[發明專利]一種用于醫療物聯網的安全高效的SVM隱私保護訓練及分類方法

有效

• 申請號: 202010547167.5
• 申請日: 2020-06-16
• 公開（公告）號: CN111797907B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 何德彪;王婧;馮琦;李莉;羅敏
• 申請（專利權）人: 武漢大學
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/2411;G06F21/60;H04L9/00;H04L9/40;H04L67/12
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種用于醫療物聯網的安全高效的SVM隱私保護訓練及分類方法，其特征在于，云存儲服務器CSS存儲大量用戶的各種密文醫療數據，并提供外包計算能力與CSP協同進行隱私保護的SVM模型訓練和分類，SR是需要使用SVM功能的請求者，SP是提供SVM模型的提供者，可以請求CSS和CSP協同訓練SVM或使用SVM為SR提供服務，TA負責密鑰分發與公證，DP負責提供密文形式的醫療數據，具體包括：

SVM的模型隱私保護訓練步驟：數據提供者DP給定密文數據集

Ω＝{([X₁]，[y₁])，…，([X_n]，[y_n])}，分別由各數據提供者的pk_i加密；SVM模型服務提供者SP給定密文特征權重[W]＝{[w₁],…,[w_d]}，初始偏移量[b]，由公鑰pk_ρ加密；SP給定明文狀態的迭代步長系數α，損失率cost和對應的閾值ths，學習率η，最大迭代次數T和浮點數的小數點位數E，其中向量X_i的維度為d，安全高效且具有隱私保護的外包SVM訓練方法由CSS和CSP協同執行，具體步驟如下：

步驟1.1：初始化參數α，cost，ths，η，T，E，并計算和

步驟1.2：當滿足條件costths或者tT時，執行下列步驟1.3，1.4，1.5，1.6，1.7，1.8；

步驟1.3：對于任意i∈{1,2,…,d}，計算并執行SDP算法[grad_i]←SDP(grad_i,pk_ρ,E)，最終得到小數點位數均為E的向量[grad]＝{[grad₁],…,[grad_d]}；

步驟1.4.1：對于任意j∈{1,2,…,n}，首先執行SIIP算法[z]←SIIP([W],[X_i],pk_ρ,pk_i,pk_ρ)，再計算

步驟1.4.2：執行SIM算法[z]←SIM([z],[y_i],pk_ρ,pk_i,pk_CSS)；

步驟1.4.3：CSS用自己的私鑰解密[z]，得到明文狀態的z，并判斷是否成立，如果成立則先計算z＝z-N；

步驟1.4.4：CSS計算z＝z·2^-2E，判斷z1是否成立，如果成立則首先調用SISMV算法計算[Z]←SISMV([y_i],[X_i],pk_i,pk_i,pk_ρ)；再調用SFPVS算法計算向量[grad]←SFPVS([grad],[Z],pk_ρ,pk_ρ,pk_ρ)；計算cost＝cost+1-z；

步驟1.5：調用SIIP算法計算[u]←SIIP([W],[W],pk_ρ,pk_ρ,pk_CSS)得到密文[u]；

步驟1.6：CSS調用DTPKC.Dec()算法解密[u]得到u；判斷是否成立，如果成立則計算u←(u-N)；

步驟1.7：對于任意i∈{1,2,…,d}，計算并調用SDP算法計算[gd_i]←SDP([gd_i],pk_ρ,E)；得到密文向量[gd]＝{[gd₁],…,[gd_d]}

步驟1.8：調用SFPVS算法計算[W]←SFPVS([W],[gd],pk_ρ,pk_ρ,pk_ρ)，計算t＝t+1；

步驟1.9：輸出最終的密文模型[W]，[b]；

SVM的隱私保護分類步驟：給定服務請求者SR的數據即醫療數據特征向量，由SR的公鑰pk_SR加密所得，服務提供者SP的SVM加密模型[W]，[b]，由SP的公鑰pk_ρ加密所得；隱私保護的外包SVM分類步驟如下：

步驟2.1：CSS收到SP發送的密文數據[W]，[b]和[X^*]后，用SR的公鑰pk_SR加密整數1得到[1]，并令[v₂]＝{[w₁],…,[w_d],[b]}；

步驟2.2：調用SIIP算法計算[y]←SIIP([v₁],[v₂],pk_SR,pk_ρ,pk_SR)，CSS將結果[y]發送給SR；

步驟2.3：SR解密[y]得到y；判斷是否成立，如果成立則令y^*＝1，否則y^*＝-1，最終得到的y即SR的分類結果。