本发明专利技术公开了一种基于SVM分类器的隐私保护和数据安全访问的方法，该方法不仅能够实现SVM分类器中涉及到的隐私保护，而且还可以实现安全地向外发布SVM分类器，该方法具有较高的安全性,并且可以保护SVM分类器的隐私。该方法能够广泛应用于，与SVM分类器隐私保护并且要求安全的发布SVM分类器参数的相关的很多应用场景。
【技术实现步骤摘要】
基于SVM分类器的隐私保护和数据安全访问的方法
本专利技术涉及信息技术安全领域，特别是涉及一种基于SVM分类器的隐私保护和数 据安全访问的方法。
技术介绍
目前，数据挖掘的一个主要的任务就是，分类，分类算法从已知标签的训练数据集 上学习得到，一个分类模型，即分类器，对以后的未知标签的数据，进行分类，在现如今，数 据挖掘已经被视为是对个人敏感信息的一个威胁，这个隐私问题，已经使人们开始研究数 据挖掘领域的隐私保护问题，不同的分类算法，有不同的隐私保护方案，SVM是目前分类算 法中，一个使用最广泛的分类算法，在SVM隐私保护方面，已经有很多的工作了，然而，目前 SVM的隐私保护问题，有一个问题，还没有被重视，SVM学习得到的分类器中，包含训练数据 的完整实例，从本质上来说，对于一些法律和商业隐私保护的角度来说，SVM的分类模型会 破坏隐私问题，当向外公布分类器时，会显示训练数据集中的个人敏感数据，比如说，HIPAA 法律要求，医疗数据在没有合适的匿名化之前，是禁止对外发布的，因此，在没有隐私保护 的情况下，这就限制了 SVM学习得到的分类器，对外发布的局限性。 假定一个医院或者医疗机构，已经收集了大量的医疗记录数据，该机构，希望利用 这些收集的数据来学习得到一个SVM分类器，使用该SVM分类器，可以预测一个病人是否得 了这个病，由于在训练得到的分类器中包含一些医疗记录数据，如果发布这个分类器，会泄 漏一些病人的敏感数据，虽然，每条记录的标识符字段已经被移除，但是每条记录的实体身 份也可能从准标识符识别出来，比如说，性别，血型，年龄，出生日期和邮政编码，通过这个 例子，主要是说明，如果对外发布训练得到的SVM分类器，会泄漏原始训练数据集中的一些 数据，会涉及到隐私保护问题。 在2011年，Keng-Pei Lin等人提出了一个新的SVM近似算法，提出的新的近似算 法，会对预先训练出来的SVM分类器，之后再对预先得到的SVM分类器进行处理，以此来保 护支持向量的隐私内容，使用近似的方法，得到的SVM分类器，可以在不泄漏支持向量隐私 的情况下，发布SVM，而且这个近似的SVM分类器，和原来的SVM分类器有相近的分类精确 度。 通过保护分类器中的隐私内容，即支持向量，结果得到的保护隐私的分类器，可以 在不泄漏隐私的情况下，对外公布。 具有隐私保护的SVM分类器具有很多的应用场景，可以有广泛的应用，但是，随之 而来的就是，安全地对外即客户请求方，发布服务器方训练得到的具有隐私保护的SVM分 类器。 假定，现在有一个服务的提供方即服务器B，和一个服务的请求方，即客户方A，客 户方A和服务器方B，需要进行通信，服务器方B，首先利用自己的资源，通过训练得到具有 隐私保护的SVM分类器，客户方A，可以向服务器方B，请求服务器方训练得到的具有隐私保 护的SVM分类器。 在一个开放式和分布式的环境下，A和B要进行通信，认证和机密性，就成为需要 考虑的两个主要的问题，基于认证的密钥协商协议是构建安全网络环境的基础，通过认证 密钥协商协议，在通信系统中为通信的参与者提供身份认证，为身份已经确认的参与方之 间建立共享密钥，用来加密传递的消息。 另外，如何保证通信过程中机密信息不泄漏，鉴别信息来源的真实性，确保信息的 完整性和不可抵赖性，就是网络信息安全研究需要研究的问题，网络安全的目标应当满足 ： 身份真实性、信息机密性、信息完整性、服务可用性、不可否认性、系统可控性、系统易用性、 可审查性等等，数字签名技术技术是网络安全的重要手段之一，它可以保证信息完整性、鉴 别发送者的身份真实性和不可否认性。 数字签名的特性包括：身份鉴别，可以鉴别心愿的真实性而防止冒充；不可抵赖 性，信源时候不可否认以防止其抵赖；数据完整性保护，低于数据的篡改或重排；一般还使 用加密技术保护信息机密性，以防止截听攻击等等。 作为网络安全的关键技术之一，数字签名在社会生活的各个领域也都有十分广阔 的应用前景。
技术实现思路
本专利技术主要解决的技术问题是提供一种基于SVM分类器的隐私保护和数据安全 访问的方法，不仅使得SVM分类器具有保护隐私即支持向量的目的，而且还使得在对客户 请求方发布具有隐私保护的SVM分类器时，安全的进行传送SVM模型参数。本文档来自技高网...
