JP7064682B2 - 準同型暗号に基づくプライバシー保護多機関データ分類方法 - Google Patents
準同型暗号に基づくプライバシー保護多機関データ分類方法 Download PDFInfo
- Publication number
- JP7064682B2 JP7064682B2 JP2021533328A JP2021533328A JP7064682B2 JP 7064682 B2 JP7064682 B2 JP 7064682B2 JP 2021533328 A JP2021533328 A JP 2021533328A JP 2021533328 A JP2021533328 A JP 2021533328A JP 7064682 B2 JP7064682 B2 JP 7064682B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- polynomial
- homomorphic encryption
- calculation center
- public key
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
準同型暗号に基づくプライバシー保護多機関データ分類方法であって、
使用者がトレーニングデータの選別条件を生成して、選別条件を計算センターに送信するステップ(1)と、
計算センターが選別条件を受信し、準同型暗号アルゴリズムを利用して暗号化パラメータを生成して、暗号化パラメータをステップ(1)の選別条件とともに各データ提供機関に送信するステップ(2)と、
各データ提供機関が選別条件に基づいて分類タグを付けたローカルデータを選別して、トレーニングデータを取得するステップ(3)と、
各データ提供機関が暗号化パラメータに基づいて、準同型暗号アルゴリズムを利用してそれぞれの公開鍵及び秘密鍵を生成するステップ(4)と、
各データ提供機関が公開鍵によりトレーニングデータを暗号化し、分類変数を暗号化せずに特徴変数を暗号化して、暗号化後のトレーニングデータを対応する公開鍵とともに計算センターに送信するステップ(5)と、
計算センターが各データ提供機関により暗号化された後のトレーニングデータ及び対応する公開鍵を受信した後、各データ提供機関とともに準同型暗号における論理回帰分析を実行して、データ分類モデルを取得するステップ(6)と、
計算センターがデータ分類モデルを使用者に送信するステップ(7)と、
使用者が分類対象データをデータ分類モデルに入力して、分類結果を取得するステップ(8)と、を含む。
a)nが2の正の整数乗であり、
b)
且つ
であり、
c)σkとσcがいずれも正数であって、
であり、
d)
であり、
e)
である。
(1)一元多項式の生成ルール
に従って多項式fと多項式gを生成し、
は、多項式の次数がn-1であることと、多項式のすべての係数がいずれも平均値が0であり、標準偏差がσkである離散正規分布のサンプリングにより取得されることとを満足し、
fは以下の(a)~(b)を満足し、
(a)多項式環Rq nにfの逆元f-1が存在し、Rq nにおけるすべての多項式の係数が(-q/2,q/2)の中の整数であり、すべての多項式の最高次数がn-1であり、環のモジュロが多項式xn+1であり、
(b)
であり、
(2)公開鍵pk及び秘密鍵skを生成し、
であり、
である。
更に、前記ステップ(5)において、各データ提供機関が公開鍵によりトレーニングデータを暗号化する過程が次のとおりであり、
(1)平文のビット長
にし、
(2)暗号化対象の整数平文μについて、
が求められ、
(3)一元多項式の生成ルール
に従ってL個の多項式S1~SL及びL個の多項式E1~ELを生成し、
は、多項式の次数がn-1であることと、多項式のすべての係数がいずれも平均値が0であり、標準偏差がσcである離散正規分布のサンプリングにより取得されることとを満足し、
(4)暗号文Cを生成し、暗号文CがL個の多項式を含み、i番目の暗号文における多項式Ciの式が、
更に、前記ステップ(6)において、準同型暗号における論理回帰分析の実行過程においてデータ復号を行い、具体的なステップが次のとおりであり、
(1)暗号文Cにおけるすべての多項式をそれぞれ秘密鍵skに乗じて、次の式を取得し、
暗号文C及び暗号文Dがそれぞれ平文μ1及び平文μ2を暗号化して取得したものであると仮定すれば、暗号文加算及び暗号文乗算がそれぞれ次のとおりであり、
(1)計算センターが論理回帰の最大反復回数iter及び学習率aを設定し、
(2)計算センターが分類モデルパラメータθ0~θyを初期化し、
(3)計算センターが分類モデルパラメータの更新された値Δθ0~Δθy=0を初期化し、
(4)計算センターがそれぞれ各機関の公開鍵により分類モデルパラメータを暗号化し、暗号化後のモデルパラメータをΘ01~Θ0x、……、Θy1~Θyxと記し、
(5)計算センターが各暗号文におけるトレーニングデータCに対して次の操作を実行し、機関iから提供されたj番目のトレーニングデータ
