[發明專利]用戶與服務提供商決策樹隱私分類服務方法、系統及應用

有效

• 申請號: 202110264710.5
• 申請日: 2021-03-11
• 公開（公告）號: CN113127925B
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 馬立川;彭佳怡;裴慶祺;王磊
• 申請（專利權）人: 西安電子科技大學;西安鏈融科技有限公司;內蒙航天動力機械測試所
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06K9/62
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

本發明屬于數據隱私保護技術領域，公開了一種用戶與服務提供商決策樹隱私分類服務方法、系統及應用，所述用戶與決策樹隱私分類服務方法服務提供商通過已有數據庫訓練出決策樹分類模型，并利用該模型為用戶提供分類服務；參與用戶是半可信的，用戶向服務器提供用于分類的數據，經過計算后由服務器端返回分類結果。由于在決策樹分類模型混淆階段不存在服務提供商與用戶的交互，同時根據基于布爾共享的隱私比較以及1?out?of?n不經意傳輸協議的安全性，可以得出本發明能夠很好地抵制服務商變為“誠實好奇”惡意攻擊者的情形。同時當用戶變為“誠實好奇”惡意攻擊者時，本發明中所提出的隱私分類服務協議仍然是安全的。

技術領域

本發明屬于數據隱私保護技術領域，尤其涉及一種用戶與服務提供商決策樹隱私分類服務方法、系統及應用。

背景技術

目前：隨著信息化和網絡化進程的加快以及嵌入式設備的普及，物聯網(Internetof Things,IoT)技術已經成為學術界和工業界的研究熱點。作為聯接網絡空間和物理世界的“橋梁”，物聯網已經在智能醫療、智慧城市、無人駕駛等與民生息息相關的領域扮演了越來越重要的角色。數以億計的物聯網終端設備持續對其所處的環境狀態進行捕捉并源源不斷地產生諸如日志、聲音、視頻等多樣化的海量數據。然而，由于物聯網設備是計算、通信、存儲等資源受限的小型設備，其本身難以執行復雜的運算。為此，一般將物聯網終端產生的海量數據上傳到云計算中心，利用大數據分析技術對數據中蘊含的價值進行充分挖掘。在此背景下，便產生了“物聯網大數據”的概念。與此同時，能夠從多樣化數據中進行模式挖掘與特征提取的機器學習算法已經被成功地應用于語音視頻分析、自然語言處理、趨勢預測等領域，其已經構成了大數據分析技術的重要組成部分。其中，基于規則空間劃分的決策樹分類算法因其易于實現和高效性，已經成為機器學習中應用最為廣泛的分類算法之一。在物聯網大數據中，往往采用“機器學習即服務”的方式來對用戶提供分類服務，即云數據中心將來自于物聯網終端設備的海量數據進行匯聚并進行訓練得到最終的決策樹分類模型，然后通過該模型對外提供分類服務。

針對這種情況，一些技術在決策樹分類的過程中加入了隱私保護的考慮。然而，現有的幾種不同類型方案都存在各自的一些問題。如現有技術一將決策樹中根據每一個內部節點所定義的閾值對決策樹從根節點到葉子節點的路徑進行編碼，并將路徑的編碼與葉子節點所定義的類別建立映射，此時，可以將決策樹路徑選取問題轉化為以路徑編碼為關鍵詞的搜索問題。然而，該技術泄露了決策樹的整體結構，并且難以處理內部節點所定義的閾值為非整數的情況。現有技術二給出了包括決策樹模型在內的多種隱私分類方法，其采用了全同態加密方法，故給服務提供商和用戶帶來了巨大的計算負擔。現有技術三則是對上述方法進行了改進，其方案僅需要利用加法同態加密即可。其中，現有技術二和現有技術三的技術復雜度均取決于決策樹內部節點的數量，當決策樹規模變大時，便變得不實用。現有技術四則是引入安全多方計算框架，將混淆電路與不經意傳輸協議相結合，使得決策樹隱私分類服務的復雜度只與決策樹的深度相關。但在現有技術四中每次迭代的需要引入多個混淆電路的計算，故其實用性仍然受到限制。

通過上述分析，現有技術存在的問題及缺陷為：現有的決策樹隱私分類服務實現過程復雜，開銷較大，需要額外的第三方設備輔助，針對決策樹模型保護的問題沒有提出很好的解決辦法。

解決上述技術問題的難度：可搜索加密技術帶來的高計算復雜度問題，可以在基于安全多方計算的方案中得到降低，但仍存在一些問題帶來較高的計算開銷和網絡要求。

解決上述技術問題的意義：若能采用一種便捷的方法處理數據，完成決策樹隱私分類服務，達到數據加密同等的效果而不需要巨大的額外開銷，則能在保證網絡算力寬裕的前提下，同時保護決策樹分類模型參數及結構特征和用戶需要進行分類的特征數據。

發明內容

針對現有技術存在的問題，本發明提供了一種用戶與服務提供商決策樹隱私分類服務方法、系統及應用。