[发明专利]一种基于数据打包的隐私保护决策树的样本分类方法

权利要求书

1.一种基于数据打包的隐私保护决策树的样本分类方法，其特征是应用于由n个参与方{P₁,P₂,...,P_i,...,P_n}，一个主服务器C，一个从服务器S以及BCP系统组成的网络环境中；其中，P_i表示第i个参与方；所述第i个参与方P_i的本地样本集记为T_i，则n个参与方的本地样本集记为T，1≤i≤n；所述第i个参与方P_i的本地样本集T_i拥有s个属性，记为{A_i,1,A_i,2,...,A_i,j,...,A_i,s}，其中，A_i,j表示本地样本集T_i的第j个属性；1≤j≤s；所述第j个属性A_i,j拥有t个可能的取值{a_i,j,1,a_i,j,2,...,a_i,j,y,...,a_i,j,t}；其中，a_i,j,y表示所述第j个属性A_i,j的第y个取值；1≤y≤t；所述第i个参与方P_i的本地样本集T_i拥有k个类标签，记为{c_i,1,c_i,2,...,c_i,x,...,c_i,k}，其中，c_i,x表示所述本地样本集T_i的第x个类标签；1≤x≤k；所述样本分类方法包括以下步骤：

步骤S1、初始化阶段：

所述从服务器S初始化BCP系统的设置阶段,并生成网络环境的公共参数PP,并将所述公共参数PP发送给所述主服务器C，所述主服务器C将公共参数PP发送给各个参与方，其中，所述第i个参与方P_i利用所述公共参数PP生成本地公私钥对(pk_i,sk_i)；

步骤S2、参与方发送加密数据阶段：

步骤S2.1、第i个参与方P_i统计属性为a_i,j,y的样本数|T_i(a_i,j,y)|，以及属性为a_i,j,y、类标签为c_i,x的样本数|T_i(a_i,j,y,c_i,x)|；从而统计第j个属性A_i,j的所有t个取值的样本数{|T_i(a_i,j,y)||y＝1,2,…,t}以及第j个属性A_i,j的t个取值分别与k个类标签的样本数{|T_i(a_i,j,y,c_i,x)||y＝1,2,…,t；x＝1,2,…,k}；进而得到所述本地样本集T_i的s个属性的所有t个取值的样本数{|T_i(a_i,j,y)||j＝1,2,…,s；y＝1,2,…,t}以及所述本地样本集T_i的s个属性的t个取值分别与k个类标签的样本数{|T_i(a_i,j,y,c_i,x)||j＝1,2,…,s；y＝1,2,…,t；x＝1,2,…,k}；

步骤S2.2、数据打包：

第i个参与方P_i将样本数|T_i(a_i,j,y)|和|T_i(a_i,j,y,c_i,x)|的位数均设置为N_B，令BCP系统的明文空间为N，将所述明文空间N按照N_B+L的位数均分为个样本数的存储空间，其中n为参与方总人数；

根据所述第i个参与方P_i的本地样本集T_i的s个属性对所述本地样本集T_i的s个属性的所有t个取值的样本数{|T_i(a_i,j,y)||j＝1,2,…,s；y＝1,2,…,t}以及所述本地样本集T_i的s个属性的t个取值分别与k个类标签的样本数{|T_i(a_i,j,y,c_i,x)||j＝1,2,…,s；y＝1,2,…,t；x＝1,2,…,k}进行分类，从而得到不同属性下的各个样本数，并将每个属性下的所有样本数进行数据打包，从而得到第i个参与方P_i打包后的数据m_i'；

步骤S2.3、第i个参与方P_i加密打包后的数据m_i'后得到密文(A_i,B_i)，并和步骤S1生成的公钥pk_i一起发送给主服务器C；

步骤S3、服务器处理加密数据阶段：

步骤S3.1、所述主服务器C收到公钥pk_i和密文(A_i,B_i)后，计算统一公钥

步骤S3.2、所述主服务器C与所述从服务器S合作,将所述密文(A_i,B_i)转换为统一公钥Prod.pk加密的密文(A′_i,B′_i)；

步骤S3.3、利用式(1)得到统一公钥Prod.pk加密后的结果

步骤S3.4、所述主服务器C得到结果后，与所述从服务器S合作,将统一公钥Prod.pk加密的结果转换为第i个参与方P_i的公钥pk_i加密的密文

步骤S3.5、所述主服务器C将转换后的密文发送给相应的第i个参与方P_i；

步骤S4、训练决策树并进行样本分类阶段：

步骤S4.1、第i个参与方P_i用自己的私钥sk_i解密密文并得到明文，第i个参与方P_i按每N_B+1位从明文中提取相应样本数，从而得到n个参与方的属性为a_i,j,y的样本数之和|T(a_j,y)|，以及n个参与方的属性为a_i,j,y、类标签为c_i,x的样本数之和|T(a_j,y,c_x)|；

步骤S4.2、第i个参与方P_i根据式(2)得到属性A_i,j的条件熵E(T|A_i,j)，并选择最小条件熵对应的属性作为当前根节点，从而由所述当前根节点的不同值建立决策树的分支；

式(2)中，|T|表示n个参与方的本地样本集T的总样本数；

步骤S4.3、第i个参与方P_i对当前树结点的各个分支对应的样本集递归调用步骤S2、S3、S4，从而建立决策树结点的分支，直到所有分支对应的样本集仅包含同一类别的样本数为止，最后得到一颗训练好的决策树模型，并用于样本分类。