申请/专利权人：中国海洋大学

申请日：2024-03-18

公开（公告）日：2024-06-04

公开（公告）号：CN117892843B

主分类号：H04L9/32

分类号：H04L9/32;G06F18/23213;G06F18/2415;G06F18/27;G06N5/04;G06F21/60

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及机器学习技术领域，具体涉及基于博弈论与密码学的机器学习数据遗忘方法，包括以下步骤：S1:获取训练集并构建及其学习系统；S2:学习系统初始化迭代；S3:构造必要函数，并根据必要函数构造判断博弈矩阵；S4:输入全部数据，利用SISA框架进行模型训练；S5:用户与机器博弈，分配自身博弈空间；S6:利用PKI加密自身博弈空间，完成信息类别遗忘保护；S7:提取机器遗忘学习成果。通过博弈论与密码学的机器学习技术对用户博弈空间进行加密，确保数据在存储和传输过程中的机密性和完整性。这种加密措施可以有效防止未经授权的访问和数据泄露，从而保护用户的隐私，同时提高了数据安全性、模型性能以及方法的可扩展性和灵活性。

主权项：1.基于博弈论与密码学的机器学习数据遗忘方法，其特征在于，包括以下步骤：S1:获取训练集并构建其学习系统；S2:学习系统初始化迭代；S3:构造必要函数，并根据必要函数构造判断博弈矩阵；根据机器学习迭代结果定义三个函数：关于模型的成本函数，关于数据的权重函数以及关于用户的收益函数，再利用线性回归将机器学习结果和对应用户拟合构造成本函数，通过成本函数再得到数据的权重函数；所述成本函数的计算公式为： ；其中为关于的指数，为回归系数，成本函数是以结果数组为因变量，数据集合为自变量拟合得到基本线性回归方程；成本函数有n个子函数，其计算公式如下： ；其中即为数据种类对于本成本函数的权重函数；所述根据必要函数构造判断博弈矩阵的具体步骤如下：S3.1:构造一个判断博弈矩阵；S3.2:再利用成本函数与收益函数得到的个数据集合填入矩阵；S3.3:定义矩阵中的元素为，根据构造的成本函数与收益函数计算的值：；是指关于数据集合的用户的收益函数；S3.4:根据纳什均衡奇数法则找到遗忘模型的最优解；S4:输入全部数据，利用SISA框架进行模型训练；S5:用户与机器博弈，分配自身博弈空间；所述具体操作步骤如下：S5.1：当用户不期望将数据保留给模型时，系统提供界面供用户选择期望删除数据选项；S5.2：系统基于博弈矩阵计算并推荐一个最优的数据删除种类集，用户决定是否接受此最优解；S5.3：如果用户选择接受系统推荐的最优解，则按照此最优解分配用户与系统的博弈空间，如果用户不接受最优解，系统将搜索博弈矩阵中所有包含用户指定要删除数据信息的部分，并从这些部分中再次计算并推荐一个次优的数据删除种类集给用户，用户再次决定是否接受，根据用户的最终选择，系统分配用户与系统的博弈空间；S5.4：如果用户在S5.3步骤中仍然不接受推荐的次优解，系统将继续搜索包含用户指定要删除的数据信息的所有部分，并基于这些部分为用户和模型双方计算出一个新的数据删除种类集，如果用户想要删除数据中的和这两种数据，系统将搜索包含和的所有数据集合，并基于这些集合计算出一个新的最优解，用户再次决定是否接受这个新的最优解，并据此分配博弈空间；S6:利用PKI加密自身博弈空间，完成信息类别遗忘保护；通过最优解计算出双方的博弈空间，用户博弈空间与及其模型博弈空间,由PKI（公开密钥基础设施）向博弈双方分发认证证书并且产生双方各自的密钥，分别在机器模型训练完成后对属于自身的博弈空间进行加密；S7:提取机器遗忘学习成果。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于博弈论与密码学的机器学习数据遗忘方法

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