登录社区云，与社区用户共同成长
邀请您加入社区
随着信息技术的飞速发展，数据已成为现代社会最宝贵的资产之一。然而，数据的快速增长也带来了安全风险，包括数据泄露、篡改和滥用等。数据加密技术作为保护数据安全的重要手段，其重要性日益凸显。
2021SC@SDUSC2021-12-12前言从本篇开始，接上一篇的BFV分析，这里我们继续分析BFV源码。争取本篇结束战斗。与之前的工作相比，这些代码显得更具整体性，也能更好体现出SEAL的工作原理以及流程，算是对前面的集大成者了，因此很有分析的必要。BFV-2本篇我们将继续分析examples/1_bfv_basics.cpp。看一看SEAL对于bfv是如何实现的。先看整体的运行效果：来自e
摘要：python文件的动态加密
同态加密是一种加密算法，与普通加密算法不同。普通加密只能对数据进行加密、解密。同态加密对数据进行加密之后，还可以对密文进行一下操作。如果是普通加密，需要对数据解密之后才能继续操作。而同态加密不需要，且密文操作后解密结果是与明文相同的。同态加密中密文空间具体有特定的算符。私钥：解密。公钥：加密与计算两个不同的加密明文-->密文c/c密文域上的操作，只是定义为密文的加法，怎么实现，可以是通过别的计算来
MP-SPDZ-V0.3.2框架实践（1）
OpenFHE 库的 CKKS 算法参数涉及三种（缩放因子（scaleModSize）、乘法深度（Multiplicative depth）、插槽数（batchSize））CKKS 方案的第一步是将一个实数向量编码为一个明文多项式。缩放系数定义了数字的二进制表示法的编码精度。直观地说，我们谈论的是二进制精度，如下图所示。多项式模数直接影响到，明文多项式中的系数个数，密文元素的大小，方案的计算性
Paillier同态加密算法以及其正确性与安全性分析
2025年，全球RWA（Real-World Assets，真实世界资产）市场规模突破3.2万亿美元，香港、新加坡、成都等地接连出台政策支持资产数字化，阿里巴巴、宁德时代等巨头纷纷入局。这场由区块链技术驱动的资产革命，正在重构传统金融的底层逻辑——从房地产、债券到艺术品、供应链票据，RWA通过代币化技术将线下资产“搬上链”，实现全球24小时流通与碎片化投资。
同态加密算法之paillier算法
上述步骤为混沌加密研究中的实验流程，适用于大多数加密算法的设计与验证。数据集的选择符合实际应用场景。实验中涉及的混沌系统与加密算法能够有效结合。安全性和性能分析要全面，能够证明你的算法在攻击和效率上的优势。如果你有具体的算法实现或实验部分需要帮助，随时告诉我，我可以进一步为你提供代码实现建议、结果分析或文献支持！
使用AES_key和AES_IV的方式加密和解密数据
同态加密（HE）是一种特殊的公钥加密技术，除了满足传统加密的机密性外，还额外满足计算功能性——允许对密文直接执行特定类型的数学运算（如加法、乘法、多项式运算），且运算结果解密后与明文运算结果一致。
然而，在技术和商业现实面前，这一权利的实现困难重重。2009年，Craig Gentry 提出了第一个全同态加密的构造，基于格密码学中的理想格问题，并引入了“自举（bootstrapping）”的概念，从而在理论上首次实现了在密文上执行任意多项式计算的可能。而无论是个体在不同场景下的数字分身，还是个体被数据化之后的分类计算，都导致个体的“去个体化”，人群被采集的数据代替个体而进入社会化程序，这时，
学习题为《Reversible steganography in cipher domain for JPEG images using polynomial homomorphism》的论文随着物联网（IoT）设备的普及，大量敏感数据（如指纹、身份信息）需要在云端传输和存储。传统隐写技术虽然能隐藏信息，但无法保护图像本身的隐私。
区块链跨链技术正成为破解"不可能三角"困局的关键。当前主流公链面临性能瓶颈，而采用跨链分片架构的项目已实现显著优化。本文深度剖析跨链技术演进：1）架构革命：从简单桥接转向分层协议栈和动态分片路由，处理能力提升35-400%；2）性能突破：增量同步协议节省78%带宽，并行优化降低90%Gas成本；3）安全创新：三维防护体系实现99.3%攻击拦截率；4）应用落地：链游和RWA领域的
