申请/专利权人：中国科学院重庆绿色智能技术研究院

申请日：2022-06-12

公开（公告）日：2024-05-24

公开（公告）号：CN115150055B

主分类号：H04L9/00

分类号：H04L9/00;H04L9/40;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.05.24#授权;2022.10.25#实质审查的生效;2022.10.04#公开

摘要：本发明为一种基于同态加密的隐私保护岭回归方法，属于信息安全领域。该方法包含以下步骤：S1：设定可验证解密方法相关参数并根据安全参数生成密钥；S2：设计密文向量安全求逆方法；S3：发送方和接收方分别利用预处理自己的数据集，并进行编码、加密，得到密文数据；S4：整合密文数据；S5：发送方设计改进共轭梯度法；S6：在接收方的协助下，发送方基于改进共轭梯度法，利用整合密文数据训练岭回归模型，得到模型参数的密文；S7：接收方对模型参数的密文解密后，解码得到模型参数，并将模型参数发送给发送方；S8：输入样本值，得到预测值。本发明能够解决在两个用户参与下训练岭回归模型的隐私泄露问题，具有效率高，通信代价低的优点。

主权项：1.一种基于同态加密的隐私保护岭回归方法，其特征在于，包含以下步骤：S1：接收方设置基于环上的容错学习RLWE问题的CKKS同态加密技术的参数，根据设定的安全参数生成公私钥对{sk，pk}，并将公钥pk公开给发送方；步骤S1所述的基于RLWE问题的CKKS同态加密的技术参数包含：安全参数为λ，扩张因子为p，最小密文模为Q0，初始密文模为Q，分圆多项式的维数为N：所述的安全参数为λ，根据预判敌手攻击次数2λ计算求得；所述的扩张因子p，是人为选取的2的整数幂；所述的最小密文模Q0，是人为选取的2的整数幂，满足Q0＞＞p；所述的初始密文模Q，满足logQ＝nlogp+logQ0，其中n是消耗的乘法层数；所述的分圆多项式的维数N，为人为选取的2的整数幂，满足其中P是人为选取的特殊模数，满足S2：设计密文向量安全求逆方法；S3：发送方和接收方分别利用预处理方法在本地对自己的数据集进行处理，并利用向量编码方法进行编码，然后利用公钥pk进行加密，得到密文数据；S4：在接收方的协助下，发送方将双方的密文数据利用密文向量安全求逆方法进行整合，得到整合密文数据；S5：发送方利用密文向量安全求逆方法设计改进共轭梯度法；S6：在接收方的协助下，发送方基于改进共轭梯度法，利用整合密文数据训练岭回归模型，得到模型参数的密文；S7：训练结束后，接收方利用私钥对模型参数的密文解密后，解码得到模型参数，并将模型参数发送给发送方；S8：双方独立使用训练好的岭回归模型，输入样本值，得到预测值；步骤S5密文域带除法延迟的改进共轭梯度法具体为：S501：发送方给定精度指标ε，设置最大迭代次数n，随机选取迭代初值β，用公钥pk加密得到ctβ，设置k＝0，计算初始残差ctp、ctr；S502：发送方计算k＝k+1，判断如果k等于1，跳转到S503，否则跳转到S504；S503：发送方设置初始下降方向ctp，计算步长，然后更新模型参数ctβ，同时计算新的残差ctr′，跳转到S502；S504：发送方计算新的下降方向ctp′；S505：发送方利用密文压缩方法，将两条需要求逆的密文压缩，然后双方利用密文向量安全求逆方法，得到对向量求逆后的密文；S506：发送方利用密文解压缩方法对求逆后的密文解压，然后计算新的步长，更新模型参数ctβ，再计算新的残差ctr′；S507：发送方将密文ctp、ctr发送给接收方；S508：接收方把密文ctp、ctr解密后重新加密，去除密文计算累积的噪声；接收方判断是否满足r′Tr′≤ε或者k≥n，如果不满足，接收方将ctp′和ctr′发送给发送方，并跳转到S502；S509：发送方将训练结果ctβ发送给接收方。

全文数据：

权利要求：

百度查询： 中国科学院重庆绿色智能技术研究院 一种基于同态加密的隐私保护岭回归方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD