检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

4 篇 学位论文

馆藏范围

4 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

4 篇 工学
- 4 篇 计算机科学与技术...
- 4 篇 网络空间安全
- 2 篇 控制科学与工程
- 2 篇 软件工程
2 篇 管理学
- 2 篇 管理科学与工程(可...

主题

4 篇 双云模型
3 篇 隐私保护
2 篇 深度神经网络
1 篇 安全外包
1 篇 k近邻
1 篇 机器学习即服务
1 篇 安全外包计算
1 篇 数据聚类
1 篇 云计算
1 篇 决策树
1 篇 加密数据检索
1 篇 外包数据
1 篇 k近邻分类
1 篇 云安全
1 篇 机器学习

机构

3 篇 西安电子科技大学
1 篇 兰州理工大学

作者

1 篇 宋琳
1 篇 程珂
1 篇 李烨
1 篇 王滨伟

语言

4 篇 中文

检索条件"主题词=双云模型"

共 4 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

双云外包模型下密态数据机器学习关键技术研究

双云外包模型下密态数据机器学习关键技术研究

引用

作者：程珂西安电子科技大学

学位级别：博士

机器学习是人工智能的核心技术,已经应用于现代社会各行各业。机器学习算法的执行需要消耗大量计算和存储资源,通常需要借助强大的云平台才能实现各种复杂的机器学习任务。为了解决本地数据资源不足导致机器学习算法效果不佳的问题,用... 详细信息

机器学习是人工智能的核心技术,已经应用于现代社会各行各业。机器学习算法的执行需要消耗大量计算和存储资源,通常需要借助强大的云平台才能实现各种复杂的机器学习任务。为了解决本地数据资源不足导致机器学习算法效果不佳的问题,用户通常选择将数据外包至云平台进行联合处理。用户上传的数据可能包含医疗信息、地理位置、金融记录等敏感信息,将数据外包给云平台剥夺了用户对数据的控制权,进而导致了一系列的数据安全威胁与隐私泄露风险。安全外包计算技术为解决上述问题提供了可行途径。用户在本地对数据进行加密再上传至云端,云服务器在密态数据上完成用户指定的各类机器学习任务。由于机器学习任务的复杂性和计算实体的不可靠性,现有大部分工作在安全性、准确性、高效性等方面无法兼顾,难以实际应用。如何在不泄露用户隐私数据的前提下,高效准确地实现密态数据上的机器学习外包计算,是本文的主要研究问题。根据输入数据是否带有标签,机器学习可以分为无监督学习和有监督学习。面向无标签数据的聚类和面向有标签数据的分类分别是无监督学习和有监督学习中的支撑性技术,因此本文选取机器学习聚类和分类的典型算法,探究其中存在的安全和隐私挑战。本文主要针对面向无标签数据的安全外包聚类方法、面向低维有标签数据的安全外包K近邻分类方法和面向高维有标签数据的安全外包深度神经网络分类方法展开研究。双云外包模型具有结构简单、部署灵活、功能强大等优势,是最基础、最典型的云外包计算架构。