(ここで、
がCijのy個の特徴変数であり、labelijがCijの分類変数である。)について、
(a)重み付け予測値
、
(b)暗号文状態における勾配降下値
を計算し、準同型暗号におけるsigmoid関数が多項式y=-0.0016x3+0.1501x+0.5によりフィッティングを行い、
(c)
をデータ提供機関iに送信し、
(6)データ提供機関
が
を受信してノイズ合計値
を初期化し、その後、各
に対して次の操作を実行し、
(a)ワンタイムノイズerrorを生成して公開鍵により暗号文ノイズEij kに暗号化し、
(b)暗号化ノイズにより
を隠して、
を取得し、具体的な式がΔΘ’ij k=ΔΘij k+Eij kであり、
(c)Ei k+=eであり、
(d)
を
に復号して
を計算センターに送信し、
最後に、
を計算センターに送信し、
(7)計算センターが
及び
を受信し、各
に対して次の操作を実行し、
(a)
であり、
(b)以下の計算を行うことにより、ノイズの影響を除去し、
使用者がトレーニングデータの選別条件を生成して、選別条件を計算センターに送信するステップ(1)と、
計算センターが選別条件を受信し、準同型暗号アルゴリズムを利用して暗号化パラメータを生成して、暗号化パラメータをステップ(1)の選別条件とともに各データ提供機関に送信するステップ(2)と、
各データ提供機関が選別条件に基づいて分類タグを付けたローカルデータを選別して、トレーニングデータを取得するステップ(3)と、
各データ提供機関が暗号化パラメータに基づいて、準同型暗号アルゴリズムを利用してそれぞれの公開鍵及び秘密鍵を生成するステップ(4)と、
各データ提供機関が公開鍵によりトレーニングデータを暗号化し、分類変数を暗号化せずに特徴変数を暗号化して、暗号化後のトレーニングデータを対応する公開鍵とともに計算センターに送信するステップ(5)と、
計算センターが各データ提供機関により暗号化された後のトレーニングデータ及び対応する公開鍵を受信した後、各データ提供機関とともに準同型暗号における論理回帰分析を実行して、データ分類モデルを取得するステップ(6)と、
計算センターがデータ分類モデルを使用者に送信するステップ(7)と、
使用者が分類対象データをデータ分類モデルに入力して、分類結果を取得するステップ(8)と、を含む。
a)nが2の正の整数乗であり、
b)
且つ
であり、
c)σkとσcがいずれも正数であって、
であり、
d)
であり、
e)
である。
(1)一元多項式の生成ルール
に従って多項式fと多項式gを生成し、nが多項式の生成回数を指定し、Zは多項式の各項の係数がいずれも整数であることを意味し、
は、多項式の次数がn-1であることと、多項式のすべての係数がいずれも平均値が0であり、標準偏差がσkである離散正規分布のサンプリングにより取得されることとを満足し、
fは(a)~(b)を満足し、
(a)多項式環
にfの逆元f-1が存在し、
におけるすべての多項式の係数が(-q/2,q/2)の中の整数であり、すべての多項式の最高回数がn-1であり、環のモジュロが多項式xn+1であり、
(b)
であり、
(2)公開鍵pk及び秘密鍵skを生成し、
であり、
であり、
更に、前記ステップ(5)において、各データ提供機関が公開鍵によりトレーニングデータを暗号化する過程が次のとおりであり、
(1)平文のビット長
にし、
(2)暗号化対象の整数平文μについて、
が求められ、
(3)一元多項式の生成ルール
に従ってL個の多項式S1~SL及びL個の多項式E1~ELを生成し、
は、多項式の次数がn-1であることと、多項式のすべての係数がいずれも平均値が0であり、標準偏差がσcである離散正規分布のサンプリングにより取得されることとを満足し、
(4)暗号文Cを生成し、暗号文CはL個の多項式を含み、i番目の暗号文多項式Ciの式が次のとおりであり、
(1)暗号文Cにおけるすべての多項式をそれぞれ秘密鍵skに乗じて、次の式を取得し、
更に、前記ステップ(6)において、準同型暗号における論理回帰分析の実行過程において準同型加算及び準同型乗算を行い、具体的には、
暗号文C及び暗号文Dがそれぞれ平文μ1及び平文μ2を暗号化して取得したものであると仮定すれば、暗号文加算及び暗号文乗算がそれぞれ次のとおりであり、
暗号文乗算の準同型証明が次のとおりである。
(1)計算センターが論理回帰の最大反復回数iter及び学習率aを設定し、
(2)計算センターが分類モデルパラメータθ0~θyを初期化し、
(3)計算センターが分類モデルパラメータの更新された値Δθ0~Δθy=0を初期化し、
(4)計算センターがそれぞれ各機関の公開鍵により分類モデルパラメータを暗号化し、暗号化後のモデルパラメータをΘ01~Θ0x、……、Θy1~Θyxと記し、
(5)計算センターが各暗号文におけるトレーニングデータCに対して以下の操作を実行し、機関iから提供されたj番目のトレーニングデータ
(ここで、
がCijのy個の特徴変数であり、labelijがCijの分類変数である)について、
