Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜扬州大学殷新春获国家专利权

恭喜扬州大学殷新春获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜扬州大学申请的专利一种适用于医疗场景基于无证书签名的强隐私保护方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114884665B

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210693710.1,技术领域涉及:H04L9/30;该发明授权一种适用于医疗场景基于无证书签名的强隐私保护方法是由殷新春;周利峰设计研发完成,并于2022-06-18向国家知识产权局提交的专利申请。

一种适用于医疗场景基于无证书签名的强隐私保护方法在说明书摘要公布了:本发明涉及一种适用于医疗场景基于无证书签名的强隐私保护方法,包含以下步骤:步骤1):系统初始化生成,密钥生成中心负责生成系统主密钥和主公钥,构造安全的哈希函数,并最后公开系统参数;步骤2):秘密值生成,医疗传感器节点通过随机选取的秘密值生成医疗传感器节点假身份以及部分的公钥;步骤3):临时的部分私钥生成;步骤4):初始密钥生成步骤5):更新密钥生成;步骤6):签名生成;步骤7):签名验证。通过本发明,采用了无证书签名技术保证医疗数据的安全传输,并且该发明能满足消息的完整性、认证性、匿名性、可追踪等安全需求。

本发明授权一种适用于医疗场景基于无证书签名的强隐私保护方法在权利要求书中公布了:1.一种适用于医疗场景基于无证书签名的强隐私保护方法,其特征在于,包含以下步骤:步骤1:系统初始化生成,密钥生成中心负责生成系统主密钥和主公钥,构造安全的哈希函数,并最后公开系统参数;步骤2:秘密值生成,医疗传感器节点通过随机选取的秘密值生成医疗传感器节点假身份以及部分的公钥;步骤3:临时的部分私钥生成,密钥生成中心通过选取的随机值,系统主密钥以及医疗传感器节点的公钥生成临时的部分私钥;步骤4:初始密钥生成,医疗传感器节点计算出完整的部分私钥,两个协助器的公私钥对以及初始密钥;步骤5:更新密钥生成,协助器通过自己的私钥,医疗传感器节点的假身份生成更新密钥;步骤6:签名生成,医疗传感器节点通过更新密钥以及初始密钥线性组合生成签名;步骤7:签名验证,医疗服务器验证医疗传感器节点传输过来的签名是否合法,若合法则接受,反之则拒绝;步骤1中,系统初始化过程包括以下步骤:步骤1-1:输入安全参数v和总时间片段数N,群G为q阶的椭圆曲线加法群,P为群G的一个生成元,其中,v为安全参数,N为总时间片段数,G为椭圆曲线加法群,q为椭圆曲线加法群的阶数,P为椭圆曲线加法群的生成元;步骤1-2:密钥生成中心随机选择s∈Zq*作为系统主密钥,并且计算Ppub=sP作为系统主公钥,其中,s是系统主密钥,Ppub是系统主公钥,P为椭圆曲线加法群的生成元;步骤1-3:KGC选取4个安全且抗碰撞的哈希函数H,H1,H2,H3,其中:H:G→Zq*,H1:G×{0,1}*×G→Zq*,H2:{0,1}*×G×{0,1}*→Zq*,H3:{0,1}*×{0,1}*×G×G×G×G→Zq*,其中,H,H1,H2,H3为四个哈希函数,Zq*为整数域,G为椭圆曲线加法群,{0,1}*为用0,1组合的任意长度的串;步骤1-4:密钥生成中心公开系统参数params={G,q,P,Ppub,H,H1,H2,H3},其中,G为椭圆曲线加法群,q为椭圆曲线加法群的阶数,P为椭圆曲线加法群的生成元,Ppub为系统主公钥,H,H1,H2,H3为四个哈希函数;步骤2中,秘密值生成过程包括以下步骤:步骤2-1:医疗传感器节点随机选择秘密值xi∈Zq*,并计算部分的公钥Xi=xiP,其中,xi为秘密值,Zq*为整数域,Xi为基于秘密值的公钥;步骤2-2:医疗传感器节点计算假身份其中,PIDi为医疗传感器节点的假身份,RIDi为医疗传感器节点的真实身份,xi为秘密值,Ppub为系统主公钥;步骤2-3:医疗传感器节点将假身份PIDi和公钥Xi发送至密钥生成中心,其中,PIDi为医疗传感器节点的假身份,Xi为基于秘密值的公钥;步骤3中,临时的部分私钥生成过程包括以下步骤:步骤3-1:密钥生成中心随机选择ui∈Zq*,计算Ui=uiP,其中,ui为随机数,Zq*为整数域,P为椭圆曲线加法群的生成元,Ui为基于随机数的公钥;步骤3-2:密钥生成中心通过hi=H1Ui,PIDi,Ppub,系统主密钥s以及公钥Xi生成临时的部分私