买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国电子科技集团公司第十五研究所

摘要：本发明公开了一种量子安全的外包机器学习方法及系统，所述方法包括：利用密钥生成算法分别为数据拥有者及数据使用者生成包括公钥及私钥的密钥对；数据拥有者对数据进行编码，使用加密算法对编码后的数据加密得到密文；数据拥有者确定机器学习的函数敏感度集合ΔF和隐私预算参数ε，并计算噪声向量ξ；CSPs基于噪声向量ξ计算拉普拉斯噪声分量将拉普拉斯噪声分量添加到所述密文中得到加噪密文；基于代理密钥对所述加噪密文进行重加密，生成加噪的重加密密文并发送给数据使用者；数据使用者解密，基于所述机器学习任务对应的算法对所述噪声数据进行分析，完成机器学习任务。本发明的方法，提升发布数据的可用性，有效抵抗量子计算攻击。

主权项：1.一种量子安全的外包机器学习方法，其特征在于，所述方法包括如下步骤：步骤S1：利用密钥生成算法KeyGen分别为数据拥有者及数据使用者生成包括公钥及私钥的密钥对；步骤S2：数据拥有者对数据进行编码，使用加密算法Enc对编码后的数据加密得到密文；基于数据拥有者的私钥和数据使用者的公钥生成代理密钥基于数据使用者的机器学习任务，所述数据拥有者确定所述机器学习的函数敏感度集合ΔF和隐私预算参数ε，并计算噪声向量ξ；步骤S3：所述数据拥有者将噪声向量ξ、密文和代理密钥发送给云服务提供方CSPs，CSPs基于噪声向量ξ计算拉普拉斯噪声分量将所述拉普拉斯噪声分量添加到所述密文中得到加噪密文；基于代理密钥对所述加噪密文进行重加密，生成加噪的重加密密文并发送给数据使用者；步骤S4：数据使用者对所述重加密密文解密，得到噪声数据，将所述噪声数据作为输入，基于所述机器学习任务对应的算法对所述噪声数据进行分析，完成机器学习任务；所述步骤S2，包括：步骤S21:数据拥有者对数据集data∈{0,1,…,n-1}进行二进制编码Encodedata，得到datam1＝data0,data1,…,datan-1，n＝1024；步骤S22：将编码后的数据data′和数据拥有者公钥作为加密算法Enc的输入，选择环元素服从上的离散高斯分布，计算密文其中其中，为随机环元素，s、e为服从上的离散高斯分布的环元素；步骤S23：构建代理密钥生成算法所述代理密钥生成算法基于数据拥有者私钥和数据使用者公钥得到代理密钥用于转换数据拥有者的密文为数据使用者的密文；选择环元素e0,i,e1,i,e2,i←χe，χe为环上的误差分布，e0,i,e1,i,e2,i←χe为根据误差分布χe进行随机采样；计算代理密钥其中，为代理密钥；步骤S24：基于数据使用者的机器学习任务，所述数据拥有者确定所述机器学习的函数敏感度集合ΔF和隐私预算ε，并计算噪声向量ξ；其中，函数敏感度和隐私预算是差分隐私参数，差分隐私通过在查询结果上加入噪声来实现对用户隐私信息的保护；函数敏感度Δf用于控制生成的噪声大小，datanum、datanum+1为相差一条数据记录的相邻数据集，由Δf组成的集合称为函数敏感度集合ΔF,0≤num≤R，R为数据集的数据记录数目；所述步骤S3，包括：步骤S31：所述数据拥有者将噪声向量ξ、密文和重加密密钥发送给云服务提供方CSPs，CSPs基于噪声向量ξ计算拉普拉斯噪声分量Lap·表示拉普拉斯分布，并对拉普拉斯噪声噪声分量N进行二进制展开，得到定义环元素r＝g0,g1,…gn-1,维数n＝1024；步骤S32：构建噪声添加算法将编码后的所述拉普拉斯噪声噪声分量N添加到所生成的到所述密文中，得到加噪密文并对进行二进制展开，得到其中，表示模数为2的剩余类环，q为模数；步骤S33：建立重加密算法由所述重加密算法对所述加噪密文重加密，得到重加密密文其中，为代理密钥，为随机环元素。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第十五研究所 一种量子安全的外包机器学习方法及系统