VirtualFido2-USB是一个虚拟FIDO2安全密钥实现，完整支持WebAuthn身份验证流程。该项目通过18个详细步骤实现设备初始化、凭据注册和身份验证全过程，包括PIN码设置与验证、密钥协商、凭据创建等关键环节。主要特性包括WebAuthn合规性、PIN支持、安全密钥管理和跨平台兼容性。项目采用MIT许可证，遵循行业标准加密算法，确保PIN传输和凭据存储的安全性。开发者可通过GitHu
由于DNN的出现，图像分类已经变成一项简单移动的任务。然而，对图像中包含的敏感信息有关的隐私问题依然值得关注。通过结合ML和密码学技术，本文对该问题提出了一种解决方案。特别地，FHE已经成为最有前景的解决方案，它可以在加密数据上执行计算。本文基于FHE提出了Residual Network的实现，它允许对加密图像进行分类并确保仅有用户可以看到结果。且相较于已有的研究，本文的实现大大降低了内存和计算
其中prime（）函数用于生成素数，keygen（）函数用于生成密钥，encode（）函数用于加密，decode（）函数用于解密。其中vote（）函数用于进行投票，并以数组的形式返回投票结果，count函数用于计数，unveil函数用于公布结果。3.创建python代码文件，模拟实现基于Paillier 算法的匿名电子投票流程。编写paillier.py文件，代码如上。
苹果生态的机器学习和同态加密
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
隐私保护联邦学习是一种分布式机器学习，多个合作者通过受保护的梯度来训练模型。为了实现对用户退出的鲁棒性，现有的实用隐私保护联邦学习方案都是基于（t，N）-门限秘密共享的。这种方案依赖于一个强假设来保证安全性：阈值t必须大于用户数的一半。这种假设是如此严格，以至于在某些情况下，这些方案可能并不合适。基于这个问题，我们首先引入了联邦学习的成员资格证明，它利用密码累加器通过累加用户ID来生成成员资格证明
提出了xMK-CKKS,一种多密钥同态方案。客户端使用聚合公钥加密梯度，解密的时候需要所有客户端提供解密份额，协助服务器解密总和。基于FadAvg和XMK-CKKS提出一个ppfl模型。在半诚实模型下可以防止n-1个客户端和服务器的勾结。
本文的模逆运算等都在RSA的实现中提及，不再赘述，关于Paillier的基础知识部分见下面这篇文章。
本文提出了CKKS的RNS变体。首先本文引入了一种新的密文模结构，该结构允许对分圆多项式进行RNS分解，并对每个RNS分量进行NTT转换，实际上就是近似模组成的模链。同时本文还提出了一种不需要RNS组合的近似模交换技术，即在密文在RNS表示下可以使用近似模交换技术变得到模交换后的结果。实际上可以看到，这里全部使用到了CKKS的核心概念，误差是明文的一部分，只要误差足够小就可以接受。
记录下FATE实现纵向联邦的原理，以逻辑回归为例，重点关注同态加密的使用。一、背景在《FATE横向联邦：基于同态加密的逻辑回归》中简单记录了横向LR，本文记录下纵向LR的实现。二、两方（1 Guest + 1 Host）纵向联邦时，Guest是拥有label的一方，Host是不含lable的建模方，Guest希望通过联合，扩展数据的特征维度。设想的模型训练流程：存在的问题：对于纵向联邦，在梯度求解
从1978年的概念提出，到2009年的首次实现，再到2021年不断演进的方案，全同态加密见证了密码学领域半个世纪的技术进步。每一代方案的提出都是对前人工作的继承与创新，共同推动了这一革命性技术的发展。让我们期待在不远的将来，全同态加密能够真正走进我们的日常生活，为数据安全和隐私保护带来质的飞跃。1.2.2.1.3 数据安全发展技术发展历程：高级公钥加密方案——代理重加密下一篇：更新中更多推荐阅读内
在不能够使用 SIMD 操作时（部分机器学习场景可能没有 batch 的情况，比如矩阵分解），使用 key size 比较小的 paillier 效率更高；在能够使用 SIMD 操作时（例如大部分场景下的机器学习模型训练、推理），SEAL-CKKS 效率显著高于 paillier。除了 Paillier 和 CKKS，未来我们将测试更多的同态加密算法效率。
