【技术实现步骤摘要】
一种基于安全多方计算的搭便车攻击检测方法
[0001]本专利技术属于隐私安全
，具体涉及一种基于安全多方计算的搭便车攻击检测方法
。
技术介绍
[0002]随着大数据和计算机技术的进步，保护用户隐私和数据安全成为重要问题
。
安全多方计算技术为此提供了解决方案
。
然而，在实际应用中，存在“搭便车”攻击行为，攻击者可能会滥用隐私保护机制以获取不正当利益，这不仅影响了数据的准确性，也威胁了系统的安全性
。“搭便车”是指那些试图从他人的资源中获益而不提供自己资源的行为
。
在分布式文件共享平台
Gnutella
的定量研究发现，前1％的用户提供大约
37
％的共享文件；在
2000
年时大约
70
％的用户不会共享文件而存在搭便车行为，而在5年后搭便车者的比例增加到
85
％
。
随着人工智能技术和联邦机器学习算法等地发展，算法数据提供方搭便车问题也已出现
。
一个主从决策单元计划完成数据分析任务，除了数据收集之外，还需与其他区域的决策单元
(
拥有局部数据库
)
进行交互决策，共享部分数据并从中获利
。
从属决策单元常搭便车，让其他决策单元提供数据，而从数据分析的共同结果中获利，但他们自己本没有贡献
。
在对等
(P2P)
系统或平台经济中，数据共享存在于各个个...
【技术保护点】
【技术特征摘要】
1.
一种基于安全多方计算的搭便车攻击检测方法，其特征在于，包括：
S1
：构建安全多方计算系统；获取用户节点，对用户节点对进行身份验证，将验证失败的用户节点删除；
S2
：获取用户节点数据，对用户节点数据进行预处理；
S3
：对预处理后的数据进行搭便车分析，得到搭便车节点数量；
S4
：对所有搭便车节点提供的数据进行分析，若搭便车节点提供的数据为异常数据，则将该搭便车节点删除，若搭便车节点提供的数据为正常数据，则将数据添加到正常用户节点提高的数据列表中；
S5
：对数据列表中的数据进行加密；
S6
：对加密后的数据进行多方安全计算，输出安全计算结果；
S7
：根据安全计算结果对用户节点进行保护
。2.
根据权利要求1所述的一种基于安全多方计算的搭便车攻击检测方法，其特征在于，对用户节点对进行身份验证包括：用户节点向安全多方计算系统进行注册，系统为注册后的用户节点分配虚拟工作机；验证用户节点的虚拟工作机，若存在虚拟工作机，则保存该用户节点，否则删除该用户节点
。3.
根据权利要求1所述的一种基于安全多方计算的搭便车攻击检测方法，其特征在于，对用户节点数据进行预处理包括：设置数据正常值范围；确定用户节点数据是否存在空值，若存在空值，则该数据为异常数据，并删除异常数据；若不存在空值，则将数据与设置的数据正常值范围进行对比，若数据值在正常值范围，则将该数据正常，否则该数据为异常数据，并删除异常数据
。4.
根据权利要求1所述的一种基于安全多方计算的搭便车攻击检测方法，其特征在于，对预处理后的数据进行搭便车分析包括：计算预处理后数据的均值和标准差，根据均值和标准差计算每一个数据节点的
Z
分数；根据
Z
分数确定整个数据集的平均值和标准差的偏离程度；其中计算
Z
分数的公式为：其中，
X
是参与者的得分
(
如绩点
)
；
μ
是数据集的平均值；
σ
是数据集的标准差
。5.
根据权利要求1所述的一种基于安全多方计算的搭便车攻击检测方法，其特征在于，对所有搭便车节点提供的数据进行分析包括：设置
Z
分数阀值，确定数据的分布；计算数据的标准差，根据数据标准差对
Z
分数阀值进行调整；对于每一个数据节点，若该数据节点的
Z
分数的绝对值大于调整后的阀值，则该参与者为搭便车者，则发出警告信息，并从数据集中移除所有被识别为搭便车者的参与者的数据，得到一个只包含有效数据的数据集，否则数据节点为正常节点
。6.
根据权利要求5所述的一种基于安全多方计算的搭便车攻击检测方法，其特征在于，根据数据标准差对
Z
分数阀值进行调整包括：获取数据集，计算数据集的平均值，根据数据集的平均值得到数据标准差；构建单变量检测搭便车者的模型；根据数据标准差采用最小二乘损失函数求解搭便车者的位置；根据解搭便车者的位置信息对
Z
分数阀值进行调整
。7.
根据权利要求6所述的一种基于安全多方计算的搭便车攻击检测方法，其特征在于，数据标准差公式为：
其中，为数据的标准差估计值
,i
为数据点
X
i
的序数
,
μ
是数据集的平均值，
n
是数据点的数量
。8.
根据权利要求6所述的一种基于安全多方计算的搭便车攻击检测方法，其特征在于，搭便车者的位置的公...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。