[發(fā)明專利]基于向量同態(tài)加密的隱私保護(hù)k-means聚類方法在審
| 申請?zhí)枺?/td> | 201910451996.0 | 申請日: | 2019-05-28 |
| 公開(公告)號: | CN110163292A | 公開(公告)日: | 2019-08-23 |
| 發(fā)明(設(shè)計(jì))人: | 張小松;何偉超;牛偉納;劉憲;趙藝賓;任仲蔚 | 申請(專利權(quán))人: | 電子科技大學(xué) |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;H04L9/00 |
| 代理公司: | 成都智言知識產(chǎn)權(quán)代理有限公司 51282 | 代理人: | 濮云杉 |
| 地址: | 610000 四川省成*** | 國省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 向量 密文向量 矩陣 同態(tài)加密 聚類 聚類服務(wù)器 聚類分析 向量類型 隱私保護(hù) 中間矩陣 客戶端 向量組 加密 安全性問題 比特?cái)U(kuò)展 標(biāo)簽組合 加密過程 聚類標(biāo)簽 聚類結(jié)果 密文數(shù)據(jù) 密鑰交換 組發(fā)送 解密 隱私 傳送 傳輸 保留 應(yīng)用 保證 | ||
1.基于向量同態(tài)加密的隱私保護(hù)k-means聚類方法,其特征包括:
A.客戶端接收待聚類向量組(x1,x2,…xn),待聚類向量組(x1,x2,…xn)由n個待聚類的樣本構(gòu)成,其中n為正整數(shù);
B.通過向量同態(tài)加密的方法對所述待聚類向量組(x1,x2,…xn)進(jìn)行加密,并且在加密過程中保留密鑰交換矩陣M和比特?cái)U(kuò)展矩陣W,加密后得到密文向量組(c1,c2,…,cn);
C.根據(jù)所述的密鑰交換矩陣M和比特?cái)U(kuò)展矩陣W,通過AM=W,計(jì)算得到矩陣A,并且定義中間矩陣H=ATA,其中T為隨機(jī)矩陣;
D.將所述的中間矩陣H與密文向量組(c1,c2,…,cn)傳送至聚類服務(wù)器進(jìn)行聚類分析,并將密文向量組(c1,c2,…,cn)中的每一個向量附上聚類標(biāo)簽;
E.聚類服務(wù)器將完成聚類分析的密文向量組(c1,c2,…,cn)發(fā)送回客戶端,由客戶端使用密鑰矩陣S1進(jìn)行解密,根據(jù)各個向量的標(biāo)簽組合得到聚類結(jié)果。
2.如權(quán)利要求1所述的基于向量同態(tài)加密的隱私保護(hù)k-means聚類方法,其特征為:步驟B中所述的向量同態(tài)加密,包括:
B1.生成隨機(jī)矩陣T,隨機(jī)矩陣T中的每個元素都為計(jì)算機(jī)生成的隨機(jī)數(shù),同時生成大整數(shù)w及整數(shù)l,大整數(shù)w>>隨機(jī)矩陣T中的任一元素,并且2l大于待聚類向量組(x1,x2,…xn)中的任一元素;
B2.設(shè)置密鑰矩陣S1=[I,T],其中I為單位矩陣,隨機(jī)矩陣T∈Zm×m,Z為數(shù)學(xué)里表示所有整數(shù)的通用符,m×m為隨機(jī)矩陣T的維度,Y為隨機(jī)矩陣,E為隨機(jī)噪聲矩陣,m為正整數(shù);通過得到對應(yīng)的密鑰交換矩陣M,記錄密鑰交換矩陣M和密鑰矩陣S1;
B3.根據(jù)密鑰交換矩陣M和c=Mx*,得到密文向量組(c1,c2,…cn),其中x為明文向量。
3.如權(quán)利要求1或2所述的基于向量同態(tài)加密的隱私保護(hù)k-means聚類方法,其特征為:步驟D中所述的聚類分析包括:
D1.根據(jù)待聚類向量的密文向量組(c1,c2,…,cn)及中間矩陣H,給密文向量組(c1,c2,…,cn)中每個待聚類向量分別附上各不相同的標(biāo)簽;
D2.隨機(jī)產(chǎn)生k個聚類中心(p1,p2,…,pk),其中k為正整數(shù);
D3.通過中間矩陣H計(jì)算密文向量組(c1,c2,…,cn)中每個密文向量到每個聚類中心的距離,對于每個密文向量會產(chǎn)生k個距離;
