户端基于所述加密密文计算决策函数值密文,并将所述决策函数值密文发送给所述云服务器;
还利用所述云服务器生成分类服务响应,基于接收到的所述决策函数值密文与所述数据持有端进行交互,识别最大决策函数值对应的目标密文,并利用所述用户公钥加密所述目标密文以发送给所述用户端;
还利用所述用户端基于所述用户私钥解密所述目标密文得到评估结果。
需要说明的是,于本实施例中,本实施例中公开的一种风险评估数据的隐私保护方法共应用到三个设备,分别是企业用户(用户端)UR、云服务器CS、企业风险评估服务提供方(数据持有端)DO三方,在实际应用时,先进行初始化,其中,基于用户端生成用户公私钥对,基于数据持有端生成服务公私钥对,公开其中的服务公钥以及用户公钥/>,利用所述用户端基于所述加密密文计算决策函数值密文,其中,用户端UR向云服务器CS发送服务请求,云服务器CS将服务请求转发给数据持有端DO,数据持有端DO持有/>个SVM二分类器的参数/>,/>,以及各个二分类器对应的类标签/>,其中,,数据持有端DO用自己的公钥/>分别加密以上参数和类标签得到对应密文/>,/>,数据持有端DO将所得密文发送给用户端UR,加密的具体方法为:选取与/>互素的随机数/>,/>,对应的解密过程为:/>,通过计算/>以/>为基的离散对数可得到明文/>,其中,加密方法具有加法同态性:/>,/>,数据持有端DO基于风险评估机构记录企业评估标准以及企业待评估密文形态数据,产生用于评估信息向量/>,其中/>,而后用户端UR利用从数据持有端DO得到的分类器参数密文/>,和企业数据向量/>计算决策函数值密文:
并将所述决策函数值密文发送给所述云服务器CS,云服务器CS收到用户端UR发送的个决策函数值密文,与数据持有端DO交互,找出其中最大决策函数值对应的密文,用所述用户端UR的公钥/>加密的密文后发送给用户端UR,而后再利用所述用户端基于所述用户私钥/>解密所述目标密文得到评估结果,具体的解密步骤见后述说明。
需要说明的是,于本实施例中,数据持有端DO与用户端UR分别产生各自的公私钥对和/>,其中,/>和/>都是公钥密码体制的公私钥对,相应地,所述服务公钥/>,所述服务私钥/>;所述用户公钥/>,所述用户私钥。
根据本发明实施例,所述利用所述云服务器生成分类服务响应,具体包括:
需要说明的是,于本实施例中,云服务器CS利用用户端UR发送的决策函数值密文,/>,计算相邻两决策函数值差的密文:,由于/>与/>各维以及/>均远小于/>,且特征维度/>一般不高,现实应用中可以设置认为/>,进而有/>。
当最低位为“1”时,/>,/>最低位为“-1”时,/>,由此,可将密文上判断明文正负的转换为判断明文最低位。而后云服务器CS选择随机数/>对/>加干扰:/>,将密文/>发送给数据持有端DO,数据持有端DO将密文/>解密得到/>,提取最低位/>,利用云服务器CS与数据持有端DO进行交互,从/>中削除随机数/>的干扰,云服务器CS与数据持有端DO运行安全比较协议比较/>与/>的大小,云服务器CS得到一个比特/>作为比较结果,当/>时/>,/>时/>;云服务器CS选取随机比特/>对/>进行混淆,得到比特/>:/>,将/>发送给数据持有端DO,待数据持有端DO收到/>后,计算:,用自己的公钥/>加密/>得到/>,将/>发送给云服务器CS,基于所述云服务器提取随机数/>的最低位,得到/>,并利用/>和随机比特/>计算:/>,基于所述云服务器利用/>与/>得到表示/>,其中,/>大小关系的比特/>的密文为/>,当/>时,当/>时/>:
云服务器CS与数据持有端DO从到/>进行循环,其中,/>为决策函数值密文,中/>,经过/>轮循环后,云服务器CS得到/>和/>,分别为最大决策函数值对应密文和对应类标签密文,云服务器CS选取随机数/>,对分类结果密文/>加干扰,得到/>,将/>发送给数据持有端DO,数据持有端DO用自己的私钥/>将解密后再用用户端UR的公钥/>加密得到密文/>,将/>发送给云服务器CS,云服务器CS用所述用户端UR的公钥/>加密所选随机数/>,得到密文/>,将和/>发送给用户端UR。
值得一提的是,用户端基于所述用户私钥解密所述目标密文得到评估结果,具体包括:
所述用户端响应所述云服务器,接收所述云服务器发送的目标密文;
利用用户私钥解密所述目标密文,并对解密结果进行随机数干扰消除以得到所述评估结果。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括一种风险评估数据的隐私保护方法程序,所述风险评估数据的隐私保护方法程序被处理器执行时,实现如上述任一项所述的一种风险评估数据的隐私保护方法的步骤。
本发明公开的一种风险评估数据的隐私保护方法、***和可读存储介质,不仅能够在***露企业机密信息情况下为用户确定可能性最大的风险评估,而且还能保护风险评估服务提供者的评估方法的分类器参数不被第三方窃取,有效保护企业机密数据的同时也对评估模型做了有效隐私保护。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (3)
1.一种风险评估数据的隐私保护***,其特征在于,所述***包括:
