【技术实现步骤摘要】
基于用户隐私保护的事件预测方法和装置
本文件涉及计算机
，尤其涉及一种基于用户隐私保护的事件预测方法和装置。
技术介绍
目前，可以在专门的事件预测平台部署机器学习模型，通过机器学习模型为用户进行事件结果预测。比如，事件为股票购买事件，用户通过用户终端向事件预测平台发送与股票购买事件相关的数据，事件预测平台将该数据输入至训练好的机器学习模型中，通过机器学习模型为用户预测购买股票的收益情况。事件预测平台还将预测结果返回至用户终端。其中，上述相关的数据可以包括股票名称、用户收入等与用户隐私相关的数据。由于上述相关的数据从用户终端传输至事件预测平台的过程中存在泄露风险，而且，预测结果从事件预测平台返回至用户终端的过程中也存在泄漏风险，从而泄漏用户隐私，因此有必要提供一种技术方案，以在用户通过事件预测平台进行事件预测的场景下，避免泄露用户隐私，提高用户隐私的安全性。
技术实现思路
本说明书一个实施例的目的是提供一种基于用户隐私保护的事件预测方法和装置，以在用户通过事件预测平台进行事件预测的场景下，避免...
【技术保护点】
1.一种基于用户隐私保护的事件预测方法，应用于目标用户的用户终端，包括：/n获取目标用户的与待预测事件相关的用户隐私数据，以及，获取事件预测平台基于同态加密算法预先为所述目标用户生成的加密密钥；其中，事件预测平台为不同用户生成的加密密钥具有唯一性；/n基于同态加密算法和所述加密密钥，对所述用户隐私数据进行加密，并将加密后的用户隐私数据发送至所述事件预测平台；/n接收所述事件预测平台通过机器学习模型对所述加密后的用户隐私数据进行处理后，返回的所述待预测事件的密文预测结果；/n基于同态加密算法生成解密密钥，利用所述解密密钥对所述密文预测结果进行解密，得到所述待预测事件的明文预测结果。/n
【技术特征摘要】
1.一种基于用户隐私保护的事件预测方法，应用于目标用户的用户终端，包括：
获取目标用户的与待预测事件相关的用户隐私数据，以及，获取事件预测平台基于同态加密算法预先为所述目标用户生成的加密密钥；其中，事件预测平台为不同用户生成的加密密钥具有唯一性；
基于同态加密算法和所述加密密钥，对所述用户隐私数据进行加密，并将加密后的用户隐私数据发送至所述事件预测平台；
接收所述事件预测平台通过机器学习模型对所述加密后的用户隐私数据进行处理后，返回的所述待预测事件的密文预测结果；
基于同态加密算法生成解密密钥，利用所述解密密钥对所述密文预测结果进行解密，得到所述待预测事件的明文预测结果。
2.根据权利要求1所述的方法，所述密文预测结果由所述事件预测平台通过加密后的机器学习模型对所述加密后的用户隐私数据进行处理得到；所述机器学习模型通过同态加密算法加密。
3.根据权利要求1所述的方法，基于同态加密算法和所述加密密钥，对所述用户隐私数据进行加密，包括：
利用预设的向量生成算法，将所述用户隐私数据转换为明文向量的形式；
基于同态加密算法和所述加密密钥，对所述明文向量进行加密。
4.根据权利要求3所述的方法，基于同态加密算法和所述加密密钥，对所述明文向量进行加密，包括：
根据所述明文向量的维度，随机生成第一矩阵和第二矩阵；所述第一矩阵和所述第二矩阵构成第一可逆矩阵对；
根据所述明文向量的维度，随机生成第三矩阵和第四矩阵；所述第三矩阵和所述第四矩阵不为可逆矩阵；
根据所述第一矩阵、所述加密密钥、所述第三矩阵和所述第四矩阵，对所述明文向量进行加密。
5.根据权利要求4所述的方法，基于同态加密算法生成解密密钥，包括：
基于同态加密算法和对所述用户隐私数据进行加密过程中生成的第一指定参数，生成解密密钥；其中，所述第一指定参数包括所述第一可逆矩阵对对应的单位矩阵、所述第二矩阵和所述第三矩阵。
6.根据权利要求1所述的方法，
在利用所述解密密钥对所述密文预测结果进行解密之前，还包括：
接收所述事件预测平台发送的同态加密算法中的特定参数；
利用所述解密密钥对所述密文预测结果进行解密，包括：
利用所述解密密钥和所述特定参数，对所述密文预测结果进行解密。
7.根据权利要求1-6任一项所述的方法，所述同态加密算法满足乘法同态性质；所述机器学习模型包括线性回归模型、逻辑回归模型、神经网络模型中的任意一种。
8.一种基于用户隐私保护的事件预测方法，应用于事件预测平台，包括：
基于同态加密算法为待进行事件预测的目标用户生成加密密钥，将所述加密密钥发送至所述目标用户的用户终端；其中，为不同用户生成的加密密钥具有唯一性；
获取所述用户终端发送的加密后的用户隐私数据；其中，所述加密后的用户隐私数据由所述用户终端基于同态加密算法和所述加密密钥，对所述目标用户的与待预测事件相关的用户隐私数据进行加密得到；
通过机器学习模型对所述加密后的用户隐私数据进行处理，得到所述待预测事件的密文预测结果，将所述密文预测结果发送至所述用户终端，以便于所述用户终端在基于同态加密算法生成解密密钥之后，利用所述解密密钥对所述密文预测结果进行解密，得到所述待预测事件的明文预测结果。
9.根据权利要求8所述的方法，
在通过机器学习模型对所述加密后的用户隐私数据进行处理之前，还包括：
利用同态加密算法对所述机器学习模型进行加密；
所述通过机器学习模型对所述加密后的用户隐私数据进行处理，包括：
通过加密后的机器学习模型对所述加密后的用户隐私数据进行处理。
10.根据权利要求9所述的方法，利用同态加密算法对所述机器学习模型进行加密，包括：
利用同态加密算法为所述机器学习模型生成加密私钥和加密公钥；
利用所述加密公钥对所述机器学习模型进行加密。
11.根据权利要求10所述的方法，基于同态加密算法为待进行事件预测的目标用户生成加密密钥，包括：
根据所述机器学习模型对应的模型向量的维度，为所述目标用户随机生成第五矩阵和第六矩阵；所述第五矩阵和所述第六矩阵构成第二可逆矩阵对；
根据所述第五矩阵和对所述机器学习模型进行加密过程中生成的第二指定参数，为所述目标用户生成加密密钥；其中，所述第二指定参数包括所述加密私钥。
12.根据权利要求11所述的方法，通过加密后的机器学习模型对所述加密后的用户隐私数据进行处理，包括：
获取为所述目标用户生成加密密钥过程中生成的第三指定参数；其中，所述第三指定参数包括所述第六矩阵；
根据所述第三指定参数和所述加密后的机器学习模型，对所述加密后的用户隐私数据进行处理。
13.根据权利要求8-12任一项所述的方法，所述同态加密算法满足乘法同态性质；所述机器学习模型包括线性回归模型、逻辑...
【专利技术属性】
技术研发人员：周启贤，张君涛，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33
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。