[发明专利]一种量子安全的外包机器学习方法及系统

权利要求书

1.一种量子安全的外包机器学习方法，其特征在于，所述方法包括如下步骤：

步骤S1：利用密钥生成算法KeyGen分别为数据拥有者及数据使用者生成包括公钥及私钥的密钥对；

步骤S2：数据拥有者对数据进行编码，使用加密算法Enc对编码后的数据加密得到密文；基于数据拥有者的私钥和数据使用者的公钥生成代理密钥基于数据使用者的机器学习任务，所述数据拥有者确定所述机器学习的函数敏感度集合ΔF和隐私预算参数ε，并计算噪声向量ξ；

步骤S3：所述数据拥有者将噪声向量ξ、密文和代理密钥发送给云服务提供方CSPs，CSPs基于噪声向量ξ计算拉普拉斯噪声分量将所述拉普拉斯噪声分量添加到所述密文中得到加噪密文；基于代理密钥对所述加噪密文进行重加密，生成加噪的重加密密文并发送给数据使用者；

步骤S4：数据使用者对所述重加密密文解密，得到噪声数据，将所述噪声数据作为输入，基于所述机器学习任务对应的算法对所述噪声数据进行分析，完成机器学习任务。

2.如权利要求1所述的方法，其特征在于，所述步骤S1，包括：

从U_q和χ_e分别选取环元素a，s，e，其中，U_q、χ_e分别为环上的均匀分布和离散高斯分布，表示有限域Z_q上模不可约多项式f(x)得到的整数多项式环，f(x)＝xⁿ+1是m＝2n次多项式x^m-1的分圆多项式，x为多项式变元，Z_q[x]为模q的整系数，f(x)为由多项式xⁿ+1生成的主理想；选择安全参数n＝1024，模数q＝1073479681。

3.如权利要求2所述的方法，其特征在于，所述步骤S2，包括：

步骤S21:数据拥有者对数据集data∈{0,1,…,n-1}进行二进制编码Encode(data)，得到data_m1＝(data₀,data₁,…,data_n-1)，n＝1024；

步骤S22：将编码后的数据data′和数据拥有者公钥作为加密算法Enc的输入，选择环元素服从上的离散高斯分布，计算密文其中其中，为随机环元素，s、e为服从上的离散高斯分布的环元素；

步骤S23：构建代理密钥生成算法所述代理密钥生成算法基于数据拥有者私钥和数据使用者公钥得到代理密钥用于转换数据拥有者的密文为数据使用者的密文；选择环元素e_0,i,e_1,i,e_2,i←χ_e，χ_e为环上的误差分布，e_0,i,e_1,i,e_2,i←χ_e为根据误差分布χ_e进行随机采样；计算代理密钥其中，为代理密钥；

步骤S24：基于数据使用者的机器学习任务，所述数据拥有者确定所述机器学习的函数敏感度集合ΔF和隐私预算ε，并计算噪声向量ξ；其中，函数敏感度和隐私预算是差分隐私参数，差分隐私通过在查询结果上加入噪声来实现对用户隐私信息的保护；函数敏感度Δf用于控制生成的噪声大小，data_num、data_num+1为相差一条数据记录的相邻数据集，由Δf组成的集合称为函数敏感度集合ΔF,0≤num≤R，R为数据集的数据记录数目。