用户端,用于生成用户公私钥对,并向云服务器发送服务请求,其中,所述用户公私钥对包括用户公钥以及用户私钥;
云服务器,用于将所述服务请求转发给数据持有端;
数据持有端,用于生成服务公私钥对,其中,所述服务公私钥对包括服务公钥以及服务私钥,所述数据持有端在获取到所述服务请求后,基于所述服务公钥加密预设的评估数据得到加密密文,并将所述加密密文发送给所述用户端;
所述用户端还用于基于所述加密密文计算决策函数值密文,并将所述决策函数值密文发送给所述云服务器;
所述云服务器还用于生成分类服务响应,基于接收到的所述决策函数值密文与所述数据持有端进行交互,识别最大决策函数值对应的目标密文,并利用所述用户公钥加密所述目标密文以发送给所述用户端;
所述用户端还用于基于所述用户私钥解密所述目标密文得到评估结果;
所述云服务器还用于生成分类服务响应,具体包括:
基于用户端生成用户公私钥对,基于数据持有端生成服务公私钥对,公开其中的服务公钥以及用户公钥/>,利用所述用户端基于所述加密密文计算决策函数值密文,其中,用户端UR向云服务器CS发送服务请求,云服务器CS将服务请求转发给数据持有端DO,数据持有端DO持有/>个SVM二分类器参数/>,/>,其中/>,以及各个二分类器对应的类标签/>,其中/>,数据持有端DO用自己的公钥/>分别加密以上参数和类标签得到对应密文/>,/>,/>表示在其中的数据为向量,下标i表示该向量包括i个元素;
数据持有端DO将所得密文发送给用户端UR,数据持有端DO基于风险评估机构记录企业评估标准以及企业待评估密文形态数据,产生用于评估信息向量,其中,而后用户端UR利用从数据持有端DO得到的分类器参数密文/>,和企业数据向量/>计算决策函数值密文:
3.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括一种风险评估数据的隐私保护***程序,所述风险评估数据的隐私保护***程序被处理器执行时,实现如权利要求1所述的一种风险评估数据的隐私保护***的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027140.7A CN115801449B (zh) | 2023-01-09 | 2023-01-09 | 风险评估数据的隐私保护方法、***和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027140.7A CN115801449B (zh) | 2023-01-09 | 2023-01-09 | 风险评估数据的隐私保护方法、***和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115801449A CN115801449A (zh) | 2023-03-14 |
CN115801449B true CN115801449B (zh) | 2023-05-26 |
Family
ID=85428845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310027140.7A Active CN115801449B (zh) | 2023-01-09 | 2023-01-09 | 风险评估数据的隐私保护方法、***和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115801449B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113203A (zh) * | 2019-04-30 | 2019-08-09 | 阿里巴巴集团控股有限公司 | 一种用于加密模型的安全性评估的方法和设备 |
CN113553610A (zh) * | 2021-09-22 | 2021-10-26 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于同态加密和可信硬件的多方隐私保护机器学习方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104092686B (zh) * | 2014-07-14 | 2017-06-09 | 中国科学技术大学苏州研究院 | 基于svm分类器的隐私保护和数据安全访问的方法 |
CN108833077A (zh) * | 2018-07-02 | 2018-11-16 | 西安电子科技大学 | 基于同态ou密码的外包分类器加解密方法 |
CN110008717B (zh) * | 2019-02-26 | 2023-04-11 | 东北大学 | 支持隐私保护的决策树分类服务***及方法 |
CN111371545B (zh) * | 2020-05-27 | 2020-09-11 | 支付宝(杭州)信息技术有限公司 | 一种基于隐私保护的加密方法和*** |
CN114124343B (zh) * | 2020-11-16 | 2023-11-14 | 神州融安数字科技(北京)有限公司 | 保护隐私的风险评分信息查询方法、装置、***及设备 |