因此,本文在深入分析现有研究局限性的基础上,在双云外包模型下设计了一系列安全高效的机器学习外包计算方案,在保障外包数据安全的同时,能提供更优的外包计算性能。具体研究成果概括如下: (1)面向无标签数据的安全外包聚类方法针对现有安全外包聚类方案无法兼顾数据安全性、计算高效性和聚类准确性的问题,基于双云外包计算模型提出了面向密态数据的安全外包聚类架构,设计了一套基于加法秘密分享技术的基础运算协议,实现了连乘、二进制字符串比较、最低有效位计算、数值比较等基础操作的安全外包。以基于密度的聚类算法DBSCAN(Density-Based Spatial Clustering of Applications with Noise)为基础,进行面向密态计算的适应性改进以避免算法执行过程中泄露数据访问模式等敏感信息。基于上述改进算法,设计了安全高效的密态数据外包聚类协议,保证了外包数据的隐私性和聚类结果的安全性,并且在确保聚类精度的同时大幅降低计算时间和通信量。在密码学标准安全模型下证明了基础运算协议和安全外包聚类协议的安全性,通过公开数据集验证了外包聚类方案具有高精度和高效率。 (2)面向低维有标签数据的安全外包K近邻分类方法针对现有安全外包K近邻分类方案无法同时满足密码学可证明安全和低计算开销的问题,提出了面向密态数据的安全外包K近邻计算框架,在保证外包数据安全和高分类精度的同时,实现高效的K近邻外包计算。以典型的基因数据K近邻计算为应用场景,设计了用于度量序列相似性的安全近似编辑距离计算方法,在保证度量准确性的前提下提高了编辑距离的安全外包计算效率。结合加法秘密分享、混淆电路和同态加密等技术,设计了基于编辑距离的安相似基因序列K近邻计算方案,将大部分耗时计算(如同态加解密、密文域操作等)转移至离线阶段,提高了在线阶段计算性能。在半诚实模型下给出了所提方案的形式化安全证明,利用真实基因数据集对方案进行了实验验证。理论和实验分析表明所提方案同时满足了K近邻安全外包计算对高准确率和高效率的要求。 (3)面向高维有标签数据的安全外包深度神经网络分类方法针对深度神经网络(Deep Neural Network,DNN)外包分类过程中面临的模型易遭窃取和用户输入数据泄露等问题,通过对神经网络结构和密码学协议两方面进行设计,提出了一种密态数据上的DNN安全外包分类框架。针对非线性操作安全外包计算耗时较大的问题,使用二次多项式对DNN中常用的线性整流函数(Rectified Linear Unit,ReLU)进行拟合与替换,设计了相应的拟合函数生成和模型训练方法,在保证分类精度的同时减少云服务器执行非线性操作的数量。在密码学协议设计方面,利用加法秘密分享和加法同态加密,设计了DNN中各种线性层和非线性层的安全外包计算协议,保护了模型安全和用户输入隐私。基于三种典型的DNN模型进行实验验证,结果表明本方案与现有研究工作相比,在确保数据安全和分类精度的前提下,减少了计算和通信开销。本文针对机器学习中典型的聚类和分类算法,探究了其安全外包计算过程中存在的安全和隐私挑战。通过安全的外包聚类、安全的K近邻外包分类、安全的深度神经网络外包分类等典型技术的具体实践,深入研究了双云外包模型下密态数据机器学习的高效实现方法,为机器学习安全外包计算的应用提供了一定

