本发明属于人工智能隐私保护技术领域，公开了一种函数加密的卷积神经网络隐私推理方法及系统。本发明方案的分类准确率与明文推理相近，仅有极小下降。例如，ResNet‑18在CIFAR‑10上的明文准确率为90.69%，采用方法I后为89.70...

本发明属于人工智能、信息检索和数据加密技术领域，公开了一种检索增强生成系统的隐私保护近似最近邻搜索方法及系统，该方法利用LSH实现了近似最近邻索引，在保证隐私的前提下大幅减少了待比对的向量数量，实现了快速查询。实验证明，本方案采用ANN...

本发明属于智能交通系统和隐私计算领域，尤其涉及一种用于车辆场景下隐私保护k均值聚类方法及系统，该方法包括：系统配置阶段，在系统初始化时，在共享的Paillier公钥下生成和分发加密参数；报告提交阶段，每个车辆在提交报告时加密并上传其语义...

本发明属于联邦学习、机器学习安全与隐私保护技术领域，公开了一种基于排序的鲁棒隐私保护联邦学习方法，该方法的鲁棒准确率提升约4％～5％。本发明能够有效抵抗不同类型的投毒攻击，例如标签翻转攻击和后门攻击。由于恶意更新被排序后可能落在极端值区...

本发明属于隐私保护技术领域，公开了一种联邦学习抗投毒安全聚合方法及系统，该方案包括：系统初始化，旨在完成加密通信所需的密钥材料生成、模型初始参数的安全分发以及盲向量的预处理配置；本地训练；鲁棒聚合；解密与模型更新，服务器端的两个独立实体...