[发明专利]基于全同态加密的隐私保护关联规则挖掘方法

说明书

本发明公开了一种基于全同态加密的隐私保护关联规则挖掘方法。其方案是：1)设置参数；2)数据拥有者上传原始数据，挖掘者上传挖掘事务；3)两个云服务器计算内积值密文向量和查询支持度密文；4)两个云服务器计算支持度比较结果密文；5)挖掘者和两个云服务器合作，将支持度比较结果明文传输给挖掘者；6)两个云服务器对子查询密文向量重复执行4)，得到子支持度密文向量；7)两个云服务器计算置信度结果密文向量；8)挖掘者和两个云服务器对置信度结果密文向量中每一个分量重复执行6)；9)挖掘者得到结果。本发明降低了云服务器的解密能力，提高了安全性且降低了通信量，可用于商场的购物篮分析、云平台服务推送、身体分析场景。

技术领域

本发明属于计算机技术领域，涉及一种隐私保护关联规则挖掘方法，可应用于商场的购物篮分析、云平台服务推送、身体健康分析场景。

背景技术

云计算的计算能力将成为一种新的能源，因为它具有支持大量数据存储分析和处理大量数据的出色能力。数据挖掘是云计算的一个重要应用场景，关联规则挖掘是数据挖掘中一个非常重要的技术。低门槛云服务访问可以节省大量数据收集成本，云数据库收集大量数据可以显着提高挖掘结果的准确性和有效性。然而，这样将不可避免地收集到用户的大量敏感信息，并且这些敏感信息的泄露将损害用户的隐私权益。因此，在关联规则挖掘过程中使用隐私保护技术是非常有必要的。全同态加密是一种安全性很高的隐私保护加密技术，它允许在不解密密文的情况下对明文进行计算。使用全同态加密技术会产生较大的计算量，所以这一技术的实现要将计算外包给云服务器等第三方平台。然而，由于云计算的用户数量庞大，在关联规则挖掘过程中会产生大量的通信量，所以降低挖掘过程中产生的通信量是势在必行的。

Lin Liu和Jinshu Su等人在论文“Privacy-Preserving Mining of AssociationRule on Outsourced Cloud Data from Multiple Parties”(Australasian Conferenceon Information SecurityPrivacy.2018.)提出了一种安全性很高的隐私保护关联规则挖掘方法。该方法使用了一种具有双解密机制的同态加密系统，在系统初始化时定义了系统模型包括密钥生成中心、第一云服务器C_A、第二云服务器C_B、数据拥有者和数据挖掘者。数据拥有者用自己的公钥加密数据并上传到C_A的云数据库存储。C_A负责存储加密数据和提供主要计算。C_B掌握有解密密码系统中任何密文的主密钥，负责提供C_A无法实现的计算操作。挖掘者加密查询数据上传给C_A请求服务，C_A和C_B联合执行安全计算协议得到关联规则挖掘结果。然后将结果加密后安全的传送给数据挖掘者。该方法的不足之处在于系统模型中C_B掌握的解密能力过于强大，严重威胁了数据拥有者和数据挖掘者的隐私，而且采用的密码系统和安全计算协议会导致云服务器之间的通信量很大，降低了效率。

发明内容

本发明的目的在于提出一种基于全同态加密的隐私保护关联规则挖掘方法，旨在解决上述系统模型中存在的云服务器解密权限过高的问题，同时降低通信量，提高效率。

本发明的技术思路是：将Paillier密码系统中的私钥基于乘法分成两部分，将这两部分私钥分别传输给两个云服务器C_A和C_B，以降低云服务器解密权限；通过统一加密公钥和缩短密文长度，降低云服务器之间通信交互的次数和单次通信交互的通信量，实现安全、高效的隐私保护关联规则挖掘。

根据上述技术思路，实现本发明目的采取的技术方案包括如下步骤：

(1)系统初始化：

(1a)密钥生成中心根据Paillier全同态加密方法，生成系统参数，整数N和预私钥λ；