[发明专利]一种基于云计算大数据的双秘钥加密系统及方法

说明书

本发明是一种基于云计算大数据的双秘钥加密系统及方法，所述系统包括有：具有隐私保护的多方智能学习方案涉及的多方参与实体有密钥生成中心、云服务器以及群用户，其中，每一个用户收到由KGC配送的密钥对，并且将自己持的隐私数据进行加密，并将相应的密文存储在云服务器上。本发明具有两个加密及解密算法，通过公钥和私钥的结合，对用户传输的数据进行加密及解密，能实现无数次的加密同态的计算，能够实现用户数据传输的安全性和可靠性。

技术领域

本发明属于云计算大数据的技术领域，特别涉及一种基于云计算大数据的双秘钥加密系统及其算法。

背景技术

在云计算大数据环境中，由于本地存储资源和计算资源的有限性，以及出于对数据安全存储和数据安全计算的考虑，数据提供者通过将大规模计算问题外包给云服务提供者(Cloud Server Provider，CSP)以降低自身的计算、存储与维护开销，并改善用户操作的灵活性、性价比与服务质量。安全外包的首要目标是保护外包数据的隐私。隐私保护外包计算的一般化流程如图1所示。

一个或多个资源受限的数据源将各自产生或收集的数据加密后外包至不可信的第三方服务器，即CSP。由授权的数据使用者向CSP提出具体的计算请求。CSP执行相应的外包计算后返回计算结果，并由用户数据使用者进行解密。根据参与者拥有不同的数据，可以将数据上传/发布、数据存储、数据计算(机器学习)和数据使用这四个阶段，形成了大数据的生命周期。因此，在云计算大数据环境下，从自下而上的基础设施到云平台，再到应用层面，针对大数据的生命周期中各个阶段各个层次各组件可能存在的风险，给出涉及的安全与隐私保护技术，从而能达到相应的安全目标，如图2所示。

在图2中，有两种主要的隐私保护技术用于数据安全与应用安全。一种是安全多方计算一种就是同态加密计算。安全多方计算来源于A.Yao提出了“姚氏百万富翁问题”。N个参与者想要共同“安全地”计算某个给定具有N个输入和N个输出的函数,f(x₁，…，x_N)＝(y₁，…，y_N)，其中f的N个输入x₁，…x_N分别有N个参与者P₁，…，P_N分秘密地掌握而不被他们知道，在计算结束后，

P₁，…，P_N分别得到y₁，…，y_N。安全多方计算可用于多用户联合计算隐私保护的机器学习中的中间步骤(数据或是状态)。而同态加密这种技术实现对明文上执行指定的代数运算结果等同于在密文上的另一种代数运算结果，这种代数运算满足一定的同态性，即加法同态性性和乘法同态性。根据具有不同同态性质的加密机制，半同态密码机制(Semi-Homomorphic Encryption,Semi-HE)和全同态密码机制(Fully Homomorphic Encryption,FHE)。Semi-HE指的是只满足加法同态加密(Addition Homomorphic Encryption,AHE)的机制或是只满足乘法同态加密(Multiplication Homomorphic Encryption,MHE)的机制。Semi-HE在隐私保护的机器学习中有广泛的应用。

通常在利用安全多方计算时，安全协议智能运用在同一个公钥加密下的密文计算。这种情况下，密钥的安全性存在一定的安全隐患，虽然可以通过增加密钥算法的难度、硬件结构等相应的手段来进行处理，但是这都不是很好的处理方案，且都会带来大幅度的成本的提高。

发明内容

现有的双秘钥加密系统不具有智能学习计算，无法与云计算大数据相互配合，为解决上述问题，本发明的首要目的在于提供一种基于云计算大数据的双秘钥加密系统及方法，该双秘钥加密系统及方法是一类特殊的半同态加密方案，它具有两个加密及解密算法，能实现无数次的加密同态的计算，大幅度提高加密及解密的安全性和可靠性。