关键词：安全外包计算机器学习数据聚类 K近邻分类深度神经网络双云模型

来源：评论

学校读者我要写书评

暂无评论

双云外包模型下隐私保护的决策树推理关键技术研究

双云外包模型下隐私保护的决策树推理关键技术研究

引用

作者：王滨伟西安电子科技大学

学位级别：硕士

机器学习即服务(Machine Learning as a Service,MLaa S)是一种基于云计算的服务模式,通过将机器学习模型部署到云端,为用户提供数据分析和预测服务。决策树模型因其计算速度快、推理精度高、可解释性强等优点,成为MLaa S下一种广泛部... 详细信息

机器学习即服务(Machine Learning as a Service,MLaa S)是一种基于云计算的服务模式,通过将机器学习模型部署到云端,为用户提供数据分析和预测服务。决策树模型因其计算速度快、推理精度高、可解释性强等优点,成为MLaa S下一种广泛部署的推理算法。但决策树云服务模式在给模型提供商和用户带来便利的同时,也面临着严峻的隐私保护挑战。现有隐私保护的决策树推理由于大量使用同态加密、混淆电路等操作,导致在大规模决策树模型上执行隐私保护推理任务时计算和通信开销较大,难以兼顾数据安全性、推理准确性和计算高效性。双云外包模型具有结构简单、部署灵活、功能强大等优势,是一种常用安全外包计算架构。因此,本文在深入分析现有研究局限性的基础上,在双云外包模型下设计安全高效的决策树外包推理方案,在保证模型数据和用户数据安全的同时,提供更优的外包计算性能。具体研究工作如下: 针对现有安全外包决策树推理服务难以兼顾数据隐私性和计算高效性的问题,基于双云外包计算模型提出了一种基于秘密分享的决策树推理方案,实现了预备阶段、特征选择、安全比较、结果评估等模块的安全外包。以不经意存储技术为基础,进行特征选择模块的改进来减少特征选择的次数。通过布尔电路,减少了安全比较的开销。基于上述改进算法,设计安全高效的隐私决策树推理方案,在保证外包数据隐私性和预测结果安全性的前提下,减少了大型决策树推理服务的计算时间和通信开销。在半诚实威胁模型下,分析了模型提供商、客户端、云服务器为攻击者时方案的安全性,通过公开数据集验证了外包决策树方案的高效率。由于基于秘密分享的隐私保护决策树推理方案存在交互轮次较多的问题,导致决策树推理执行过程受网络延迟影响较大,难以应用于实际的广域网环境。为了解决该问题,提出了一种通信高效隐私决策树推理方案,其保证外包数据安全的同时,实现了双云模型的高效通信。以广域网为实验环境,模拟了两个云服务器交互的网络延迟。结合秘密分享、同态加密和提前量加法器等技术,设计了一个通信高效的决策树推理方案。利用同态加密技术替换安全两方伪随机函数(Pseudo Random Function,PRF),减少了特征提取阶段的交互轮次。设计了提前量加法器,将安全比较的交互轮次从线性级别降低为对数级别。在半诚实威胁模型中对特征提取协议和安全比较协议的安全性进行了证明,利用公开数据集进行了实验验证。理论和实验分析表明所提方案满足决策树推理服务在广域网环境下对外包决策服务实时性的要求。本文针对机器学习中典型的决策树算法,探究了其安全外包计算过程中存在的安全和隐私挑战。深入研究了双云外包模型下大型决策树的推理以及实现高效通信的决策树推理方法,为决策树安全外包计算的应用提供了一定的理论和实践指导。

关键词：机器学习即服务决策树安全外包隐私保护双云模型

来源：评论

学校读者我要写书评

暂无评论

云环境下的隐私保护技术研究

云环境下的隐私保护技术研究

引用

作者：李烨兰州理工大学

学位级别：硕士

随着云计算的广泛应用,数据安全与隐私保护成为了一个不容忽视的问题。在云计算环境中,数据存储在远程的数据中心,由云服务提供商进行管理和维护。这为用户带来了便利,但同时也带来了数据泄露和滥用的风险。因此,如何在云计算中确保数... 详细信息

随着云计算的广泛应用,数据安全与隐私保护成为了一个不容忽视的问题。在云计算环境中,数据存储在远程的数据中心,由云服务提供商进行管理和维护。这为用户带来了便利,但同时也带来了数据泄露和滥用的风险。因此,如何在云计算中确保数据的安全与隐私,成为了当前亟待解决的问题。针对此问题,本文在深入分析云环境下数据安全外包问题的基础上,重点针对k近邻分类、深度神经网络分类的安全外包技术展开研究。具体的研究成果概括如下: 1.针对在k近邻分类外包过程中云服务提供商、数据拥有者以及查询用户位于不同的信任域,进而面临数据安全与隐私泄露风险的问题,本文基于Somewhat同态加密、混淆电路、非接触承诺、零知识证明、椭圆曲线密码学和Fujisaki-Okamoto承诺,提出混合加密的隐私保护k近邻外包分类方案。该方案旨在解决存在半诚实云服务提供商,恶意云服务提供商和半诚实查询用户时的潜在威胁,保护外包数据的安全性和查询隐私。安全性分析表明,该方案满足既定的安全目标,能有效防御潜在的攻击威胁。通过理论分析和实验验证,该方案具有可行性、可靠性和有效性。 2.针对深度神经网络外包分类过程中存在的模型窃取和数据泄露等安全问题,本文使用准确率自适应神经网络架构搜索、秘密分享和同态加密,提出隐私保护深度神经网络外包分类方案。该方案旨在利用秘密分享和同态加密技术解决深度神经网络外包分类过程中的模型安全和用户输入隐私问题。同时,通过准确率自适应神经网络架构搜索自动生成高效且准确的神经网络搜索架构,减少安全外包计算中非线性操作的时间消耗。安全性分析证明了该方案能够实现预定的安全目标,能有效防御潜在的攻击威胁。通过理论分析和实验验证,该方案在确保数据安全性和分类准确性方面,与先前的研究相比,显著提高了计算效率并降低了通信成本。

