保护私有信息的点线关系判定协议及其应用

在半诚实模型下利用加法同态加密体制设计了一个保护私有信息的点线关系判定协议,并且利用上述协议设计了保护私有信息的线段相交判定问题和保护私有信息的点包含判定问题的解决方案。保护私有信息的点线关系判定协议可以保密地判断点在直线正侧、负侧、在直线上,保护私有信息的线段相交判定协议可以保密地判断不同参与方拥有的直线是否相交,保护私有信息的点包含判定协议可以保密判断不同参与方拥有点和多边形之间的包含关系;分析和证明了这些协议的正确性、安全性和复杂性。     

保护私有信息的三角不等式判定协议及其应用

针对传统的三角形形状判定算法不能满足要求.运用安全多方点积协议设计了一种在半诚实模型下保护私有信息的三角不等式判定协议;分析和证明了该协议的正确性、安全性和复杂性;并利用该协议解决了保护隐私的三角形构成判定问题,三角形形状判定问题以及向量比较问题.     

安全两方圆计算协议

圆与圆的关系判断问题和直线与圆的关系判断问题是计算几何中的一个重要问题。在进行这些判定时,若输入的圆或直线等信息由不同的用户提供,且这些信息对其它用户保密,这就是安全计算问题,传统的判定算法不能满足要求。在半诚实模型下提出安全两数和平方计算协议,安全两数关系判断协议,安全两点距离计算协议,安全点线距离计算协议,进而实现保护私有信息的圆-圆、圆-直线关系判断;对于以上协议都进行了正确性、安全性和复杂性的分析。     

新的线段相交判定协议

假定双方的计算环境安全,通过利用已有秘密判定相等协议、点积协议以及安全双方除法计算协议提出了新的判定两线段是否相交问题和求2点所在直线的斜率问题,并分析了其正确性、安全性和复杂性,得出新协议在计算复杂度和通信复杂度上都有一定程度的改进.     

高效的安全几何交集计算协议

在不泄露各自私有信息的前提下, 一组互不信任的参与者进行的多方合作计算叫做安全多方计算(securemulti-party computation, SMC). 而安全交集计算是安全多方计算一个重要的子问题, 它主要解决如何通过协同计算求得交集并保证隐私安全的问题, 该问题在社交网络、军事、商业领域有重要的应用前景. 针对目前交集计算方法效率低下和计算复杂的特点, 该文设计了一种高效安全的交集计算协议, 该协议通过把集合中的每一个元素转换成平面空间中的点, 再利用点与点的距离关系求得交集. 最后通过仿真实验验证了协议的正确性、安全性和复杂性.     

利用对称性求最小值问题

安全多方计算问题,在很多领域得到了越来越广泛的应用,已成为信息安全领域的研究热点之一。保护私有信息的计算几何问题,是一类特殊的安全多方计算问题。利用点积协议,提出了关于利用对称性求最小值问题的保密协议,并分析了协议的正确性、安全性和复杂性。     

保护私有信息几何对象的相对位置计算

为了探讨在保护参与方隐私前提下,空间几何对象之间的相对位置计算问题,该文在半诚实模型下,基于点积协议,提出了向量夹角协议和向量差比值协议,在此基础上,给出了判定线、线相对位置的新方法,构建了空间线、面夹角计算协议及线、线距离计算协议.给出了协议的正确性证明,并对其安全性和复杂度进行了理论分析.分析结果表明,所提方法调用...     

