[发明专利]一种去中心化的多服务器安全聚合系统和方法

说明书

一种去中心化的多服务器安全聚合系统和方法，该系统利用多服务器产生公共参数，并由多服务器共同维护的公告板系统进行数据的输出与下载收集，通过公钥加密和秘密共享保证数据的安全性，利用同态变色龙哈希实现聚合的验证，保证聚合的完整性，构建了不依赖于可信第三方、且无需客户端与多服务器之间建立安全信道的非交互式安全聚合模式。本系统中的系统架构简单易于实现，安全可验证，并进一步提高了通信效率。

技术领域

本发明涉及数据隐私保护领域，特别涉及一种联邦学习中的安全聚合方法。

背景技术

联邦学习是一种分布式机器学习框架，它允许客户端不直接上传私有的训练数据，而是上传模型参数来共同训练模型。这样可以在一定程度上可以保护了客户端原始数据的隐私，但已有研究表明，攻击者仍可以通过上传的模型梯度来反推出原始的训练数据。

为了保护客户端私有参数的安全性，目前已有研究提出安全聚合协议，也就是在联邦学习中，可以在不泄露单个客户端的私有参数的情况下，使服务器获得全局模型参数。另外，为了防止聚合结果被恶意篡改，可验证的安全聚合协议越来越引起来关注。其中，基于可信第三方的安全聚合系统是一种方向，但现实中可能会有一些场景，并不存在可信第三方；另外还有一种方向，就是基于客户端与每个服务器之间均建立安全信道的多服务器安全聚合，但在现实中客户端多为手机或者物联网设备，与多服务器之间的这种安全信道昂贵且难以实现(客户端设备)。

发明内容

本公开针对以上情况，提供一种去中心化的、且无需客户端与多服务器之间建立安全信道的安全聚合系统及方法，其能够在没有可信第三方和客户端与服务器之间安全信道的情况下，实现安全可验证的联邦学习聚合。

本公开提供的去中心化多服务器安全聚合系统，包括：客户端，服务器，以及由服务器共同进行维护的公告板系统，其中：

公告板，为各参与方的数据交互中介，所有参与方输出的数据均上传至公告板，并从公告板下载所需的数据；

客户端，用于生成同态变色龙随机数，计算自己私有输入的同态变色龙哈希值；并基于加法同态秘密共享，针对不同服务器分别生成自己私有输入和同态变色龙随机数的秘密共享份额，将二者经服务器的公钥加密生成密文，输出密文和所述同态变色龙哈希值；

服务器，用于与其他服务器共同参与生成同态变色龙哈希公共参数，并分发给所有参与方；生成自己的公私钥对并将公钥公开；对收集到的密文解密，将各客户端秘密共享份额进行秘密聚合，输出聚合结果；

该系统为公开可验证，任何一方均可利用公告板上公布的聚合结果和所述同态变色龙哈希公共参数及同态变色龙哈希值，对聚合结果进行秘密重构，并基于变色龙哈希函数的同态性对聚合结果进行验证。

进一步地，系统包括运行于所述客户端、服务器和可信第三方的密码组件，所述密码组件包括：

公钥加密模块，用于生成服务器的公私钥对，对客户端发送的消息进行加密，以及在服务器端进行解密；

加法同态秘密共享模块，用于基于加法同态秘密共享，客户端生成自己私有输入和同态变色龙随机数的秘密共享份额，并分发给服务器；在服务器端进行秘密聚合；以及对聚合结果进行秘密重构；

同态变色龙哈希模块，用于生成同态变色龙哈希公共参数和同态变色龙哈希值，以及基于变色龙哈希函数的同态性对聚合结果进行验证。

本公开还提供了对应上述系统的基于同态变色龙哈希的去中心化多服务器安全聚合方法，包括以下步骤：

公共参数生成：由多服务器共同生成同态变色龙哈希的公共参数，分发给所有参与方；

密钥生成：服务器生成自己的公私钥对，并公布公钥；