一种隐私保护下的广义线性回归方法技术

本发明专利技术公开了一种隐私保护下的广义线性回归方法，旨在解决现有技术中在计算外包时云端不可信的时候在加密下情况下实现广义线性回归效率效和精度低的问题，本申请中结合加密算法以及线性回归方法以及梯度下降法实现了数据集加密之后的广义线性回归，也就是实现了云端不可信的情况下，加密保护下依旧可以进行数据处理等，实现了真正的计算外包，实现了明文的计算与密文的计算的相互对应，克服了传统的梯度下降法在密文下迭代的准确率低和计算速度慢的技术难题；本申请适用于向量同态计算相关领域。

A generalized linear regression method under privacy protection

The invention discloses a method of generalized linear regression under the protection of privacy, aiming to solve the existing technology in the calculation of outsourcing when the cloud is not trusted in the encryption under circumstances of generalized linear regression efficiency and accuracy, this application combined with encryption algorithm and generalized linear after linear regression method and the gradient descent method implementation of data encryption in return, that is to realize the cloud was implausible, encryption can still be under the protection of data processing, the calculation of outsourcing truly, realizes the mutual corresponding calculation of the plaintext and ciphertext, the accuracy rate overcomes the traditional gradient descent method in the next iteration of the ciphertext is low slow computing speed and technical problems; this application applies to vector homomorphic calculation in related fields.

【技术实现步骤摘要】
一种隐私保护下的广义线性回归方法
本专利技术涉及向量同态计算相关领域，具体涉及一种隐私保护下的广义线性回归方法。
技术介绍
数据爆发式增长的今天，使用机器学习，数据挖掘技术实现数据的产值最大化并成为人们实际需求。但是由于计算资源及其有限，使得像谷歌、微软、IBM等国际IT巨头都在发展自己的云计算平台以供商用。但是云端的安全问题一直是云计算发展的瓶颈。美国8家互联网巨头联名反对美国政府监控项目再次将云计算的安全问题聚焦到人们的视野。但是仅仅从政策上来保护云端安全是远远不够的，也无法打消人们对云端安全问题的顾虑。2010年RobHall等人提出了一种隐私保护的线性回归。但是这种方法基于多方安全计算，没有真正实现计算外包。本专利技术针对云端安全问题以及人们对于大规模计算得需求，提出了一种基于同态加密的隐私保护的广义线性回归方法，该方法能够实现广义线性的训练与预测。同态加密方案的具体细节，参考文献：[1]HongchaoZhou,GregoryWornell.“EfficientHomomorphicEncryptiononIntegerVectorsandItsApplications.”本文档来自技高网...

【技术保护点】
一种隐私保护下的广义线性回归方法,其特征在于，包括以下步骤：步骤1：利用可微函数g对目标数据集D变换得到广义线性回归数据集D1；步骤2：使用同态加密方案对广义线性回归数据集D1加密得到加密数据集D′；步骤3：定义密文参数向量θ′，根据密文参数向量θ′定义加密数据集D′的预测值与真实值之间的差值获得损失函数J(θ′)，设定损失阈值β，并获得出迭代更新模型，若J(θ′i)‑J(θ′i‑1)<β,则停止迭代，获得此时的密文参数向量θ′；步骤4：根据密文参数向量θ′获得明文参数向量θ，实现隐私保护下的目标数据集D广义线性回归与明文的目标数据集D广义线性回归误差最小化。

【技术特征摘要】
1.一种隐私保护下的广义线性回归方法,其特征在于，包括以下步骤：步骤1：利用可微函数g对目标数据集D变换得到广义线性回归数据集D1；步骤2：使用同态加密方案对广义线性回归数据集D1加密得到加密数据集D′；步骤3：定义密文参数向量θ′，根据密文参数向量θ′定义加密数据集D′的预测值与真实值之间的差值获得损失函数J(θ′)，设定损失阈值β，并获得出迭代更新模型，若J(θ′i)-J(θ′i-1)&lt;β,则停止迭代，获得此时的密文参数向量θ′；步骤4：根据密文参数向量θ′获得明文参数向量θ，实现隐私保护下的目标数据集D广义线性回归与明文的目标数据集D广义线性回归误差最小化。2.如权利要求1所述的一种隐私保护下的广义线性回归方法,其特征在于，所述步骤1的具体步骤为：目标数据集为D＝[(x1,y1),(x2,y2),…,(xn,yn)]，选择可逆可导函数g，定义zi＝g(yi),根据zi＝g(yi)对目标数据集D变换得到广义线性回归数据集D1，其中广义线性回归数据集D1为D1＝[((x1,z1),(x2,z2),…,(xn,zn)]。3.如权利要求2所述的一种隐私保护下的广义线性回归方法...

【专利技术属性】
技术研发人员：杨浩淼，何伟超，黄云帆，梁绍鹏，师兆森，鲁冰儿，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51