[發明專利]一種云計算環境下高效和隱私保護的單層感知機學習方法

有效

• 申請號: 201810028163.9
• 申請日: 2018-01-11
• 公開（公告）號: CN108259158B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 陳曉峰;王晶晶;張肖瑜;王劍鋒
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04L9/00
• 分類號: H04L9/00;H04L29/06;G06K9/62;H04L9/08
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種云計算環境下高效和隱私保護的單層感知機學習方法，其特征在于，所述云計算環境下高效和隱私保護的單層感知機學習方法給定安全參數，客戶端運行對稱同態加密算法的密鑰生成算法計算公開參數和密鑰；客戶端運行加密算法，用密鑰加密訓練數據，得到相應的密文；客戶端將密文和相關的期望輸出發送給云服務器；云服務器基于訓練數據的密文和期望輸出的明文訓練單層感知機模型，并將最終最優權重向量的密文發送給客戶端；客戶端接收到最終最優權重向量的密文并解密，得到單層感知機預測模型；

所述云計算環境下高效和隱私保護的單層感知機學習方法包括：系統建立階段和隱私保護單層感知機學習階段；

所述隱私保護單層感知機學習階段具體包括：

步驟一，客戶端初始化一個隨機向量運行加密算法Enc(·)加密所有的權重并且得到相應的密文客戶端將發送給云服務器，w_j的加密公式如下：

ew_j＝Enc(SK,1,w_j)；

步驟二，云服務器獲得加密的權重向量之后，隨機選擇一條加密的訓練樣例并利用同態加密算法的同態乘法屬性和同態加法屬性計算：

D_i,j＝(ex_i,j×ew_j)mod p,for 1≤j≤n

云服務器把D_i返回給客戶端，D_i,j的密文階是2，因此D_i的密文階也是2；

步驟三，客戶端接收到密文D_i，計算：

客戶端把t_i發送給云服務器；

步驟四，云服務器接收到t_i，并比較t_i與0的大小，如果t_i＝0，即那么令否則計算云服務器比較和y_i，如果云服務器利用同態乘法和同態加法屬性更新權重向量

A_j＝η×ex_i,j mod p,ew_j＝(ew_j+A_j)mod p,for 1≤j≤n；

如果不需要更新權重向量ew_j的密文階是1，到目前為止，如果不滿足終止條件，云服務器轉到第二步繼續迭代，如果滿足終止條件，云服務器將最終最優權重向量的密文發送給客戶端，終止條件是，沒有誤分類點，即梯度下降法收斂，或者迭代次數大于等于預設值；η是學習率；

步驟五，客戶端接收到最終最優權重向量的密文計算：

w_j＝Dec(SK,1,ew_j),for1≤j≤n；

獲得最終最優權重向量的明文即單層感知機預測模型；

所述系統建立階段，給定安全參數k，客戶端運行對稱同態加密算法的密鑰生成算法KeyGen(k)計算公開參數p和密鑰SK＝(s,q)，密鑰SK＝(s,q)存儲在客戶端，客戶端計算s的逆s^-1和s²的逆s^-2；

客戶端運行加密算法Enc(·)，用密鑰SK加密訓練數據得到相應的密文其中使用加密算法Enc(·)加密信息時，令密文階參數d＝1，x_i,j的加密公式：

ex_i,j＝Enc(SK,1,x_i,j·y_i)；

客戶端將密文ex和相關的期望輸出{y₁,...,y_m}發送給云服務器。

2.一種如權利要求1所述云計算環境下高效和隱私保護的單層感知機學習方法的云計算環境下高效和隱私保護的單層感知機學習系統，其特征在于，所述云計算環境下高效和隱私保護的單層感知機學習系統包括：

客戶端，根據選定的安全參數計算密鑰和公開參數，客戶端使用密鑰加密所有的訓練數據，并將所有的密文發送給云服務器去訓練單層感知機模型；

云服務器，存儲所有訓練數據的密文，以一種隱私保護的方式訓練單層感知機模型，并將最終最優權重向量的密文發送給客戶端。

3.一種應用權利要求1所述云計算環境下高效和隱私保護的單層感知機學習方法的智能決策支持系統。