[發明專利]基于高斯過程回歸的數據隱私保護方法及相關設備

在審

• 申請號: 202211288739.8
• 申請日: 2022-10-20
• 公開（公告）號: CN115758064A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 張葉紅;羅景龍;秦爽;張嘉琪;王暉;余躍;徐增林
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F17/16;G06F21/62
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 溫宏梅

本發明公開了基于高斯過程回歸的數據隱私保護方法及相關設備，包括：獲取訓練數據和測試數據；計算協方差矩陣，根據訓練數據進行高斯過程回歸的訓練；生成指數隨機數，通過秘密分享技術，根據指數隨機數在高斯整數環上進行指數計算；根據喬利斯基分解法將高斯過程回歸中的正定矩陣進行分解，通過秘密分享技術，在高斯整數環上對分解后的正定矩陣進行求逆，構建高斯過程回歸模型；根據高斯過程回歸模型對測試數據進行預測?？梢栽诓恍孤遁斎刖仃囯[私的前提下，提高指數運算的效率，實現安全求逆。

技術領域

本發明涉及數據處理技術領域，尤其涉及的是一種基于高斯過程回歸的數據隱私保護方法、裝置、智能終端及計算機存儲介質。

背景技術

高斯過程回歸(Gaussian process regression,GPR)被廣泛應用于不同領域，如疾病檢測、交通預測等，協助人們提高在該領域上的工作質量或效率。然而在實際應用中，尤其是在金融、醫療健康等重點應用領域，用于GPR模型構建或預測的數據往往被多方所持有，為了個人隱私保護等原因，數據擁有者需要在GPR模型構建和預測階段實現對多方數據隱私保護。

現有技術中，通常利用同態加密(Homomorphic Encryption,HE)算法加密預測數據，并通過服務器和用戶之間的交互計算，實現了GPR算法高效的隱私保護預測，但現有技術中通常采用多項式近似計算的方式，實現GPR中的非線性運算，如指數、除法等，進而導致其算法在保護數據隱私時效率低下。

因此，現有技術還有待改進和發展。

發明內容

本發明的主要目的在于提供一種基于高斯過程回歸的數據隱私保護方法、裝置、智能終端及計算機存儲介質，旨在解決現有技術中現有技術中通常采用多項式近似計算的方式，實現GPR中的非線性運算，如指數、除法等，進而導致其算法在保護數據隱私時效率低下的問題。

為了實現上述目的，本發明第一方面提供一種基于高斯過程回歸的數據隱私保護方法，所述基于高斯過程回歸的數據隱私保護方法包括：

獲取訓練數據和測試數據；

計算協方差矩陣，根據所述訓練數據進行高斯過程回歸的訓練；

生成指數隨機數，通過秘密分享技術，根據所述指數隨機數在高斯整數環上進行指數計算；

根據喬利斯基分解法將高斯過程回歸中的正定矩陣進行分解，通過秘密分享技術，在高斯整數環上對分解后的正定矩陣進行求逆，構建高斯過程回歸模型；

根據所述高斯過程回歸模型對所述測試數據進行預測。

可選的，所述生成指數隨機數，具體包括：

控制協助服務器從所述高斯整數環中產生指數隨機數，所述指數隨機數包括第一隨機數，第二隨機數，第三隨機數和第四隨機數，所述第一隨機數、第二隨機數，第三隨機數和第四隨機數滿足以下表達式：

([r]₀+[r]₁)modL＝r，

([e^r]₀+[e^r]₁)modL＝e^r，

其中，[r]₀表示第一隨機數，[r]₁表示第二隨機數，r表示對([r]₀+[r]₁)取L的模，[e^r]₀表示第三隨機數，[e^r]₁表示第四隨機數，e^r表示自然常數的r的次方，modL表示取模L運算；

控制協助服務器將所述第一隨機數和所述第三隨機數發送給第一計算服務器，將所述第二隨機數和所述第四隨機數發送給第二計算服務器。