- 专利标题: 基于同态加密和可信硬件的多方隐私保护机器学习方法
-
申请号: CN202111103182.1申请日: 2021-09-22
-
公开(公告)号: CN113553610B公开(公告)日: 2021-12-31
- 发明人: 蒋琳 , 刘成金 , 赵鑫 , 王轩 , 刘洋 , 廖清 , 漆舒汉 , 张加佳 , 吴宇琳 , 陈倩
- 申请人: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 申请人地址: 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区
- 专利权人: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 当前专利权人: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 当前专利权人地址: 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区
- 代理机构: 广州市华学知识产权代理有限公司
- 代理商 李斌
- 主分类号: G06F21/60
- IPC分类号: G06F21/60 ; G06N20/00 ; H04L9/00
摘要:
本发明公开了一种基于同态加密和可信硬件的多方隐私保护机器学习方法,包括:将私钥sk发送给各个数据方和可信硬件R;服务器S整合各个数据方上传的密文数据得到密文数据集;服务器S在密文数据集的基础上,将普通机器学习算法中的线性运算替换为同态加法和同态乘法,在密文状态下进行机器学习建模;服务器S在完成密文下的机器学习建模后,将加密的模型密文下发给各个数据方;各个数据方利用私钥解密模型密文,得到由各个数据方的数据D训练得到的模型。本发明利用全同态加密的性质、以及依靠可信硬件实现的模拟自举和执行激活函数功能,能够获得与对未加密数据进行机器学习训练的模型一致的准确率。
公开/授权文献
- CN113553610A 基于同态加密和可信硬件的多方隐私保护机器学习方法 公开/授权日:2021-10-26