钥li=[ui+shi+HsXi]modq,其中,hi是哈希函数H1的哈希值,Ui为基于随机数的公钥,PIDi为医疗传感器节点的假身份,Xi为基于秘密值的公钥,Ppub为系统主公钥,s是系统主密钥,li为临时的部分私钥,q为椭圆曲线加法群的阶数;步骤3-3:密钥生成中心发送Ui,li给对应的医疗传感器节点,其中,Ui为基于随机数的公钥,li为临时的部分私钥;步骤4中,初始密钥生成过程包括以下步骤:步骤4-1:医疗传感器节点计算出完整的部分私钥di=li-HxiPpubmodq,其中,di为完整的部分私钥,li为临时的部分私钥,xi为秘密值,Ppub为系统主公钥,q为椭圆曲线加法群的阶数,H为哈希函数;步骤4-2:医疗传感器节点验证等式diP=Ui+hiPpub是否成立,若成立,则MSN接受部分私钥di;否则,重新申请部分私钥,其中,di为完整的部分私钥,P为椭圆曲线加法群的生成元,Ui为基于随机数的公钥,hi是哈希函数H1的哈希值,Ppub为系统主公钥;步骤4-3:医疗传感器节点随机选择s0,s1∈Zq*,设置HSK0=s0,HSK1=s1,并计算HPK0=s0P,HPK1=s1P,其中,把HSK0,HSK1作为两个协助器的私钥,把HPK0,HPK1作为两个协助器的公钥,其中,s0,s1为时间片段为0和1的两个协助器的私钥,HPK0,HPK1为时间片段为0和1的两个协助器的公钥,P为椭圆曲线加法群的生成元;步骤4-4:医疗传感器节点通过生成医疗传感器节点的初始密钥其中,为哈希函数H2的哈希值,Ui为基于随机数的公钥,PIDi为医疗传感器节点的假身份,-1,0为时间为-1和0时刻的时间片段,为初始密钥,s1,s2为时间片段为1和2两个协助器的私钥,di为完整的部分私钥,xi为秘密值;步骤5中,更新密钥生成过程包括以下步骤:协助器计算在时间段t内的更新密钥其中,为更新密钥,si为协助器的私钥,为时间片段为t,t-2哈希函数H2的哈希值,q为椭圆曲线加法群的阶数;步骤6中,签名生成过程包括以下步骤:步骤6-1:医疗传感器节点计算出签名密钥其中,v≡tmod2和v'≡t-1mod2,其中,为签名密钥,di为完整的部分私钥,xi为秘密值,sv,sv'为时间片段v和v'的协助器的私钥,为时间片段为t,t-1哈希函数H2的哈希值;步骤6-2:医疗传感器节点随机选取yi∈Zq*,并通过计算Yi=yiP和ai=H3mi,PIDi,Ui,Xi,Yi,Ppub,Ti生成签名其中,yi为随机值,Yi为基于随机值的公钥,ai为哈希函数H3的哈希值,mi为消息,Ui为基于随机数的公钥,PIDi为医疗传感器节点的假身份,Yi为基于随机值的公钥,Xi为基于秘密值的公钥,Ppub为系统主公钥,Ti为时间戳,ωi为基于椭圆曲线的签名元素,q为椭圆曲线加法群的阶数,P为椭圆曲线加法群的生成元;步骤6-3:医疗传感器节点将σi=Yi,ωi作为mi||Ti上的签名,并将<σi,mi,Ti,PIDi,Xi,Ui,HPK0,HPK1>通过公共信道发送给医疗服务器,其中,σi为签名,Yi为基于随机值的公钥,ωi为基于椭圆曲线的签名元素,mi为消息,Ti为时间戳,PIDi为医疗传感器节点的假身份,Xi为基于秘密值的公钥,Ui为基于随机数的公钥,HPK0,HPK1为两个协助器的公钥;步骤7中,签名验证过程包括以下步骤:步骤7-1:医疗服务器计算ai=H3mi,PIDi,Ui,Xi,Yi,Ppub,Ti,hi=H1Ui,PIDi,Ppub,其中,Yi为基于随机值的公钥,ai为哈希函数H3的哈希值,mi为消息,Ui为基于随机数的公钥,PIDi为医疗传感器节点的假身份,Yi为基于随机值的公钥,Xi为基于秘密值的公钥,Ppub为系统主公钥,Ti为时间戳,hi是哈希函数H1的哈希值,为时间片段为t哈希函数H2的哈希值;步骤7-2:医疗服务器验证等式是否成立,若等式成立,MES接收签名;否则,拒绝接收签名,其中,P为椭圆曲线加法群的生成元,Yi为基于随机值的公钥,ai为哈希函数H3的哈希值,ωi为基于椭圆曲线的签名元素,PIDi为医疗传感器节点的假身份,Xi为基于秘密值的公钥,Ui为基于随机数的公钥,HPKv,HPKv'为时间片段为v≡tmod2,v'≡t-1mod2两个协助器的公钥,hi是哈希函数H1的哈希值,为时间片段为t,t-1哈希函数H2的哈希值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人扬州大学,其通讯地址为:225009 江苏省扬州市大学南路88号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。