(a)重み付け予測値
、
(b)暗号文状態における勾配降下値
を計算し、準同型暗号におけるsigmoid関数が多項式y=-0.0016x3+0.1501x+0.5によりフィッティングを行い、
(c)
をデータ提供機関iに送信し、
(6)データ提供機関
が
を受信してノイズ合計値
を初期化し、その後、各
に対して以下の操作を実行し、
(a)ワンタイムノイズerrorを生成して公開鍵により暗号文ノイズEij kに暗号化し、
(b)暗号化ノイズによりΔΘij kを隠して、ΔΘ’ij kを取得し、具体的な公式はΔΘ’ij k=ΔΘij k+Eij kであり、
(c)Ei k+=eであり、
(d)
を
に復号して
を計算センターに送信し、
最後に、
を計算センターに送信し、
(7)計算センターが
及び
を受信し、各
に対して以下の操作を実行し、
(a)
であり、
(b)以下の計算を行うことにより、ノイズの影響を除去し、
Claims (4)
- 準同型暗号に基づくプライバシー保護多機関データ分類方法であって、
ユーザー端末がトレーニングデータの選別条件を生成して、選別条件をコンピュータで構成された計算センターに送信するステップ(1)と、
計算センターが選別条件を受信し、準同型暗号アルゴリズムを利用して暗号化パラメータを生成して、暗号化パラメータをステップ(1)の選別条件とともに各データ提供装置に送信するステップ(2)と、
各データ提供装置が分類タグを付けたローカルデータを選別条件に基づいて選別して、トレーニングデータを取得するステップ(3)と、
各データ提供装置が暗号化パラメータに基づいて、準同型暗号アルゴリズムを利用してそれぞれの公開鍵及び秘密鍵を生成するステップ(4)と、
各データ提供装置が公開鍵によりトレーニングデータを暗号化し、暗号化後のトレーニングデータを対応する公開鍵とともに計算センターに送信するステップ(5)と、
計算センターが各データ提供装置により暗号化された後のトレーニングデータ及び対応する公開鍵を受信した後、各データ提供装置とともに準同型暗号における論理回帰分析を実行して、データ分類モデルを取得するステップ(6)と、
計算センターがデータ分類モデルをユーザー端末に送信するステップ(7)と、
ユーザー端末が分類対象データをデータ分類モデルに入力して、分類結果を取得するステップ(8)と、を含み、
前記ステップ(6)において、計算センターと各データ提供装置が共同で準同型暗号における論理回帰分析を実行し、データ提供装置が合計x個あり、それらのトレーニングデータがそれぞれz 1 ~z x 個あり、合計でz個があり、各トレーニングデータに合計y個の特徴変数がある場合、具体的なステップが次のとおりであり、
(1)計算センターが論理回帰の最大反復回数iter及び学習率aを設定し、
(2)計算センターが分類モデルパラメータθ 0 ~θ y を初期化し、
(3)計算センターが分類モデルパラメータの更新された値Δθ 0 ~Δθ y =0を初期化し、
(4)計算センターがそれぞれ各機関の公開鍵により分類モデルパラメータを暗号化し、暗号化後のモデルパラメータをΘ 01 ~Θ 0x 、……、Θ y1 ~Θ yx と記し、
(5)計算センターが各暗号文におけるトレーニングデータCに対して次の操作を実行し、機関iから提供されたj番目のトレーニングデータ
(ここで、
がC ij のy個の特徴変数であり、label ij がC ij の分類変数である。)について、
(a)重み付け予測値
、
(b)暗号文状態における勾配降下値
を計算し、準同型暗号におけるsigmoid関数が多項式y=-0.0016x 3 +0.1501x+0.5によりフィッティングを行い、
(c)
をデータ提供装置iに送信し、
(6)データ提供装置
が
を受信してノイズ合計値
を初期化し、その後、各
に対して次の操作を実行し、
(a)ワンタイムノイズerrorを生成して公開鍵により暗号文ノイズE ij k に暗号化し、
(b)暗号化ノイズによりΔΘ ij k を隠して、ΔΘ’ ij k を取得し、具体的な式がΔΘ’ ij k =ΔΘ ij k +E ij k であり、
(c)E i k +=eであり、
(d)秘密鍵により
を
に復号して
を計算センターに送信し、
最後に、
を計算センターに送信し、
(7)計算センターが
及び
を受信し、各
に対して次の操作を実行し、
(a)
であり、
(b)以下の計算を行うことにより、ノイズの影響を除去し、
- 前記ステップ(4)において、公開鍵がデータの暗号化に使用され、秘密鍵がデータの復号に使用され、公開鍵及び秘密鍵を生成する具体的なステップが次のとおりであり、
(1)一元多項式の生成ルール
に従って多項式fと多項式gを生成し、
は、多項式の次数がn-1であることと、多項式のすべての係数がいずれも平均値が0であり、標準偏差がσkである離散正規分布のサンプリングにより取得されることとを満足し、
fは以下の(a)~(b)を満足し、
