登录社区云，与社区用户共同成长
邀请您加入社区
双馈风力发电机模型研究与matlab仿真（含报告）定子侧变流器采用电压外环，电流内环的双闭环控制，电压外环控制直流母线电压，直流电压给定值与反馈值的偏差经过调节器，其结果决定有功功率大小，符号决定有功功率的方向。电流内环按照电压外环输出的电流指令进行电流控制，实现单位功率因素运行。转子侧变流器同样为双闭环控制，外环为功率环，根据有功功率、无功功率的给定，经过调节器结合当前风速和对应的叶尖速比得出给
本研究的改进方案通过精心设计的密文运算协议实现了交叉熵损失的密文计算，减少了训练误差积累，提高了模型收敛精度。参与各方首先生成各自的公私钥对并将公钥提交给协调服务器，服务器根据收集的公钥计算联合公钥和重加密密钥，后续各方使用重加密密钥将本地密文转换为联合公钥下的密文即可参与协同计算。椭圆曲线密码具有密钥短、计算快的优势，特别适合资源受限的物联网设备。实际应用场景中，参与深度学习训练的各方往往使用各
音诺AI翻译机集成Apple ANS2加密框架，实现端侧语音数据全程加密与隐私保护，通过神经加密引擎、同态加密和动态密钥管理构建安全体系，并在工程实践中平衡性能与安全性，为AIoT设备树立隐私优先标杆。
别急着买模型！是否已经摸透Cruise的基础操作（比如工况设置、信号映射）？是否需要二次开发策略（比如自定义能量管理算法）？电脑配置是否扛得住联合仿真（尤其电池模型上电芯细节时）？如果答案都是Yes，这个模型会成为你理解混动策略的跳板；如果还在犹豫，不妨先从策略文档入手——那19页的说明，足够让你看清IMMD的控制哲学了。
在AI大模型时代，数据是燃料，但隐私是红线。如何让数据在“可用”的同时“不可见”？隐私计算与同态加密正成为解决这一矛盾的关键技术。
基于Java+Vue的同态加密敏感数据检索与计算平台 摘要：本项目设计实现了一个基于同态加密技术的敏感数据处理平台，采用Java后端和Vue前端架构。系统集成Paillier和BFV等同态加密算法，支持数据加密上传、密文存储、安全检索和计算分析等功能。平台通过分层设计实现前后端解耦，包含密钥管理、权限控制、密文计算引擎等核心模块，解决了密文环境下数据检索和计算的难题。关键技术包括：多线程并发加密处
本文介绍了如何为本地数据存储实现端到端加密，重点使用Rust的ring库实现AES-256-GCM加密。文章强调不能直接使用用户密码作为密钥，而是需要通过PBKDF2密钥派生函数处理密码，配合随机生成的盐（Salt）和Nonce来增强安全性。文中详细说明了加密流程：生成随机Salt和Nonce，使用PBKDF2派生密钥，然后进行AES-256-GCM加密，最终将Salt、Nonce和密文组合存储。
Vue封装路由跳转方法，vue-router对query传参进行加密解密
密码（crypto）的概念由来已久，但与我们的手机解锁“密码”或者WiFi“密码”不同。这些由我们自己设置、用来验证身份的数字或者字母的组合，并非真正意义上的密码，而是“口令”（password）。与简单的口令相比，密码技术则是指通信过程中的一种混淆技术，将明文的消息转变为第三方不可识别的消息，在通信过程被窃听时，防止消息的机密性被泄露。准确地来说，密码技术将明文消息加密成密文，发送给通信的接收方
本文提出的动态参数混淆技术，通过差分隐私与同态加密的协同，构建了梯度污染攻击的双层防御体系。实验表明（需补充具体数据集结果），该方法在CIFAR-10分类任务中，对抗梯度反转攻击时模型准确率较传统方法提升15%以上，同时满足ε=2的隐私预算要求。未来工作将探索更高效的噪声-加密联合优化策略，推动联邦学习在隐私敏感场景（如医疗、金融）的安全部署。
