[发明专利]一种面向多方协同的贝叶斯分类器安全生成系统及方法

权利要求书

1.一种面向多方协同的贝叶斯分类器安全生成方法，其特征在于，所述面向多方协同的贝叶斯分类器安全生成方法包括以下步骤：

第一步，系统初始化，密钥分发中心选择数据处理过程中所需要的安全参数，生成Paillier加密系统和系统所需安全参数；将Paillier加密系统公钥进行拆分，为各数据中心生成分布式数据加密密钥；结合Paillier加密系统私钥和系统安全参数，为模型生成方生成聚合数据解密密钥；

第二步，本地训练数据加密，各数据中心对采集到的个体样本数据进行处理，生成本地训练数据；各数据中心使用分布式数据加密密钥对本地训练数据进行加密计算，并将加密之后的数据发送给模型生成方；

第三步，密文训练数据处理，模型生成方对收到的各密文训练数据进行聚合计算，生成密文全局训练数据，模型生成方使用聚合数据解密密钥对密文全局训练数据进行解密，获取贝叶斯分类器训练参数；

第四步，贝叶斯分类器训练，模型生成方利用获取的贝叶斯训练参数计算相应的条件概率与前验概率，生成贝叶斯分类器；

所述第一步具体包括：

1)密钥分发中心选择一个安全系数κ，该安全系数κ越大，则系统的安全性能越好，同时系统的计算开销也越大；

2)密钥分发中心通过执行Paillier加密系统的密钥生成函数Gen(κ)，得到Pailiier加密系统的公钥PK＝(N,g)以及私钥SK＝(λ,μ)；

3)密钥分发中心在中选取大素数p′以及随机数s，计算h＝g^p′mod N²；

4)密钥分发中心将N拆分为m个数(N₁,N₂,…N_m)，满足条件其中m为参与计算的数据中心的个数，之后针对每一个N_i，计算

5)密钥分发中心公开系统安全参数(N,g,h,κ)，将聚合数据解密密钥(λ,μ,p′)发送给模型生成方，分布式数据加密密钥发送给各数据中心。

2.如权利要求1所述的面向多方协同的贝叶斯分类器安全生成方法，其特征在于，所述第二步具体包括：

1)数据中心收集到的个体样本数据表示为两个向量以及其中为特征向量，表示该个体所具有的特征属性，为类别向量，代表该个体所属类别；则数据中心所收集到的样本数据表示为以及其中k＝1,2,…,l⁽ⁱ⁾，l⁽ⁱ⁾为该数据中心收集到的样本数量；

2)针对每一个样本数据，数据中心计算其中针对k＝1,2,…,l⁽ⁱ⁾，将向量和中每一维进行求和，得到以及并合成本地训练数据如下：

3)对任意的数据中心执行加密操作如下：

其中，r为在中选取的随机数，之后数据中得到加密的本地训练数据如下：

4)数据中心将数据将l⁽ⁱ⁾＞发送给模型生成方。

3.如权利要求1所述的面向多方协同的贝叶斯分类器安全生成方法，其特征在于，所述第三步具体包括：

1)模型生成方判断是否收到m个数据中心的密文本地训练数据，若接收到所有数据中心的数据，执行如下聚合运算：

其中，s＝1,2,…,u，t＝1,2,…,v，之后模型生成方得到密文全局训练数据如下：

2)对任意的对任意的模型生成方执行解密计算如下：

其中，模型生成方得到贝叶斯分类器训练参数；