[发明专利]一种安全高效的委托隐私数据类别预测的方法

权利要求书

1.一种安全高效的委托隐私数据类别预测的方法，利用给定的分类器在隐私数据上进行类别预测，获得多个分类器在多份隐私数据上的类别预测结果Y，设多个分类器的模型参数组成矩阵F，委托者的多份隐私数据组成矩阵X，其特征在于，计算FX同时得到多个分类器在多份隐私数据上的类别预测结果，此时，矩阵F和矩阵X看作矩阵乘法运算中的函数和输入，包括以下步骤：

步骤1、选定安全参数λ，根据安全参数λ和函数集合表示m行d列矩阵组成的集合，其中集合中的元素来自群表示整数集合，委托者得到公钥PK＝lhep，并将私钥SK初始化为公共参数lhep＝(p，q，n，f(x)，χ)由线性同态加密LHE的参数生成算法在输入1^λ得到，其中，q是一个素数；是素数，为的乘法群；f(x)＝xⁿ+1是环多项式；n＝2^[logλ]-1；是一个分布在环标准差是r的离散高斯分布，表示系数在群的多项式；

步骤2、根据公钥PK、私钥SK和函数委托者得到用于计算的密钥EK_F＝F和用于验证的密钥VK_F＝F；

步骤3、根据公钥PK、私钥SK和输入委托者得到输入对应的密文用于验证的密钥VK_X和用于解密的密钥DK_X；

步骤4、根据用于计算的密钥和密文被委托者可以计算得到结果密文

步骤5、根据用于验证的密钥VK_X＝σ_X和结果密文委托者可以得到1，代表结果密文σ_Y是正确的，或者0，代表结果密文σ_Y是错误的；

步骤6、根据用于解密的密钥DK_X和结果密文委托者可以真正地计算结果Y＝FX。

2.如权利要求1所述的一种安全高效的委托隐私数据类别预测的方法，其特征在于，步骤3具体包括以下步骤：

步骤301、根据公钥PK＝lhep，由线性同态加密LHE的密钥生成算法得到加密密钥sk；

步骤302、将输入X的tn列分成t块X₁，X₂，...，X_t，每一块X_i含有n列，则输入X写作X＝[X₁… X_t]，每一个块是一个d×n的矩阵，i∈[t]；

步骤303、对于步骤302得到的每一个向量以sk作为加密密钥，执行线性同态加密LHE的加密算法得到密文进而每一个块被加密为输入X被加密为

步骤304、进行如下的赋值：VK_X＝σ_X，DK_X＝sk，其中，解密密钥DK_X为委托者私有。

3.如权利要求1所述的一种安全高效的委托隐私数据类别预测的方法，其特征在于，步骤5具体包括以下步骤：

步骤501、从集合均匀随机选取向量r；

步骤501、计算F(σ_xr)和σ_Yr，若F(σ_Xr)和σ_Yr相等，委托者得到1，若F(σ_Xr)和σ_Yr不相等，委托者得到0。

4.如权利要求1所述的一种安全高效的委托隐私数据类别预测的方法，其特征在于，步骤6具体包括以下步骤：

步骤601、将输入σ_Y的2tn列分成t块每一块含有2n列，则输入σ_Y写作每一个块是一个m×2n的矩阵，i∈[t]；

步骤601、对于每一个向量以加密密钥sk作为解密密钥，执行线性同态加密LHE的解密算法得到密文进而每一个块被解密为密文被解密为