【摘 要】
：
图卷积神经网络是一种面向多任务且应用广泛的深度学习模型.文章研究了去中心化场景中谱域图卷积神经网络节点关系信息和节点特征信息的保护问题,提出双重差分隐私保护机制下的谱图卷积神经网络DDPSGCN.在给定隐私预算总额的条件下对拉普拉斯机制和高斯机制进行隐私预算分配,并通过隐私损失和Chernoff界理论进行参数估计.在两大分布噪声扰动作用基于不同图数据信息的隐私保护下,文章提出基于区块链去中心化差分隐私处理机制的图卷积神经网络训练算法.实验表明文章采用的去中心化双重差分隐私机制,能够在半监督节点分类任务准确
【机 构】
：
华东师范大学计算机科学与技术学院,上海200062;上海对外经贸大学人工智能与变革管理研究院,上海 200336;上海对外经贸大学人工智能与变革管理研究院,上海 200336;上海对外经贸大学统计与信
论文部分内容阅读
图卷积神经网络是一种面向多任务且应用广泛的深度学习模型.文章研究了去中心化场景中谱域图卷积神经网络节点关系信息和节点特征信息的保护问题,提出双重差分隐私保护机制下的谱图卷积神经网络DDPSGCN.在给定隐私预算总额的条件下对拉普拉斯机制和高斯机制进行隐私预算分配,并通过隐私损失和Chernoff界理论进行参数估计.在两大分布噪声扰动作用基于不同图数据信息的隐私保护下,文章提出基于区块链去中心化差分隐私处理机制的图卷积神经网络训练算法.实验表明文章采用的去中心化双重差分隐私机制,能够在半监督节点分类任务准确率下降1％以内的前提下确保原始数据隐私不泄露,相较于单隐私保护机制有着更高的隐私保护效率和更强的对抗攻击鲁棒性.
其他文献
大数据时代的到来使得数据成为社会发展的重要战略资源.然而随着网络环境日趋复杂化,隐私泄露和恶意攻击事件层出不穷.联邦学习作为一种新型数据共享模型,能够在保护数据隐私的前提下进行数据共享,有效解决了传统入侵检测模型的弊端.文章首先介绍了联邦学习及入侵检测模型的构成及特点,提出了基于联邦学习的入侵检测机制,并深入分析了该检测机制在检测准确率及效率上有效提升的可行性.通过对模型进行需求分析和设计,并以函数编程进行模拟仿真实验,实现原型系统开发.实验表明联邦学习机制能够在保证参与客户端数据隐私安全的前提下实现多方
利用格攻击DSA和ECDSA的方法,通过构造同余方程组可以将隐藏数字问题转化为格中最近向量问题,当同余方程组至多有一个解小于给定界限时,可通过求解格中最近向量获取签名私钥.给定界限越大,对解向量的大小要求越宽松,攻击的难度也越低.文章提出一种新的给定界限,其大小是原有界限的6.92倍,显著降低了格攻击的难度.利用从OpenSSL收集到的DSA和ECDSA的签名数据,设计验证新界限的格攻击实验.实验结果表明,新界限对已知解向量元素的要求由最高比特位6位降低到3位.对于DSA,当格的维度为350时,攻击成功率
物联网环境中的终端设备会产生大量的流式数据,如环境感知数据、工业控制数据、人体健康数据等,这些数据全部上传到云服务器会造成巨大的网络负担,云边协同的计算方式能够极大地缓解网络带宽以及云服务器的计算压力,加快数据的处理,提升服务响应能力.但是,云边协同计算同样面临着数据被窃取、篡改等问题.这些承载着重要信息的流式数据一旦遭到窃取或篡改,很可能造成严重的损失.为此,文章基于流式数据完整性验证重要方法——变色龙认证树,构建了一个支持数据机密性的云边端协同流式数据完整性验证模型(Cloud-edge-device
电力物联网的快速发展及海量终端的泛在连接和智能交互使得电力物联网的网络边界变得模糊,网络安全风险点和暴露面显著增多.文章摒弃传统的先连接后认证的安全认证措施,结合零信任安全机制提出一种基于软件定义边界的电力物联网安全防护方案,该方案利用改进的单包授权技术解决电力物联终端接入过程中存在的身份认证、电力物联系统资源隐藏及访问控制等问题,并从安全和性能两方面对方案进行分析.实验结果表明,该方案能有效抵御多类网络攻击,节省了电力物联终端的计算和通信资源,有效解决了电力物联网存在的安全认证等问题.