D4.對每個密文向量選擇最小的距離,并將它們歸為一個集合,由此產(chǎn)生k個集合(Q1,Q2,…,Qk);
D5.計(jì)算(Q1,Q2,…,Qk)中每個集合的平均向量,產(chǎn)生k個新聚類中心(p1',p2',…,pk');
D6.重復(fù)步驟D3~D5,直到集合(Q1,Q2,…,Qk)不再改變。
4.如權(quán)利要求3所述的基于向量同態(tài)加密的隱私保護(hù)k-means聚類方法,其特征為:步驟D3中所述每個密文向量會產(chǎn)生k個距離為:Dij=(ci-pj)TH(ci-pj),i=1,…,n;j=1,…,k。
5.如權(quán)利要求3所述的基于向量同態(tài)加密的隱私保護(hù)k-means聚類方法,其特征為:聚類中心(p1,p2,…,pk)為維度與密文向量組(c1,c2,…,cn)一致的整數(shù)向量。
6.如權(quán)利要求3所述的基于向量同態(tài)加密的隱私保護(hù)k-means聚類方法,其特征為:所述集合(Q1,Q2,…,Qk)中的每個的元素均為向量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于電子科技大學(xué),未經(jīng)電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910451996.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 移動向量解碼方法和移動向量解碼裝置
- 一種用于支持向量機(jī)的在線向量選取方法
- 用于在幀序列中執(zhí)行運(yùn)動估計(jì)的數(shù)據(jù)處理系統(tǒng)和方法
- 神經(jīng)網(wǎng)絡(luò)的處理方法及裝置、存儲介質(zhì)、電子設(shè)備
- 字符序列處理方法及設(shè)備
- 向量獲取方法、裝置、電子設(shè)備以及計(jì)算機(jī)可讀存儲介質(zhì)
- 向量獲取方法、裝置、電子設(shè)備以及計(jì)算機(jī)可讀存儲介質(zhì)
- 近鄰向量的召回方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)
- 一種向量運(yùn)算裝置及運(yùn)算方法
- 生成類別向量的方法和裝置
- 在集成電路器件中求解線性矩陣
- 矩陣計(jì)算裝置、矩陣計(jì)算方法
- 一種數(shù)據(jù)聚類的方法、裝置及Spark大數(shù)據(jù)平臺
- 適用于黑白圖片的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法以及訓(xùn)練方法
- 適用于灰度圖片的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法以及訓(xùn)練方法
- 矩陣
- 矩陣/密鑰生成裝置、矩陣/密鑰生成系統(tǒng)、矩陣結(jié)合裝置、矩陣/密鑰生成方法、程序
- 矩陣運(yùn)算電路、矩陣運(yùn)算裝置及矩陣運(yùn)算方法
- 矩陣乘法計(jì)算方法和裝置
- 數(shù)據(jù)讀取方法、裝置、介質(zhì)和計(jì)算設(shè)備
- 人臉識別方法和系統(tǒng)
- 一種面向隱私保護(hù)的浮點(diǎn)數(shù)全同態(tài)加密方法
- 一種數(shù)據(jù)安全共享系統(tǒng)及方法
- 一種數(shù)據(jù)加密方法、裝置、設(shè)備及介質(zhì)
- 一種基于Intel QAT的同態(tài)加密卸載方法
- 認(rèn)證方法及核心網(wǎng)設(shè)備、終端
- 一種基于全同態(tài)加密的排序方法
- 一種車聯(lián)網(wǎng)中基于同態(tài)加密的聯(lián)邦學(xué)習(xí)隱私保護(hù)方法
- 一種同態(tài)加密請求的路由方法和裝置
- 數(shù)據(jù)處理方法、競投端設(shè)備和計(jì)算機(jī)可讀介質(zhì)





