近日，我院青年教师毕仁万博士及其团队在数据与模型安全、隐私保护计算领域取得重要研究进展。相关研究成果发表于中国计算机学会（CCF）网络与信息安全方向推荐期刊上。
研究成果一针对网联自动驾驶多模态数据在边缘协同融合时的隐私泄露风险，创新提出了一种隐私保护的多模态目标信息融合模型，基于算术秘密共享设计了点云和图像模态的安全目标边界框匹配模块和安全置信分数融合模块，并基于牺牲验证技术设计了一种随机数正确性验证策略，能以极高概率精准抵御第三方在随机数生成过程中的恶意行为。实验结果表面，所提出的模型具有安全性高、准确性强且运行效率高的特性。该工作以“Privacy-Preserving Multi-Modal Object Fusion for Connected Autonomous Vehicles: Resilience Against Malicious Third-Party Attacks”为题发表在CCF-A类、中科院一区Top期刊《IEEE Transactions on Information Forensics and Security》上。闽江大学为第一单位，第一作者为我院毕仁万博士，通信作者为福建理工大学熊金波教授和我院阮志强教授。
论文链接：https://ieeexplore.ieee.org/document/11456232
图1 研究成果一技术路线
研究成果二发现在安全外包计算环境下，恶意敌手可以利用同态加密原语的同态特性来篡改传输的信息并绕过传统校验，将这一攻击定义为算术一致性攻击，并针对性地提出了一种抗攻击的完整性验证框架，通过预协商一组随机数二元组，结合同态加密和算术秘密共享，可以实现客户端上传数据和服务器返回结果的完整性验证，并节省部分计算开销。该工作以“Arithmetic consistency attack-resistant integrity verification for secure outsourced computing”为题发表在CCF-C类、中科院三区期刊《Journal of Information Security and Applications》上。闽江大学为通信单位，第一作者为福建师范大学刘渟同学，通信作者为我院毕仁万博士。
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S2214212625002558?via%3Dihub
图2 研究成果二技术路线
研究成果三针对去中心化联邦学习中传统安全聚合协议计算复杂度过高且难以抵抗拜占庭投毒攻击的问题，提出一种鲁棒且高效的安全聚合协议，具体基于数论变换思想将秘密共享的复杂度从O(n2)降低为O(nlogn)，采用单掩码方案保护模型梯度隐私，并结合模型交叉更新有效检测中毒梯度。在MNIST和CIFAR -10数据集上的实验结果表面，所提出的协议是安全且高效的。该工作以“PriDFL: Computation-Optimized Secure Aggregation With Byzantine-Resilient in Decentralized Federated Learning”为题发表在CCF-A类、中科院二区Top期刊《IEEE Transactions on Dependable and Secure Computing》上。闽江大学为合作单位，第一作者为贵州大学王帅博士，合作作者为我院毕仁万博士，通信作者为贵州大学田有亮教授和福建理工大学熊金波教授。
论文链接：https://ieeexplore.ieee.org/document/11310795
图3 研究成果三技术路线
上述研究成果得到了国家自然科学基金项目、福建省自然科学基金项目、福建省青年科技人员育成项目、福州市科技项目对外合作项目、闽江大学引进人才科技预研项目等项目的联合资助。在上述研究成果的基础上，毕仁万博士今年新获批福建省自然科学基金项目创青项目：面向网联自动驾驶的隐私保护协同感知方法，未来在该领域将继续深入研究。这一系列成果的发表，也有助于提升闽江大学网络空间安全学院在该领域的学术影响力。