【技术保护点】
一种基于SVM分类器的隐私保护和数据安全访问的方法，即服务请求方A向服务提供方B请求得到服务提供方B训练的具有隐私保护的SVM分类器，其特征在于，具体步骤包括：一.密钥协商：A.建立阶段，即在服务提供方B的PKG文件中生成系统的参数和它自己公私钥对：设置p=G,G为素数集合；利用双线性映射获得；在PKG文件中随机的选取两个生成器g和h，且；在PKG文件中设置主人私钥为；设置哈希函数；设置服务请求方A和服务提供方B之间的共享会话密钥为，并设置；设置PKG的公钥是，其中，，；B.密钥生成阶段，即在服务提供方B的PKG文件中为服务请求方A生成密钥：设置服务请求方A的用户名为，用户身份为；在PKG文件中随机生成一个，并且输出一个私钥为其中；面向服务请求方A时，设置，面向服务提供方B时，设置；C.密钥协商阶段，即服务请求方A和服务提供方B，通过隐式的密钥认证，建立一个共享的共享会话密钥，其步骤包括：1.1）设置服务请求方A的用户身份为，设置服务提供方B的用户身份为，服务请求方A选择一个并且计算，然后把发送给服务提供方B；1.2） 服务提供方B选择一个并且计算，然后把发送给服务请求方A； 1.3） 服务请求方A计算下面式子： 1.4） 服务提供方B计算下面式子： 由1.3和1.4中的步骤可知：（1） （2）且式子（1）和式子（2）是相等的，所以得到：即得到服务请求方A和服务提供方B之间的共享会话密钥；二.训练得到具有隐私保护的SVM分类器，即服务提供方B利用训练数据集，训练得到一个初始的SVM分类器，然后再对这个分类器进行变换，得到一个具有隐私保护的SVM分类器： 2.1） 服务提供方B首先利用自己的训练数据集，通过训练得到一个初始的SVM分类器，所述初始的SVM分类器是基于高斯核函数的，它的决策函数的形式为：（1），其中，，核参数，，偏差变量，为任意有理数，为支持向量，是相应的标签，为与支持向量对应的支持变量，表示训练数据集中包含的支持向量的个数,,,，是成本参数，且；2.2）设置高斯核函数，其中，且根据高斯核函数和决策函数（1），得到；将决策函数（1）等价的变换为：（2）2.3）根据式子（2），将变形为：，其中，，并将决策函数（1）变形为：（3）；2.4）在决策函数（3）中，得到的无穷级数的表示形式：（4）；通过的无穷级数，得到，并将决策函数（3）中的变形为:(5)使得支持向量仅仅出现在式子里；2.5）通过采用单项式特征映射，设置式子（5）中的，其中，表示阶的单项式映射，并将式子（5）变形为：（6）2.6）在（6）式中，设置（7），在每一个中，所有的特征向量被映射到了一个d阶的单项式特征空间；设置（7），将式子（6）和（7）式子代入到式子（5）中，将式子（5）变形为：（8）； 再将式子（8）式代入到决策函数（3）中，将决策函数（3）变形为：（9），即得到具有隐私保护的SVM分类器；三.加密，即利用密钥协商中得到的共享会话密钥、对称加密算法和AES加密算法，对步骤二得到的具有隐私保护的SVM分类器中的参数、、和进行加密，得到密文；四.生成数字签名,即服务提供方B对包含参数、、和的明文，生成相应的数字签名；五.发送至客户请求方，即服务提供方B将步骤三中得到的密文和步骤四中得到的明文的数字签名，一起发送给服务请求方A；六.解密，即服务请求方A接收服务提供方B发送来的密文和数字签名，验证数字签名的正确性；当数字签名正确时，获取步骤一中得到的密钥，然后对密文进行解密得到明文。...
【技术特征摘要】
【专利技术属性】
技术研发人员：黄刘生，怀梦迪，胡杰，杨威，
申请(专利权)人：中国科学技术大学苏州研究院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。