期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向网络服务最小相似度安全计算的无界函数加密
1
作者
解君睿
陈振华
《计算机工程与设计》
北大核心
2025年第3期741-748,共8页
现有网络服务器利用函数加密在进行最小相似度计算时,会获得一些中间结果,导致用户的隐私泄露,并且需要在系统建立阶段提前固定用户数据个数,导致其非常不灵活。为此提出一种无界的最小相似度安全计算的函数加密方案。通过新的0-1编码...
现有网络服务器利用函数加密在进行最小相似度计算时,会获得一些中间结果,导致用户的隐私泄露,并且需要在系统建立阶段提前固定用户数据个数,导致其非常不灵活。为此提出一种无界的最小相似度安全计算的函数加密方案。通过新的0-1编码和隐私保护映射变体,在最小相似度计算过程中不会向网络服务器泄露任何中间结果,利用伪随机函数实现无界的函数加密,不需要在系统建立阶段提前固定用户数据个数,可以在计算过程中按需确定,利用对偶对运算向量空间在保护用户数据隐私的同时保护函数隐私。
展开更多
关键词
函数
加密
最小相似度
无界
隐私
保护
网络服务
函数隐私
伪随机
函数
在线阅读
下载PDF
职称材料
面向深度神经网络训练的数据差分隐私保护随机梯度下降算法
被引量：
7
2
作者
李英
贺春林
《计算机应用与软件》
北大核心
2020年第4期252-259,共8页
针对传统深度神经网络所采用的随机梯度下降算法忽略了对数据集隐私性保护的缺点,提出一种基于数据差分隐私保护的随机梯度下降算法。引入范数剪切与附加高斯噪声操作,对传统梯度更新策略进行改进。为衡量每次迭代过程中对数据隐私性的...
针对传统深度神经网络所采用的随机梯度下降算法忽略了对数据集隐私性保护的缺点,提出一种基于数据差分隐私保护的随机梯度下降算法。引入范数剪切与附加高斯噪声操作,对传统梯度更新策略进行改进。为衡量每次迭代过程中对数据隐私性的破坏,提出隐私损失累积函数在迭代过程中对数据隐私性的侵犯程度进行度量。MNIST手写数字识别和CIFAR-10图像分类实验表明,该算法在保护数据集隐私性的同时,对手写数字以及图像分类的识别准确率分别超过了90%和70%,且相较于传统的随机梯度下降算法,其准确率提升了5%以上。该算法在实际工程中能够有效兼顾数据隐私性保护与神经网络辨识准确度。
展开更多
关键词
深度神经网络
差分
隐私
训练集
随机梯度下降
范数剪切
隐私
损失累积
函数
在线阅读
下载PDF
职称材料
题名
面向网络服务最小相似度安全计算的无界函数加密
1
作者
解君睿
陈振华
机构
西安科技大学计算机科学与技术学院
桂林电子科技大学广西可信软件重点实验室
出处
《计算机工程与设计》
北大核心
2025年第3期741-748,共8页
基金
国家自然科学基金项目(61872289)
广西可信软件重点实验室基金项目(KX202308)。
文摘
现有网络服务器利用函数加密在进行最小相似度计算时,会获得一些中间结果,导致用户的隐私泄露,并且需要在系统建立阶段提前固定用户数据个数,导致其非常不灵活。为此提出一种无界的最小相似度安全计算的函数加密方案。通过新的0-1编码和隐私保护映射变体,在最小相似度计算过程中不会向网络服务器泄露任何中间结果,利用伪随机函数实现无界的函数加密,不需要在系统建立阶段提前固定用户数据个数,可以在计算过程中按需确定,利用对偶对运算向量空间在保护用户数据隐私的同时保护函数隐私。
关键词
函数
加密
最小相似度
无界
隐私
保护
网络服务
函数隐私
伪随机
函数
Keywords
functional encryption
minimum similarity
unbounded
privacy-preserving
web service
function privacy
pseudo-random functions
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
面向深度神经网络训练的数据差分隐私保护随机梯度下降算法
被引量：
7
2
作者
李英
贺春林
机构
内江职业技术学院信息技术系
西华师范大学计算机学院
出处
《计算机应用与软件》
北大核心
2020年第4期252-259,共8页
基金
国家自然科学基金项目(61871330)。
文摘
针对传统深度神经网络所采用的随机梯度下降算法忽略了对数据集隐私性保护的缺点,提出一种基于数据差分隐私保护的随机梯度下降算法。引入范数剪切与附加高斯噪声操作,对传统梯度更新策略进行改进。为衡量每次迭代过程中对数据隐私性的破坏,提出隐私损失累积函数在迭代过程中对数据隐私性的侵犯程度进行度量。MNIST手写数字识别和CIFAR-10图像分类实验表明,该算法在保护数据集隐私性的同时,对手写数字以及图像分类的识别准确率分别超过了90%和70%,且相较于传统的随机梯度下降算法,其准确率提升了5%以上。该算法在实际工程中能够有效兼顾数据隐私性保护与神经网络辨识准确度。
关键词
深度神经网络
差分
隐私
训练集
随机梯度下降
范数剪切
隐私
损失累积
函数
Keywords
Deep neural network
Differential privacy
Training datasets
Stochastic gradient descent
Norm cutting
Privacy loss accumulation function
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向网络服务最小相似度安全计算的无界函数加密
解君睿
陈振华
《计算机工程与设计》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
面向深度神经网络训练的数据差分隐私保护随机梯度下降算法
李英
贺春林
《计算机应用与软件》
北大核心
2020
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