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。
要世界杯了，在世界杯时谈论股票是一件很无趣的事情，而且，全世界的人都知道，世界杯前后，股票市场几乎都要大跌，这个常识，虽然并不比所有有关所谓庄家的常识更值得常识，但至少有趣，并不像所谓庄家一般无聊。还可以增加一句的是，足球至少有帅男，而见过的如此之多的所谓庄家里，连长得不那么歪瓜裂枣的都少，这的确是实际情况，并不是开玩笑。但你的喜好，就是你的死亡陷阱！在市场中要生存，第一条就是在市场中要杜绝一切喜
人工智能先驱表示，现在是采用智能规模、"以数据为中心"的方案解决重大问题的时机。吴恩达曾参与推动基于海量数据的深度学习模型发展，如今他正倡导小数据解决方案。作为人工智能领域的权威专家，吴恩达在斯坦福大学期间率先使用GPU训练深度学习模型，共同创建了某机构的AI研究部门，并曾担任某中心首席科学家。他目前专注于其公司Landing AI开发的LandingLens平台，帮助制造商通过计算机视觉改进视觉
Paillier 公钥加密，基于复合剩余类的困难问题
seal库的安装
本文提出基于zk-STARK的ResNet-50可验证计算方案，解决AI模型隐私保护与计算可信验证的核心矛盾。方案包含： 分层验证架构：通过模型切片引擎将ResNet-50拆解为可并行验证的卷积/全连接模块，保持参数隐私的同时生成零知识证明 关键技术实现： 使用Circom语言构建卷积层验证电路，支持SHA-256参数哈希绑定 PHP+Python混合架构实现万级并发验证。
在Intel Ice Lake平台，2048点NTT计算时间从3.2ms降至1.1ms。数论变换（NTT）是CKKS的算力核心。（如TFHE）发展，我们有理由相信3年内同态加密数据库将达到生产级性能要求。：单次SUM聚合吞吐量提升2048倍，大幅降低密文膨胀开销。：在不解密前提下执行计算。其中CKKS方案因支持。采用层次化存储：热数据存明文，冷数据存密文。其中ε根据历史查询误差自适应计算。传
本文深入探讨量子安全同态加密（PQC-FHE）在AI模型保护中的前沿应用。针对量子计算威胁，分析抗量子FHE方案（如NTRU、CKKS）的选型策略，提出后量子签名（如Dilithium）与数字水印的创新融合方案。结合NIST PQC标准化进程，详解系统迁移路径。通过Python/PHP/Web端全栈代码示例，演示如何在现有系统中实现模型权重加密、安全推理与版权追溯。文章涵盖技术架构、商业报价、企业
在这其中，密码学技术是隐私计算领域一个重要的方向，一些高级的密码学技术如安全多方计算 (secure multi-party computation, MPC)、同态加密 (homomorphic encryption, HE)、零知识证明 (zero-knowledge proof, ZKP) 等分别具有独特的、可证明安全的隐私保护特性，其纷纷在隐私计算领域发挥出各自的作用和优势。，及时填补了国
其中，加密算法用于将明文加密为密文，解密算法用于将密文解密为明文。1.随机选择两个长度相等的大素数p，q，并满足gcd(pq,(p-1)(q-1))=1，这里gcd表示最大公约数。2.计算n=pq以及λ=lcm(p-1,q-1)，这里lcm表示最小公倍数。公钥pk=(n,g)=(391,392)，私钥sk=(176,20)2.计算n=pq=391，λ=lcm(16,22)=176。2.选择随机数r
扫码关注保护消费者权益我们在行动时至今日，数据要素已经成为数字经济时代最重要的生产要素之一，成为众多企业和机构的核心资产，而数据价值的体现依赖于数据的安全流通和利用。隐私计算作为新兴技术为数据的安全流动提供了新的可能性，即使在数据融合、计算的过程中，也可以保证数据的隐私。在国内外隐私相关法律纷纷颁布、隐私计算产业不断发展的背景下，隐私计算技术的意义和价值已经日渐深入人心。到目前为止，隐私计算一般分
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
魔乐社区
讯飞AI开发者社区
成都城市开发者社区
2048 AI社区
松山湖开发者村综合服务平台
天启AI社区
西安城市开发者社区
云原生技术专区
DAMO开发者矩阵
