[发明专利]基于NTRU同态加密的数据隐私保护深度学习方法有效
申请号: | 202010057521.6 | 申请日: | 2020-01-19 |
公开(公告)号: | CN111245610B | 公开(公告)日: | 2022-04-19 |
发明(设计)人: | 韩嵩;任思琪;孔梦娇;陈晓莉;徐云华;林建洪;徐菁 | 申请(专利权)人: | 浙江工商大学;浙江鹏信信息科技股份有限公司 |
主分类号: | H04L9/08 | 分类号: | H04L9/08;H04L9/32;G06N3/08 |
代理公司: | 杭州奥创知识产权代理有限公司 33272 | 代理人: | 王佳健 |
地址: | 310018 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 ntru 同态 加密 数据 隐私 保护 深度 学习方法 | ||
1.基于NTRU同态加密的数据隐私保护深度学习方法,其特征在于该方法包括以下步骤:
步骤1、数据存储中心运行密钥生成算法Keygen(1κ)产生公私钥对
其中h为生成的公钥,f为生成的私钥,q为素数,q=q(κ),κ为安全参数;f=2f'+1,且在Rq上存在逆元f-1,f'是简单多项式,g←χ;χ=χ(κ)是基于环上的误差分布,φ(x)∈Z[x]是次数为n=n(κ)的多项式,g为自于χ的取样;
步骤2、数据存储中心利用公钥pkx、pky、pkw分别加密收集到的用户数据x、对应数据的标签y以及初始化的权重向量w,并将这些加密数据上传到数据计算中心;
其中i表示第i个用户,j表示第j个属性,s、e都是自于χ的取样;
步骤3、数据计算中心在接收到上述加密数据之后根据错误程度进行权重向量的调整,直到权重向量不再发生变化为止
其中η∈(0,1]表示学习率;
步骤4、数据计算中心把最后一次更新的权重向量结果返回给数据存储中心,数据存储中心利用私钥fx、fy、fw分别对加密的权重向量解密,作为深度学习感知器的预测模型;
当有新的测试数据输入时,用预测模型预测加密测试数据的结果,从而保证了测试数据的隐私性。
2.根据权利要求1所述的基于NTRU同态加密的数据隐私保护深度学习方法,其特征在于:对于多层神经网络,用同一个公钥pkw分别加密输入层到第一隐藏层、第一隐藏层到第二隐藏层以及第二隐藏层到输出层之间的各个权重值,再在加密条件下利用反向传播算法进行权重值的更新。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工商大学;浙江鹏信信息科技股份有限公司,未经浙江工商大学;浙江鹏信信息科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010057521.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种自锁接头的安装方法
- 下一篇:空调控制方法、空调设备和存储介质