(a)多項式環Rq nにfの逆元f-1が存在し、Rq nにおけるすべての多項式の係数が(-q/2,q/2)の中の整数であり、すべての多項式の最高次数がn-1であり、環のモジュロが多項式xn+1であり、
(b)
であり、
(2)公開鍵pk及び秘密鍵skを生成し、
であり、
であることを特徴とする請求項1に記載の準同型暗号に基づくプライバシー保護多機関データ分類方法。 - 前記ステップ(5)において、各データ提供装置が公開鍵によりトレーニングデータを暗号化する過程が次のとおりであり、
(1)平文のビット長
にし、
(2)暗号化対象の整数平文μについて、
が求められ、
(3)一元多項式の生成ルール
に従ってL個の多項式S1~SL及びL個の多項式E1~ELを生成し、
は、多項式の次数がn-1であることと、多項式のすべての係数がいずれも平均値が0であり、標準偏差がσcである離散正規分布のサンプリングにより取得されることとを満足し、
(4)暗号文Cを生成し、暗号文CがL個の多項式を含み、i番目の暗号文における多項式Ciの式が、
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629833.7A CN110190946B (zh) | 2019-07-12 | 2019-07-12 | 一种基于同态加密的隐私保护多机构数据分类方法 |
CN201910629833.7 | 2019-07-12 | ||
PCT/CN2020/083590 WO2020233260A1 (zh) | 2019-07-12 | 2020-04-07 | 一种基于同态加密的隐私保护多机构数据分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022508351A JP2022508351A (ja) | 2022-01-19 |
JP7064682B2 true JP7064682B2 (ja) | 2022-05-11 |
Family
ID=67725575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021533328A Active JP7064682B2 (ja) | 2019-07-12 | 2020-04-07 | 準同型暗号に基づくプライバシー保護多機関データ分類方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7064682B2 (ja) |
CN (1) | CN110190946B (ja) |
WO (1) | WO2020233260A1 (ja) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110190946B (zh) * | 2019-07-12 | 2021-09-03 | 之江实验室 | 一种基于同态加密的隐私保护多机构数据分类方法 |
CN111062487B (zh) * | 2019-11-28 | 2021-04-20 | 支付宝(杭州)信息技术有限公司 | 基于数据隐私保护的机器学习模型特征筛选方法及装置 |
CN111159727B (zh) * | 2019-12-11 | 2022-12-09 | 西安交通大学医学院第一附属医院 | 一种面向多方协同的贝叶斯分类器安全生成***及方法 |
CN111143862B (zh) * | 2019-12-13 | 2021-07-09 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、查询方法、装置、电子设备和*** |
CN111898137A (zh) * | 2020-06-30 | 2020-11-06 | 深圳致星科技有限公司 | 一种联邦学习的隐私数据处理方法、设备及*** |
CN111859440B (zh) * | 2020-08-21 | 2022-12-23 | 安徽大学 | 基于混合协议的分布式隐私保护逻辑回归模型的样本分类方法 |
CN112104446A (zh) * | 2020-09-03 | 2020-12-18 | 哈尔滨工业大学 | 一种基于同态加密的多方联合机器学习方法和*** |
CN112597379B (zh) * | 2020-12-04 | 2023-09-01 | 光大科技有限公司 | 数据识别方法、装置和存储介质及电子装置 |
CN114691167A (zh) * | 2020-12-31 | 2022-07-01 | 华为技术有限公司 | 机器学习模型更新的方法和装置 |
CN112685783B (zh) * | 2021-01-05 | 2024-02-27 | 西安电子科技大学 | 金融许可区块链中支持隐私保护的数据共享方法 |
CN112929151B (zh) * | 2021-01-25 | 2023-06-30 | 苏宁金融科技(南京)有限公司 | 基于隐私保护的实体对齐方法及计算机存储介质 |
CN112818369B (zh) * | 2021-02-10 | 2024-03-29 | ***股份有限公司 | 一种联合建模方法及装置 |