CN112148801B (zh) * | 2020-11-24 | 2021-02-12 | 支付宝(杭州)信息技术有限公司 | 保护数据隐私的多方联合进行业务对象预测的方法及装置 |
CN112819058B (zh) * | 2021-01-26 | 2022-06-07 | 武汉理工大学 | 一种具有隐私保护属性的分布式随机森林评估***与方法 |
CN113487423A (zh) * | 2021-07-29 | 2021-10-08 | 中国银行股份有限公司 | 个人信贷风险预测模型训练方法及装置 |
-
2023
- 2023-01-09 CN CN202310027140.7A patent/CN115801449B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113203A (zh) * | 2019-04-30 | 2019-08-09 | 阿里巴巴集团控股有限公司 | 一种用于加密模型的安全性评估的方法和设备 |
CN113553610A (zh) * | 2021-09-22 | 2021-10-26 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于同态加密和可信硬件的多方隐私保护机器学习方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115801449A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109150519B (zh) | 基于公共密钥池的抗量子计算云存储安全控制方法和*** | |
US9432346B2 (en) | Protocol for controlling access to encryption keys | |
CN104253694B (zh) | 一种用于网络数据传输的保密方法 | |
CN110059458B (zh) | 一种用户口令加密认证方法、装置及*** | |
CN108347419A (zh) | 数据传输方法和装置 | |
CN106713508A (zh) | 一种基于云服务器的数据存取方法及*** | |
CN107465665A (zh) | 一种基于指纹识别技术的文件加解密方法 | |
CN108347404A (zh) | 一种身份认证方法及装置 | |
CN112737764B (zh) | 一种轻量级多用户多数据的全同态数据加密封装方法 | |
US20190207756A1 (en) | Multi-factor-protected private key distribution | |
CN109347923B (zh) | 基于非对称密钥池的抗量子计算云存储方法和*** | |
CN104992100A (zh) | 用于电子文档流转的虹膜动态加密解密***及方法 | |
CN109787747B (zh) | 基于多个非对称密钥池的抗量子计算多重加密云存储方法和*** | |
CN109687960B (zh) | 基于多个公共非对称密钥池的抗量子计算代理云存储方法和*** | |
CN109302283B (zh) | 基于公共非对称密钥池的抗量子计算代理云存储方法和*** | |
CN109412788B (zh) | 基于公共密钥池的抗量子计算代理云存储安全控制方法和*** | |
CN115801449B (zh) | 风险评估数据的隐私保护方法、***和可读存储介质 | |
Shirole et al. | Review paper on data security in cloud computing environment | |
Kavin et al. | A Novel M-Commerce Data Security Mechanism using Elliptic Curve Cryptography | |
CN116707778A (zh) | 数据混合加密传输方法、装置和电子设备 | |
Thapar et al. | A study of data threats and the role of cryptography algorithms | |
CN113411347B (zh) | 交易报文的处理方法及处理装置 | |
Jain et al. | Honey2fish-a hybrid encryption approach for improved password and message security | |
CN115150076A (zh) | 一种基于量子随机数的加密***及方法 | |
Jena et al. | Dual encryption model for preserving privacy in cloud computing |
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 |