[發(fā)明專利]多方聯合的安全PCA投影方法及數據相關性分析方法

在審

• 申請?zhí)枺?/td>: 202210286826.3
• 申請日: 2022-03-22
• 公開（公告）號: CN114710259A
• 公開（公告）日: 2022-07-05
• 發(fā)明（設計）人: 夏佳志;張雷
• 申請（專利權）人: 中南大學
• 主分類號: H04L9/00
• 分類號: H04L9/00;H04L9/40;G06F21/60;G06F21/62;G06K9/62
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 周詠;米中業(yè)

本發(fā)明公開了一種多方聯合的安全PCA投影方法，包括第一協作方生成Paillier密鑰對并將公鑰發(fā)送給第二協作方和各數據擁有方；各數據擁有方加密自身的高維數據并發(fā)送第二協作方；第二協作方計算得到加密數據的協方差矩陣；第一協作方和第二協作方計算投影矩陣；第一協作方和第二協作方計算得到聯合投影結果并發(fā)送各數據擁有方，完成PCA安全多方投影。本發(fā)明還公開了一種包括所述多方聯合的安全PCA投影方法的數據相關性分析方法。本發(fā)明能夠在保護隱私的前提下保持投影效果，而且可靠性高、安全性好且投影效果較好。

技術領域

本發(fā)明屬于大數據處理領域，具體涉及一種多方聯合的安全PCA投影方法及數據相關性分析方法。

背景技術

隨著經濟技術的發(fā)展和人們生活水平的提高，大數據處理技術已經廣泛應用于人們的生產和生活當中，給人們的生產和生活帶來了無盡的便利。但是，隨著大數據的廣泛使用，其數據的安全性和隱私性問題也日益突出。

目前，各種數據通常分散在多個隱私保護的站點，這些獨立的數據擁有者想要在保護數據隱私的前提下，在全局范圍內全面了解自身數據。在可視化領域中，為了分析多方高維數據集，數據擁有者可以利用投影技術，例如t-SNE(t-Distributed StochasticNeighbor Embedding，t分布隨機鄰域嵌入)與UMAP(Uniform Manifold Approximationand Projection，一致的流形逼近和投影)，將所有數據點投影到共同的二維空間中。然而，現有的投影技術并沒有考慮數據的隱私安全，將數據集中計算和聯合投影時會直接導致隱私的泄露。

Saha等人提出了dSNE(decentralized data stochastic neighbor embedding，分散數據的隨機鄰域嵌入)，將t-SNE重構為隱私保護的聯合投影版本；但是，該方法需要數據參與方提供大量的共享數據，并且只能獲得近似的t-SNE結果。Liu等人基于同態(tài)加密和秘密共享提出了PPPCA(Privacy Preserving Principal Component Analysis，隱私保護的主成分分析)，將PCA(Principal Component Analysis，主成分分析)重構為隱私保護的聯合投影版本；但該技術只保證了提供者的本地數據不泄露，而暴露了中間數據，即全局數據的協方差矩陣；當某方獲得了協方差矩陣，就可以通過牛頓迭代法獲得隱私數據。因此，現有的隱私保護下的聯合投影方法仍然存在數據安全問題。

發(fā)明內容

本發(fā)明的目的之一在于提供一種可靠性高、安全性好且投影效果較好的多方聯合的安全PCA投影方法。

本發(fā)明的目的之二在于提供一種包括了所述多方聯合的安全PCA投影方法的數據相關性分析方法。

本發(fā)明提供的這種多方聯合的安全PCA投影方法，包括如下步驟：

S1.第一協作方生成Paillier密鑰對，并將Paillier密鑰對中的公鑰發(fā)送給第二協作方和各個數據擁有方；

S2.各個數據擁有方根據接收到的公鑰，對自身的高維數據進行加密，并將加密數據發(fā)送給第二協作方；

S3.第二協作方根據接收到的加密數據，計算得到加密數據的協方差矩陣；

S4.第一協作方和第二協作方基于步驟S3得到的加密數據的協方差矩陣，計算投影矩陣；

S5.第一協作方和第二協作方基于步驟S4得到的投影矩陣，計算得到聯合投影結果，并發(fā)送給各個數據擁有方，從而完成PCA安全多方投影。

步驟S1所述的第一協作方生成Paillier密鑰對，并將Paillier密鑰對中的公鑰發(fā)送給第二協作方和各個數據擁有方，具體為第一協作方S生成Paillier密鑰對(PK,SK)，并將Paillier密鑰對中的公鑰PK發(fā)送給第二協作方T和各個數據擁有方。