[發明專利]一種安全高效的委托隱私數據類別預測的方法

在審

• 申請號: 202110752010.0
• 申請日: 2021-07-02
• 公開（公告）號: CN113343277A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 劉靜;張良峰
• 申請（專利權）人: 上海科技大學
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F21/62;G06F21/64;G06N20/00
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

本發明涉及一種安全高效的委托隱私數據類別預測的方法，利用給定的分類器在隱私數據上進行類別預測，獲得多個分類器在多份隱私數據上的類別預測結果Y，設多個分類器的模型參數組成矩陣F，委托者的多份隱私數據組成矩陣X，其特征在于，計算FX同時得到多個分類器在多份隱私數據上的類別預測結果，此時，矩陣F和矩陣X看作矩陣乘法運算中的函數和輸入。本發明提供了一個可以同時滿足數據隱私性、公開可驗證性和基于實驗的高效性的隱私數據類別預測的委托計算方法。當矩陣尺寸大于10000時，在實驗數據中可以觀察到委托者在委托計算之后的運行時間小于直接計算所需的時間。

技術領域

本發明涉及一種委托隱私數據類別預測的方法。

背景技術

機器學習分類器在實際生活中有廣泛的應用，例如醫學或基因組預測、垃圾郵件檢測、面部識別和財務計算等，這些應用中涉及大量隱私數據，需要在預測時進行保護。大部分的分類器(例如：感知器、支持向量機)的類別預測過程都可以大致看作矩陣乘法運算。因此該預測過程復雜度較高，對于計算資源有限的設備(例如物聯網客戶端)是沉重的計算負擔。委托計算作為一種新的計算模式解決了這個問題，它允許計算資源有限的設備將計算委托給資源豐富的設備(例如云服務器)。

委托計算在避免委托者參與復雜計算問題、提高計算效率的同時，也帶來了挑戰。委托計算面臨的主要挑戰有：委托者的隱私信息可能被惡意攻擊者獲知；被委托者可能為了減少工作量或與惡意攻擊者串通返回錯誤的計算結果；委托者在委托計算之后的運行時間可能大于直接計算所需的時間。設計一個可以應對所有挑戰的矩陣乘法委托計算方案具有重要的應用價值。

現有的隱私數據類別預測的委托方案無法同時應對所有挑戰，即提供以下重要特性：1)數據隱私性：在保護委托者隱私信息方面達到語義安全；2)公開可驗證性：驗證算法可以驗證委托計算結果的正確性，該算法可以被任意實體運行；3)基于實驗的高效性：從實驗數據中可以觀察到委托者在委托計算之后的運行時間小于直接計算所需的時間。

Mohassel通過使用現有的同態加密方案(例如Goldwasser-Micali加密方案)來保護數據隱私，并通過隨機算法來驗證委托計算結果的正確性。該方案提供了數據隱私性和公開可驗證性，但計算過程涉及大量模冪運算，沒有實現基于實驗的高效性。張等人提出了一種委托矩陣向量乘法的運算，該方案實現了公開可驗證性。在滿足數據隱私性時，通過理論分析發現，當矩陣尺寸非常大(大于250000)時，方案中委托者在委托計算之后的運行時間才小于直接計算所需的時間。該方案沒有實現基于實驗的高效性。

發明內容

本發明要解決的技術問題是：現有的隱私數據類別預測的委托方案無法同時提供數據隱私性、公開可驗證性和基于實驗的高效性。

為了解決上述技術問題，本發明的技術方案是提供了一種安全高效的委托隱私數據類別預測的方法，利用給定的分類器在隱私數據上進行類別預測，獲得多個分類器在多份隱私數據上的類別預測結果Y，設多個分類器的模型參數組成矩陣F，委托者的多份隱私數據組成矩陣X，其特征在于，計算FX同時得到多個分類器在多份隱私數據上的類別預測結果，此時，矩陣F和矩陣X看作矩陣乘法運算中的函數和輸入，包括以下步驟：

步驟1、選定安全參數λ，根據安全參數λ和函數集合委托者得到公鑰PK＝lhep，并將私鑰SK初始化為公共參數lhep＝(p,q,n,f(x),χ)由線性同態加密LHE的參數生成算法在輸入1^λ得到，其中，q是一個素數；是素數；f(x)＝xⁿ+1是環多項式；是一個分布在環標準差是r的離散高斯分布；

步驟2、根據公鑰PK、私鑰SK和函數委托者得到用于計算的密鑰EK_F＝F和用于驗證的密鑰VK_F＝F；

步驟3、根據公鑰PK、私鑰SK和輸入委托者得到輸入對應的密文用于驗證的密鑰VK_X和用于解密的密鑰DK_X；