CN112949741B (zh) * | 2021-03-18 | 2023-04-07 | 西安电子科技大学 | 基于同态加密的卷积神经网络图像分类方法 |
CN112948883B (zh) * | 2021-03-25 | 2023-10-31 | 支付宝(杭州)信息技术有限公司 | 保护隐私数据的多方联合建模的方法、装置和*** |
CN113158232A (zh) * | 2021-03-26 | 2021-07-23 | 北京融数联智科技有限公司 | 一种隐私数据的计算方法、装置及计算机设备 |
CN113282935A (zh) * | 2021-05-19 | 2021-08-20 | 中原银行股份有限公司 | 一种基于模型的预测方法、装置和存储介质 |
CN113434873A (zh) * | 2021-06-01 | 2021-09-24 | 内蒙古大学 | 一种基于同态加密的联邦学习隐私保护方法 |
CN113626858B (zh) * | 2021-07-21 | 2024-07-16 | 西安电子科技大学 | 隐私保护k-means聚类方法、设备、介质、终端 |
CN113554182B (zh) * | 2021-07-27 | 2023-09-19 | 西安电子科技大学 | 一种横向联邦学习***中拜占庭节点的检测方法及*** |
KR102615381B1 (ko) * | 2021-08-24 | 2023-12-19 | 서울대학교산학협력단 | 동형 암호를 활용한 사적 변수의 보안 방법 및 장치 |
CN113821810B (zh) * | 2021-08-26 | 2024-03-08 | 上海赢科信息技术有限公司 | 数据处理方法及***、存储介质及电子设备 |
CN113938266B (zh) * | 2021-09-18 | 2024-03-26 | 桂林电子科技大学 | 基于整数向量同态加密的垃圾邮件过滤器训练方法及*** |
CN113935050A (zh) * | 2021-09-26 | 2022-01-14 | 平安科技(深圳)有限公司 | 基于联邦学习的特征提取方法和装置、电子设备、介质 |
CN114528564B (zh) * | 2022-01-25 | 2024-08-02 | 河南大学 | 基于密文特征的通用密码算法识别方法 |
CN114696991B (zh) * | 2022-05-31 | 2022-09-20 | 蓝象智联(杭州)科技有限公司 | 基于同态加密的数据聚类方法及装置 |
CN115276948B (zh) * | 2022-07-20 | 2023-04-07 | 京信数据科技有限公司 | 一种同态加密计算方法及*** |
CN115442134B (zh) * | 2022-09-02 | 2024-05-07 | 暨南大学 | 一种基于同态双向代理重加密的多密钥多方安全计算方法 |
CN115587139B (zh) * | 2022-11-03 | 2024-03-22 | 国网江苏省电力有限公司营销服务中心 | 一种基于同态加密的分布式隐私保护分类方法及*** |
CN115622685B (zh) * | 2022-12-16 | 2023-04-28 | 成方金融科技有限公司 | 隐私数据同态加密方法、装置及*** |
CN116011552A (zh) * | 2023-03-24 | 2023-04-25 | 摩尔线程智能科技(北京)有限责任公司 | 模型训练方法、推理方法、装置、***、设备及存储介质 |
CN116800906B (zh) * | 2023-08-22 | 2023-11-07 | 北京电子科技学院 | 一种基于模分量同态的密文卷积神经网络图像分类方法 |
CN117411731B (zh) * | 2023-12-15 | 2024-03-01 | 江西师范大学 | 一种基于lof算法的加密ddos流量异常检测方法 |
CN117792637A (zh) * | 2024-01-04 | 2024-03-29 | 北京睿航至臻科技有限公司 | 基于深度学习的动态数据加密方法 |
CN118152898B (zh) * | 2024-05-11 | 2024-07-26 | 山东大学 | 一种基于深度学习的数据隐私保护的心电分类方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108712260A (zh) | 2018-05-09 | 2018-10-26 | 曲阜师范大学 | 云环境下保护隐私的多方深度学习计算代理方法 |
JP2018207222A (ja) | 2017-05-31 | 2018-12-27 | パナソニックIpマネジメント株式会社 | カメラ及びパラメータ登録方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8249250B2 (en) * | 2009-03-30 | 2012-08-21 | Mitsubishi Electric Research Laboratories, Inc. | Secure similarity verification between homomorphically encrypted signals |