联邦学习
Python作为动态语言一般是以源码方式进行部署的，这就意味着他人在部署机器上可以直接获取项目代码，可能给作者带来不必要的损失和风险，这就需要对代码进行加密或混淆。总体来说1和2的方式还是存在一定的风险，本文将采用第三种方式，且提供五种该类型的加密方式，分别为、Cython、cryptography、RSA、pyAesCrypt和encryptpy。
高光谱图像分类2D_CNN网络代码 基于pytorch框架制作全套项目，包含网络模型，训练代码，预测代码，直接下载数据集就能跑，拿上就能用，简单又省事儿内附indian pines数据集，采用20%数据作为训练集，并附上迭代10次的模型结果，准确率99左右。最近在研究高光谱图像分类，发现基于PyTorch框架搭建的2D_CNN网络真是又简单又高效，今天就来和大家分享一下这个全套项目，保证直接下载数
LattiSense作为底层框架，通过统一抽象接口屏蔽FHE底层密码学细节，让开发者能够专注业务逻辑实现，在全程不解密的前提下，对加密数据执行复杂计算，而内置的编译器与调度器则会自动完成异构硬件上的核心运算与调度工作，从而提供高效的底层加密支撑。以Personal AI为例，无论是手机端的隐私可控个性化助手，还是私人健康AI，它们需要基于用户聊天记录、体检报告等敏感数据提供定制化服务，而用户的核心
联邦学习的隐私保护需形成梯度裁剪→噪声添加→安全聚合→隐私审计敏感度的动态计算（考虑采样率和数据分布）使用Rényi DP等高级组合定理精确核算预算防御噪声消除攻击。
LCS2110C是以32位安全CPU内核为基础的高性价比安全芯片，符合EAL4+安全等级设计要求，支持低功耗，自带DES/TDES硬件协处理器，内置硬件真随机数发生器，硬件防护DPA/SPA攻击，内部数据动态加密。支持低功耗模式，正常工作电流 5mA，低功耗模式电流（关断模式） 0.1uA，适用于电池供电设备（如智能门锁、无线传感器、无人机等），显著延长设备寿命。LCS2110C是一款电路简单、安
摘要： 同态加密技术为保障大模型推理中的数据隐私提供了安全解决方案，支持在密文状态下直接计算，避免明文数据泄露。文章系统介绍了"同态加密+大模型"的技术框架，包括：1）同态加密的数学原理（格密码、模运算等），支持加法/乘法运算的密文计算；2）大模型在密文空间的推理流程，通过CKKS方案适配浮点运算；3）典型应用场景（金融风控、医疗数据分析）的实现路径，包括密钥生成、数据加密、密
同态加密技术学习
假设有两位用户，Alice 和 Bob，他们想计算两人健康数据（如心率、卡路里消耗）的平均值，但他们互相不信任，也不信任执行计算的第三方服务器。想象你有一个锁着的、透明的盒子（密文），里面放着一些珠宝（明文）。这个输出清晰地展示了整个流程：数据在客户端被加密，服务器在不知道内容的情况下完成了求平均值的计算，最终解密的结果与直接在明文上计算的结果完全一致，证明了同态加密的正确性。这张图清晰地展示了，
本文系统剖析健康智能问诊系统的核心技术架构，以大语言模型（LLM）为驱动引擎，实现症状匹配、疾病诊断辅助、医生资源调度与医疗知识图谱的深度集成，同时嵌入隐私保护机制，确保数据安全与合规。
2025年，全球DeFi锁仓量突破1.2万亿美元，东南亚农民通过链上借贷协议获得实时农业贷款，非洲创业者用NFT票据完成跨境支付，华尔街基金经理开始用AI分析链上流动性池……这场始于2018年的金融革命，正以“代码即法律、资产即数据、信任即算法”的底层逻辑，重构人类经济活动的底层规则。在这场革命中，质押挖矿DAPP与Swap交易所成为核心基础设施：前者通过代币质押与流动性激励，构建去中心化的安全网
