[发明专利]基于安全内积函数的多客户端人工智能分类方法及系统

说明书

本发明公开了一种基于安全内积函数的多客户端人工智能分类方法及系统，包括有多个客户端的实体AA、有神经网络分类器的云服务器BB和第三方实体CC。方法包括CC生成安全内积函数计算所需数据分发给AA和BB，AA对本地数据安全计算后发送给BB，BB和CC交互产生安全内积函数的聚合所需的数据，BB用AA发送的数据完成安全内积函数的聚合；BB把聚合结果输入神经网络分类器，得到预测的分类结果，并发送给AA这5个部分；本发明能在保护原始预测数据隐私安全时，使云服务器上的神经网络分类器能够在数据分布在多个计算能力有限的客户端时，有效提供预测分类的功能，减少客户端和服务器通信量，以及降低每个客户端的计算开销和时间成本。

技术领域

本发明属于安全内积函数人工智能分类技术领域，涉及一种基于安全内积函数的多客户端人工智能分类方法及系统；特别涉及一种针对数据多源分布且需要隐私保护的基于安全内积函数的远程人工智能分类方法及系统。

背景技术

人工智能在云计算环境下越来越重要，人们通常会在云服务器上部署一个已经训练好的人工智能分类器，远程传输预测样本给这个分类器，它就能输出一个预测的分类结果。然而当预测样本的数据分散在多个客户端时，就需要多个客户端共同提供数据才能形成一个完整的预测样本，供该分类器进行预测，否则就不能提供预测。但是考虑到每个客户端拥有的数据在很多时候都包含隐私高度敏感的信息，如果每个客户端把原始的数据直接上传到云服务器，不仅云服务器会直接获得这些隐私敏感的信息，攻击者也可以通过监听等手段获得这些隐私信息。因此，如何保护云计算环境下多客户端人工智能神经网络预测过程中的样本数据隐私是一个重要课题。

在云计算环境下的多客户端人工智能分类系统中，每个客户端的原始数据单独发送给云服务器，云服务器首先接收所有数据，进行聚合后输入预设的人工智能神经网络分类器进行预测，最终得到预测结果回传给每个客户端。显然在这种方式下，客户端的数据被直接发送给云服务器，云服务器聚合后拿到包含全部样本特征的预测样本，数据隐私完全暴露。如果攻击者窃听了客户端和服务器的传输信道或入侵了云服务器或者贿赂了云服务器的管理员，那么攻击者就获得了完整的明文样本。

目前也出现了一些解决上述问题的方法，例如基于同态加密算法的多客户端人工智能分类器，利用同态加密算法对多客户端的数据进行加密，上传到云服务器。云服务器接收加密后的数据，进行聚合形成一个包含全部特征的完整预测样本，再输入到人工智能神经网络的分类器进行预测，最后回传预测结果给所有客户端。

但是，现有的基于同态加密算法的方案需要客户端和服务器之间频繁的会话和数据传输，容易导致大量的通信开销。同时它还需要客户端进行多次计算，可能导致客户端承担大量的计算开销，然而很多客户端并不能支持大量的计算开销。因此，在本地客户端计算能力有限且保护预测数据隐私安全的前提下，如何使云服务器上部署的神经网络分类器能够在数据分散在多个客户端时有效提供预测分类结果的功能，同时如何减少客户端和服务器通信量，以及如何降低每个客户端的计算开销和时间成本，是一个值得研究的问题。

发明内容

为了解决上述技术问题，本发明将安全内积函数与人工智能神经网络分类模型巧妙的结合起来，提供了一种基于安全内积函数的多客户端人工智能分类方法及系统。

本发明的系统所采用的技术方案是：一种基于安全内积函数的多客户端人工智能分类方法，参与者包括拥有x个客户端的实体AA、部署了神经网络分类器的云服务器BB和第三方实体CC；

所述方法包括以下步骤：

步骤1：所述第三方实体CC生成安全内积函数计算所需数据并分发给所述实体AA和所述云服务器BB；

步骤2：所述实体AA对自己拥有的数据进行安全计算后把计算结果发送给所述云服务器BB；

步骤3：所述云服务器BB和所述第三方实体CC交互产生安全内积函数的聚合所需的数据；