US9325671B2 (en) * | 2014-02-19 | 2016-04-26 | Raytheon Bbn Technologies Corp. | System and method for merging encryption data using circular encryption key switching |
KR101726619B1 (ko) * | 2015-04-14 | 2017-04-26 | 삼성에스디에스 주식회사 | 암호화 데이터 관리 방법 및 장치 |
US20170293913A1 (en) * | 2016-04-12 | 2017-10-12 | The Governing Council Of The University Of Toronto | System and methods for validating and performing operations on homomorphically encrypted data |
US20190007212A1 (en) * | 2017-06-30 | 2019-01-03 | Intel Corporation | Secure unlock systems for locked devices |
CN108521326B (zh) * | 2018-04-10 | 2021-02-19 | 电子科技大学 | 一种基于向量同态加密的隐私保护的线性svm模型训练方法 |
CN109033854B (zh) * | 2018-07-17 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 基于模型的预测方法和装置 |
CN109359588B (zh) * | 2018-10-15 | 2021-02-09 | 电子科技大学 | 一种新的隐私保护下非交互式的k近邻分类方法 |
CN109858269B (zh) * | 2019-02-20 | 2022-11-01 | 安徽师范大学 | 一种基于同态加密的隐私保护密度峰聚类方法 |
CN110190946B (zh) * | 2019-07-12 | 2021-09-03 | 之江实验室 | 一种基于同态加密的隐私保护多机构数据分类方法 |
-
2019
- 2019-07-12 CN CN201910629833.7A patent/CN110190946B/zh active Active
-
2020
- 2020-04-07 WO PCT/CN2020/083590 patent/WO2020233260A1/zh active Application Filing
- 2020-04-07 JP JP2021533328A patent/JP7064682B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018207222A (ja) | 2017-05-31 | 2018-12-27 | パナソニックIpマネジメント株式会社 | カメラ及びパラメータ登録方法 |
CN108712260A (zh) | 2018-05-09 | 2018-10-26 | 曲阜师范大学 | 云环境下保护隐私的多方深度学习计算代理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020233260A1 (zh) | 2020-11-26 |
JP2022508351A (ja) | 2022-01-19 |
CN110190946B (zh) | 2021-09-03 |
CN110190946A (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7064682B2 (ja) | 準同型暗号に基づくプライバシー保護多機関データ分類方法 | |
Chinnasamy et al. | HCAC-EHR: hybrid cryptographic access control for secure EHR retrieval in healthcare cloud | |
JP5911654B2 (ja) | 乱数生成器及びストリーム暗号 | |
Andrushkevych et al. | A prospective lightweight block cipher for green IT engineering | |
Chinnasamy et al. | Design of secure storage for health-care cloud using hybrid cryptography | |
CN110235409A (zh) | 使用同态加密被保护的rsa签名或解密的方法 | |