保持隐私的朴素贝叶斯分类

隐私保护是数据挖掘中很有意义的研究方向。本文所关心的问题是如何在两个私有数据库的联合样本集上施行数据挖掘算法，同时保证不向对方泄露任何与结果无关的数据库信息。这种情形在科研合作等领域已经屡见不鲜。针对数据分类算法中应用非常普遍的朴素贝叶斯分类算法，我们利用安全两方计算协议，给出一个保持隐私的朴素贝叶斯分类协议，在保持计算隐私性的同时，协议在计算复杂度和传输复杂度与一般的贝叶斯分类非常接近，协议是高效可行的。     

安全两方集合交集云外包计算协议

提出一种基于云服务器外包的安全两方集合计算协议,采用多项式的点值计算和Boneh加密体制相结合的思想,解决两方集合交集问题,并且实现了对用户私有集合的隐私保护.协议执行过程中各参与者的计算完全独立,没有任何数据的交互形式.协议允许参与者独立将各自的私有数据存储到云服务器,因此不需要多次上传副本.证明了协议的正确性和安全性,并对协议性能进行了分析.分析结果表明,新协议具有较低的计算成本.     

基于OBDD的多方信息安全比较相等协议

针对现有解决方案计算复杂度高、编码规模大以及因明文数量限制而导致的密文碰撞的安全问题,利用基于OBDD的安全函数评估协议和加法同态加密机制,提出一个新的多方信息安全比较相等协议,并分析了该协议的安全性、正确性和效率。该协议对参与者的私有信息采用常规的二进制编码,利用基于OBDD的安全函数评估协议对参与者的私有信息进行评估,并利用加法同态加密机制计算具有相等私有信息的参与者数目。与已有解决方案相比,该协议不仅降低了计算复杂度,而且弥补了已有解决方案存在的安全问题,并具有良好的可扩展性。     

垂直分布数据的隐私保护支持向量机

随着人们对隐私权的越来越重视,隐私保护数据挖掘成为当前研究热点.分类算法作为一个重要的数据挖掘方法被应用到各个领域,其中支持向量机（SVM）是分类算法中一个重要方法.并且数据的隐私性和安全性是人们关注的重点.本文对SSP协议进行扩展提出了一个基于垂直分布数据的隐私支持向量机算法,这个算法具有更高的效率和更好的安全性.     

大数据环境下跨组织间协同优化决策的隐私保护算法

组织协同决策分析的数据具有大数据的分布性、异构性和隐私性等典型特征。安全多方计算是一种基于协同机制或协议的隐私保护算法,但它一些常用的单调张成等方法却无法挣脱计算复杂性的困扰。本文主要研究组织间两种结构的协同优化决策问题,提出针对决策变量与约束参数隐私保护的安全多方计算协议,并给出相对应的安全证明。研究表明对于本文构造的SMC协议,可以降低优化协同决策的计算复杂度,部分隐私信息无须加工传送也可以完成计算任务。     

无线传感器网络中基于验证点的安全定位协议

针对现有定位算法多是建立在假设锚点信息是正确的基础上,如果网络受到攻击,这些定位算法都将无法工作的问题,基于验证点思想提出既能使用不同定位算法,又不需要增加锚点(甚至不用锚点)的高质量安全定位协议———SLPDVNM。SLPDVNM通过使用动态验证点结合定位算法的机制完成节点安全定位。安全分析和基于MMSE定位算法的协议性能仿真表明,算法不仅可以有效克服恶意锚点的影响,而且对已知的多种攻击也具有极好的抵御能力。     

基于距离矢量路由协议的网络故障快速恢复方法

为了有效提高距离矢量路由协议处理网络故障的能力,提高网络的可用性,提出了一种基于 距离矢量路由协议的网络故障快速恢复机制,该机制包括基于预先计算生成的每目的多可行 下一跳的本地重路由策略和基于网络稳定性的触发更新策略. 分析和仿真结果显示,该机制可 以实现距离矢量路由网络的快速故障恢复,并能提高网络的稳定性和可用性.     

方言研究中的数学模型

方言的分布体现着语言符号所具有的离散性和模糊性，因此可以用模糊数学的方法研究方言，给文给出了利用模糊集合的截集Ａλ确定方言片边界，通过建立模糊向量，描述点方言相对于某大方言的隶属关系，以及借助模糊集合的距离来描述方言之间差异的数学模型。