传统基于流的攻击检测无法完全捕获网络通信模式,难以对网络中的攻击事件进行有效检测,而流量行为图中包含的信息可以有效反映主机的真实情况.文章针对多类型网络攻击检测问题,提出了基于流量行为图的攻击检测方法,实现了基于流量行为图的攻击检测.检测方法基于聚类和生成学习模型,包含两个阶段,第一阶段通过聚类算法尽可能地过滤良性节点,第二阶段应用生成学习模型检测多种不同攻击事件.在公开数据集上的实验结果表明,文章提出的攻击检测方法可以有效检测出网络中存在的多种不同攻击事件.此外,系统使用基于Apache Spark的分
为研究饱和砂层渗透注浆的影响因素,通过注浆模型试验,研究了注浆材料、注浆材料凝胶时间、排水条件以及被注浆土体对注浆效果的影响.结果显示,凝胶时间大于注浆时间能形成较为均匀的渗透扩散;排水条件对渗透效果作用明显,排水时形成浆液可渗透扩散,且趋向排水一侧优先扩散;在不含黏性土的砂层中注浆可形成较为均匀的球形扩散体;在含黏性土的砂层中注浆,因渗透困难而形成劈裂浆脉.
针对大部分联邦学习防御方法存在降低联邦学习实用性、计算效率低和防御攻击种类单一等问题,文章提出一种基于变分自编码器的属性修改框架,在客户端对数据预处理以达到保护联邦学习的目的.首先,为了提高算法计算效率,文章提出一种基于迁移学习的变分自编码器训练方案来减少客户端训练周期;其次,利用变分自编码器具有连续性的潜变量,设计了一种基于属性分布约束规则的属性修改方案来实现客户端训练数据的重构.实验结果表明,属性修改方案可以成功分离和控制图像的属性向量,通过将原始图像改变为带有相应属性的重构图像,保护了客户端数据隐私
车联网中,身份认证是安全的前提与核心技术,其不仅能够对发送数据的车辆进行合法性验证,还可以协商出临时会话密钥,从而保护关键数据的机密性.文章将区块链应用于认证协议中,设计了一种基于区块链和secGear统一机密计算框架的车联网认证协议,在满足抗抵赖要求的同时实现了跨区域认证,并采用secGear框架实现了认证表的机密计算,进一步保护了认证表的安全.文章利用AVISPA仿真工具和非形式化安全分析证明了协议的安全性,并通过NS3仿真实验与其他方案进行对比分析,证明了该协议具有更好的安全性和适用性.
采用新型聚醚大单体4-羟丁基乙烯基聚氧乙烯醚(VPEG)和小单体丙烯酸,在低温双氧水-还原剂体系中,通过自由基聚合制备了VPEG型聚羧酸高性能减水剂.通过正交试验及单因素试验确定了最佳合成工艺.采用傅里叶红外光谱(FTIR)、凝胶渗透色谱(GPC)等对减水剂进行了表征.结果表明,该减水剂的最佳合成工艺为:酸醚比为3.87,双氧水(H2O2)、甲醛合次硫酸氢钠(FF6)、硫代乙醇酸(TGA)的用量分别为大单体质量的1.25％、0.18％、0.45％,聚合温度为10℃,保温时间为1 h;所合成的减水剂与预期设
在图像隐写领域,利用对抗样本技术实现载体图像增强是提升隐写安全性的重要手段.然而,现有基于对抗样本的载体图像增强算法需要对每张载体图像生成特定的对抗噪声,这导致算法时间效率低、实用性较差,并且增强后的载体图像对抗不同隐写分析器的迁移能力较弱.针对上述问题,文章提出一种基于普遍对抗噪声的高效载体图像增强算法,将对抗样本算法DeepFool作为基础,以对隐写分析器的攻击成功率为标准循环迭代构建普遍对抗噪声,将其与载体图像进行叠加完成载体图像增强,实现构建单个普遍对抗噪声便能对不同的载体图像进行增强.为进一步提