US20140208101A1 (en) | Confidential computation system, confidential computation method, and confidential computation program | |
US8976960B2 (en) | Methods and apparatus for correlation protected processing of cryptographic operations | |
Kh-Madhloom et al. | ECG Encryption Enhancement Technique with Multiple Layers of AES and DNA Computing. | |
Paje et al. | Multidimensional key RC6 algorithm | |
Priya et al. | FPGA implementation of efficient AES encryption | |
Dawood et al. | Design large symmetric algorithm for securing big data | |
Riddhi et al. | An efficient algorithm for dynamic key generation for image encryption | |
Buell | Modern symmetric ciphers—Des and Aes | |
Dadhich et al. | Security of healthcare systems with smart health records using cloud technology | |
JP7383985B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Quinga-Socasi et al. | A deep learning approach for symmetric-key cryptography system | |
Zakaria et al. | Modifications of key schedule algorithm on RECTANGLE block cipher | |
Moon et al. | A cryptographic algorithm based on ASCII and number system conversions along with a cyclic mathematical function | |
Buja et al. | The direction of lightweight ciphers in mobile big data computing | |
Shah et al. | Encrypting grayscale images using S-boxes chosen by logistic map | |
Shi et al. | Obfuscatable multi-recipient re-encryption for secure privacy-preserving personal health record services | |
Al-Attab et al. | Lightweight effective encryption algorithm for securing data in cloud computing | |
Abdulhamid et al. | Development of blowfish encryption scheme for secure data storage in public and commercial cloud computing environment | |
Al-Kareem et al. | A review of the most effective cryptography techniques based on conventional block cipher and lightweight |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210610 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220215 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220311 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220330 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7064682 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |