【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。