关键词：云安全隐私保护 k近邻深度神经网络双云模型

来源：评论

学校读者我要写书评

暂无评论

云计算环境下加密检索关键技术研究

云计算环境下加密检索关键技术研究

引用

作者：宋琳西安电子科技大学

学位级别：硕士

随着科技的发展,人们开始进入到“大数据”阶段。每天有数以亿计的信息在通过社会化网络、搜索引擎等各种渠道上被人们所共享并产生。云计算的兴起改变了传统的资源配备方式。通过将数据外包到云端可以大大减轻本地数据计算维护负担。然... 详细信息

随着科技的发展,人们开始进入到“大数据”阶段。每天有数以亿计的信息在通过社会化网络、搜索引擎等各种渠道上被人们所共享并产生。云计算的兴起改变了传统的资源配备方式。通过将数据外包到云端可以大大减轻本地数据计算维护负担。然而,由于数据所有者和云服务提供商(Cloud Service Provider,CSP)不处于相同的信任域,数据所有者失去了直接物理控制权,这也使得云计算面临各种数据安全挑战和风险隐患。据我们所知,目前大多数隐私保护的加密图像数据检索方案采用的局部特征提取方法导致检索效率低下,且会将相似度分数和顺序泄露于半诚实的云服务器。因此,云服务器如果根据不正当手段获取的用户背景信息从而推断出用户的兴趣,便可以根据似度分数和顺序推断出检索结果明文内容,造成隐私泄露。此外,大多数隐私保护的加密空间数据检索方案安全级别低,且不能保护数据访问模式信息,如果同样的数据被大量的重复访问,尽管是在密文环境中,也仍然会引起半诚实的云服务器通过频率攻击和背景攻击推断明文数据内容,造成隐私泄露;其次,在单云模型下,用户与云服务器大量交互导致给用户带来较多计算通信开销。因此,在云计算环境中,加密数据检索过程中的隐私安全以及检索效率问题是不容忽视的。本课题立足安全与实际应用需求,分别针对图像数据和空间数据,研究了云计算环境下数据加密检索关键技术。具体来说,本文的主要研究贡献如下: (1)提出了基于相似度阈值查找的图像数据加密检索方案。针对采用传统局部特征提取方法导致检索效率低下,以及基于top-k技术的图像检索结果数量固定导致相似度分数排序泄漏容易引发已知背景攻击的问题,本方案依据卷积神经网络模型(Convolutional Neural Network,CNN)进行全局特征提取,简化了图像特征计算过程,进一步提高了用户检索的效率;设计基于阈值检索算法,在查询用户提交查询请求时,将阈值嵌入查询向量中并对其利用基于矩阵加密的方法进行加密,最终生成查询陷门。云服务器在检索过程中,只需通过计算矩阵乘积并求计算结果的迹来判断在指定阈值范围内的所有相似结果,且性能分析表明本方案在实际场景中能获得广泛应用。 (2)提出了任意范围内隐藏访问模式的空间数据加密检索方案。针对传统的基于安全k近邻算法(k-Nearest Neighbor,k NN)的加密空间数据检索方案安全级别低,且无法保护数据访问模式信息,以及单云模型下用户与云服务器大量交互导致给用户带来较多计算通信开销的问题,本方案基于双云服务器模型提出一种安全高效的空间外包数据加密检索方案,实现任意范围内隐藏访问模式空间数据加密检索。本方案基于Paillier同态加密技术对明文数据进行加密保证数据的机密性,基于多项式拟合技术来实现高拟合度的任意几何范围查询,设计安全搜索协议来防止数据访问模式泄露,基于双云模型在检索过程中进行同态加密运算交互从而进一步减少用户的计算通信开销,最终安全高效地返回在查询用户确定的任意范围内的距离查询位置最近的前k个位置点,且性能分析表明本方案在实际场景中是可接受的。

关键词：外包数据加密数据检索云计算隐私保护双云模型

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：