[發明專利]一種基于幺模矩陣加密的嶺回歸安全外包方法及系統

有效

• 申請號: 202010928076.6
• 申請日: 2020-09-07
• 公開（公告）號: CN112163228B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 阮鷗;秦姍姍;周靖;毛浩;劉濤
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F21/62;G06N20/00;G06F17/16
• 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: 嚴彥

本發明提供一種基于幺模矩陣加密的嶺回歸安全外包方法及系統，設客戶端C需要將數據計算外包給云服務器端S，外包過程包括：客戶端C進行初始化設置，包括初始化參數，構造置換矩陣和幺模矩陣；客戶端C向云服務端S發送保密消息，客戶端C響應計算請求，生成加密后的訓練集矩陣發送給云服務端S；云服務端S計算生成密文消息；客戶端C收到來自云服務器S的密文消息，進行驗證，并且利用相應置換矩陣以及幺模矩陣進行乘法計算，得出最后所需要的結果。本發明利用幺模矩陣的性質，基于幺模矩陣加密的嶺回歸安全外包方案可以使用在多方數據安全通信，實現了提高破解難度和安全性的技術效果。本發明無需昂貴通信代價，提供輕量級安全外包方案。

技術領域

本發明涉及數據安全和隱私保護領域，尤其涉及基于幺模矩陣加密的嶺回歸安全外包方法及系統。

背景技術

隨著機器學習理論技術不斷走向成熟，很多領域都取得了很好的應用成果，機器學習模型的可用性以及準確性與可用于訓練的數量成正比，訓練集越大使得模型的精確度越高。在大數據、云環境發展迅速的背景下，由于客戶端有限的資源，所以外包計算得到廣泛利用，客戶端將復雜繁瑣的計算外包給計算能力強大的云服務器上。但是這樣會出現利用外包也可能出現隱私問題，例如機器學習應用到推薦系統上，其訓練集包含用戶的個人喜好、身份信息、年齡、地理位置，在進行訓練的時候，這些信息可能存在泄露，用戶也不希望本身的一些敏感信息以及隱私泄露給攻擊者。

安全外包計算是作為一個重要的服務的風向標，資源受限的客戶端求解繁瑣復雜的問題的代價非常昂貴，對于資源有限的客戶端進行大規模的數據計算提供了一個高效且經濟的服務，因此客戶端需要將大量的計算的任務外包給云服務器，安全外包計算的最終目標是使客戶端計算成本最小化，并保持原始數據的機密性和完整性，對于得到的結果保證其正確性，故安全外包計算方法至少滿足以下要求：(1)輸入輸出隱私性：計算方法要保證云服務器得不到客戶端輸入的數據以及輸出結果。(2)可驗證性：方法必須保證客戶端收到來自云服務器的結果后，能夠驗證其正確與否(3)高效性：外包計算中客戶端的本地計算開銷應該遠遠小于對原始任務的計算開銷。

發明內容

為了解決上述的技術問題，本發明提供了一種基于幺模矩陣加密的嶺回歸安全外包方案。

本發明所采用的技術方案提供一種基于幺模矩陣加密的嶺回歸安全外包方法，設客戶端C需要將數據計算外包給云服務器端S，外包過程包括以下步驟，

步驟1，客戶端C進行初始化設置，包括初始化參數，構造置換矩陣和幺模矩陣，所述參數包括模數q和有限域F_q，所述置換矩陣包括P₁∈{0,1}^w1×w1,P₂∈{0,1}^w2×w2,P₃∈{0,1}^w3×w3，幺模矩陣記為U∈F_q^n×n，其中n,m代表嶺回歸數據集矩陣的維數，w1＝n,w2＝m,w3＝n；

步驟2，客戶端C向云服務端S發送保密消息，客戶端C響應計算請求，生成加密后的訓練集矩陣發送給云服務端S，所述加密后的訓練集矩陣包括嶺回歸數據集矩陣的轉置矩陣、嶺回歸數據集矩陣、嶺回歸系數矩陣和嶺回歸因變量分別經過置換矩陣和幺模矩陣兩次乘法計算所得結果，分別記為{X”}^n×m、{Y”}^n×m、{(λI)”}^n×n和{b”}^n×1；

步驟3，云服務端S計算{A”}^n×n＝{X”}^n×m{Y”}^m×n+{(λI)”}^n×n，計算方法和外包計算采用的嶺回歸公式相應，生成密文消息；

步驟4，客戶端C收到來自云服務器S的密文消息，進行驗證，并且利用相應置換矩陣以及幺模矩陣進行乘法計算，得出最后所需要的結果。

而且，步驟1的實現包括以下子步驟，