2026年软件测试领域呈现AI驱动新趋势：智能门禁系统插件成为行业焦点，通过大模型自动化分析代码合并风险，显著提升缺陷拦截效率。这类工具在GitLab等平台实现私有化部署，将人工审查时间降低50%，并满足GDPR等合规要求。实战部署需关注四步流程：环境配置、CI/CD集成、模型优化及风险防控，特别强调数据安全与权限管控。案例显示，某金融科技公司应用后生产事故率下降58%。随着AI测试工具普及，测试
在区块链技术重构全球金融体系的浪潮中，交易所已从单纯的交易撮合平台进化为集资产托管、风险管理、智能投顾于一体的数字金融基础设施。2025年全球数字资产交易所日交易量突破1200亿美元，衍生品交易占比超65%，AI量化交易占比达38%。这一数据背后，是交易所开发领域正在经历的三大革命性跃迁：技术架构的云原生化、业务模式的垂直细分化、交易体验的智能化。本文将深度解析交易所开发的全景图谱，揭示JAVA技
看不到数据是怎么计算的？我们计算的是数据的“加密替身”（密文），但这个替身被赋予了一种特殊的“骨骼结构”或“基因”。当我们按照预先定义好的规则（密文运算）来操纵这些替身时，它们内部结构的变化，恰好对应了原始数据（明文）之间我们想要的实际运算结果。解密过程，就是读取这个最终“结构状态”，并将其翻译回数据域的过程。服务器就像一个在黑暗房间里的机器人，它不知道手里拿的积木（密文）原本是什么形状（明文），
在华尔街的交易大厅里，高频交易引擎以微秒级速度吞吐着全球订单；在深圳的科技园区内，AI算法正从历史数据中挖掘隐秘的交易规律。当传统金融与人工智能深度碰撞，一场静默的革命正在重塑资本市场的底层逻辑。本文将带您穿透技术迷雾，从CTA策略的算法基因解码，到交易所API对接的工程化实践，揭示AI量化交易系统开发的全链路奥秘。这场融合了数学智慧、工程艺术与金融哲学的探索，或许正在叩响未来金融的新纪元。
在区块链行业，公链生态的冷启动堪称“地狱级挑战”：没有开发者，用户无处可用；没有用户，开发者不愿入驻。这种“先有鸡还是先有蛋”的死循环，曾让无数公链项目折戟沉沙。然而，2023年，一条由技术赋能的新路径正在打破僵局：Conflux树图链通过“种子节点计划”在60天内吸引超500名开发者，日均交易量突破10万笔；Near Protocol用“游戏化黑客松”激活社区，3个月内诞生300个DApp，用户
当全球DApp日活用户突破2.3亿，当AI代理在链上自动执行价值数亿美元的DeFi策略，当沃尔玛的区块链溯源系统将食品安全问题定位效率提升90%——这场由智能合约驱动的革命，正在重塑人类社会的价值交换方式。DApp（去中心化应用）已从早期的“加密货币实验”，演变为金融、社交、实体经济等领域的“可信基础设施”。
它将数据安全从“成本中心”转化为“价值引擎”——在保障患者隐私的同时，释放医疗数据的临床与商业潜能。中国凭借数据安全立法的先发优势和国产技术的快速迭代，有望成为全球HE医疗应用的领导者。正如《中国医疗数字化发展报告（2025）》所言：“当数据共享不再以隐私为代价，精准医疗的终极愿景才真正触手可及。在医疗AI的下一程，同态加密将不再是实验室的“黑科技”，而是每位医生、每位患者都能安心依赖的“隐形守护
同态加密简介f：加密函数f^-1：解密函数f(A)=A’,f(B)=B’,f©=C’,且A’+B’=C’对于一般的加密函数，用f^-1对C‘进行解密，其结果显然为无意义的乱码。但如果f可以进行同态加密,f^-1(C’)=C，此时有C=A+B经此，数据处理权与数据所有权得到分离，且用户可以在防止数据泄露的同时利用云服务器的算力。同态加密分类加性同态：f(A)+f(B)=f(A+B...
背景现在数据安全问题已经成为全领域全民关注的问题，国家层面也出台了重量级的《数据安全法》向全行业表达国家对数据安全的重视。这其中个人信息保护领域逐步开始兴起以隐私计算为核心的技术发展分支。包括同态加密技术，安全多方计算，差分隐私计算，联邦学习等具体方向。它们都在不同场景下想达到不交换数据或者不交换明文数据的情况下依然进行业务计算。这种模式是前沿创新的，试想，当一方拥有数据，但没有可用算力，需要依赖
联邦学习（Federated Learning, FL）通过在分布式边缘设备上协作训练全局模型，避免直接共享原始数据，成为解决数据孤岛和隐私泄露问题的关键技术。然而，边缘设备的异构性（如算力、内存限制）和隐私攻击（如梯度反演、成员推断攻击）对FL的实用化提出了双重挑战。差分隐私通过在数据或梯度中添加数学噪声（如拉普拉斯噪声或高斯噪声），确保单个数据点的修改不会显著影响输出结果，从而抵御成员推断攻击
嵌入式开发是指针对嵌入式系统进行软硬件设计与实现的技术领域。嵌入式系统是以应用为中心，以计算机技术为基础，软硬件可裁剪，适用于对功能、可靠性、成本、体积、功耗有严格要求的专用计算机系统。与通用计算机系统不同，嵌入式系统通常执行预定义的任务，具有实时性、高可靠性和低功耗等特点。其应用范围极其广泛，从家用电器、智能穿戴设备到工业控制、汽车电子、医疗仪器和航空航天等领域无处不在，是现代信息技术的重要组成
当上海外高桥码头的集装箱被物联网传感器覆盖，当北京CBD写字楼的租金数据通过AI算法实时定价，当苏州刺绣的非遗技艺被转化为可交易的数字凭证——这场由AI（人工智能）与RWA（Real World Assets，实体资产通证化）驱动的价值重构，正在悄然改写人类对"资产"的定义。
为了给iOS app加固，我们可以采取以下几种方式：代码混淆是通过修改源代码结构和变量名，使得代码难以被理解和反编译。这可以防止黑客获取应用程序的代码，因为即使他们能够获得源代码，也会很难理解它。可以使用工具，如Obfuscator-iOS，对代码进行混淆。代码混淆的具体方法有很多种，可以使用第三方的代码混淆工具，也可以手动实现。下面提供一个手动实现的示例代码：以上代码是一个简单的代码混淆示例，将
借鉴致远的文章学习同态加密，本文主要记录同态加密中Flatten操作，参考文献为 Craig Gentry，Amit Sahai，Brent Waters 的《Homomorphic Encryption from Learning with Errors: Conceptually-Simpler, Asymptotically-Faster, Attribute-Based》。这篇文章主要实现
Paillier同态加密
在大数据分析、经济学和医学研究等许多领域，数据共享已经变得至关重要，但在数据敏感的情况下，仍然难以实现。事实上，分享个人信息需要个人无条件同意，或者出于隐私和安全原因通常被禁止。在本文中，我们提出了Drynx，一个分布式数据集上的隐私意识统计分析的分散系统。Drynx依赖于一组计算节点来实现统计数据的计算，如标准偏差或极值，以及机器学习模型在敏感和分布式数据上的训练和评估。为了确保数据的机密性和数
借鉴致远的文章学习同态加密，本文主要记录无需自举的层次同态加密流程，参考文献为Zvika Brakerski、Craig Gentry和Vinod Vaikuntanathan的《(Leveled) Fully Homomorphic Encryption without Bootstrapping》，这篇文章是HElib库所使用的基础算法。下面介绍全同态加密的历史发展流程以及本文的针对性问题：(
区块链来源于社会和经济发展需求，解决在非完全可信的环境下依靠相互缺乏信任的群体之间的协作达成可信的交易。当一笔数据产生后，会由共识机制进行数据维护通过分布式存储记录在链上，然后交由智能合约去执行，最后由密码学保证整个体系的安全。用打麻将来举个例子：分布式 —— 每人一个账本，都参与记账共识机制 —— 谁胡牌谁记账，其他人复制胡牌人的记账。不可伪造——胡牌人记的账，需要经过其他人3人的检查，记错账，
道本科技智慧合同管理平台采用深度学习、自然语言处理技术、知识图谱等新兴技术，基于网络的群体智能、人机一体化和海量数据，实现对专业律师审合同能力的复制，让用户可以享受到专业的律师服务。智慧法务管理系统作为推动企业法治数字化转型的重要工具，不仅提高了法律服务效率，而且加强了企业的法律风险防控能力，打造了真正意义上的硬核企业。在传统的OCR技术基础上，道本科技智慧合同管理平台融合了NLP语义理解技术，可
Shiro框架封装cookie和session配置实现RememberMe效果------Shiro框架
借鉴致远的文章学习同态加密，本文主要记录密钥切换与模切换流程，参考文献为Zvika Brakerski 和Vinod Vaikuntanathan的《Efficient Fully Homomorphic Encryption from (Standard) LWE》，这篇文章的针对性问题如下：IND-CPA安全是指攻击者即使能够自由加密任何他选中的明文，也无法区分两个特定明文的加密结果。下面介绍
同态加密
——同态加密
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
九章云极普惠算力
AI智能硬件社区
魔乐社区
2048 AI社区
DAMO开发者矩阵
openvela
网易智企-易盾开发者社区
EazyDevelop社区
MCP技术社区
