一种基于多用户数据的安全求均值方法技术

本发明专利技术提供了一种基于多用户数据的安全求均值方法，服务器通过基于多密钥全同态加密算法的公钥分别对预设数量目标用户的密文进行扩展，得到各目标用户对应的扩展密文；对所有的扩展密文进行累加后发送至各目标用户；当前目标用户获取预设数量目标用户分别对扩展密文进行解密后的明文数据；并基于预设数量对所有目标用户的明文数据求均值，得到均值数据；然后基于当前目标用户的公钥对均值数据进行同态加密，得到包含均值数据的密文，并发送至服务器。从而利用同态加密算法，通过服务器与多用户之间的交互，在未泄露明文数据信息的前提下，使得服务器得到了均值所对应的密文，在服务器侧既保证了用户隐私安全，又得到了多用户数据的均值密文。

【技术实现步骤摘要】
一种基于多用户数据的安全求均值方法
本专利技术涉及计算机网络应用
，具体涉及一种基于多用户数据的安全求均值方法。
技术介绍
机器学习的研究是从海量数据中获取隐藏的、有效的、可理解的知识，被广泛应用于人工智能、疾病诊断、基因测序、犯罪预测等领域。与此同时，机器学习给数据隐私保护带来了巨大挑战。如何限定第三方在对用户数据进行机器学习的同时不窥探用户数据隐私成为了热点研究课题。为了实现隐私保护的机器学习，最直接的方式是先加密数据再对数据密文进行机器学习。全同态加密就是这样一种密码技术，允许操作者直接在加密数据上进行运算，运算的结果正确解密后等同于在数据明文上进行同样的运算。由于求均值运算被广泛应用于机器学习的k－means聚类等算法中，因此，服务器端在获取大量用户数据求均值时，存在用户隐私泄露的隐患，而在全同态加密的情况下用户的隐私可以得到保障，但是由于全同态加密仅支持对密文的加法与乘法运算，服务器也无法得到多用户的数据均值对应的密文，因此，在服务器端如何在保护用户数据隐私安全的情况下得到多用户的数据均值，对基于隐私保护机器学习算法的研本文档来自技高网...

【技术保护点】
1.一种基于多用户数据的安全求均值方法，其特征在于，包括：/n基于多密钥全同态加密算法的公钥分别对预设数量目标用户的密文进行扩展，得到各目标用户对应的扩展密文，所述扩展密文的解密密钥为各目标用户对应的私钥；/n对所有的扩展密文进行累加后发送至各目标用户；/n接收第一目标用户反馈的包含均值数据的密文，所述均值数据对应的密文为所述第一目标用户基于用户明文数据求均值得到的，所述用户明文数据为各目标用户基于各目标用户对应的私钥对累加后的扩展密文解密得到的，所述第一目标用户为各目标用户中任意一个目标用户。/n

【技术特征摘要】
1.一种基于多用户数据的安全求均值方法，其特征在于，包括：
基于多密钥全同态加密算法的公钥分别对预设数量目标用户的密文进行扩展，得到各目标用户对应的扩展密文，所述扩展密文的解密密钥为各目标用户对应的私钥；
对所有的扩展密文进行累加后发送至各目标用户；
接收第一目标用户反馈的包含均值数据的密文，所述均值数据对应的密文为所述第一目标用户基于用户明文数据求均值得到的，所述用户明文数据为各目标用户基于各目标用户对应的私钥对累加后的扩展密文解密得到的，所述第一目标用户为各目标用户中任意一个目标用户。


2.根据权利要求1所述的方法，其特征在于，所述对所有的扩展密文进行累加后发送至各目标用户，包括：
获取随机扰动数据；
基于所述随机扰动数据，采用所述公钥对所述随机扰动数据进行同态加密得到所述随机扰动数据对应的第一密文；
分别将所述第一密文与各所述扩展密文进行累加，得到第一扩展密文；
对所有第一扩展密文进行累加后发送至各目标用户。


3.根据权利要求2所述的方法，其特征在于，所述接收第一目标用户反馈的包含均值数据的密文，包括：
获取所述第一目标用户对应的公钥；
基于所述公钥对所述随机扰动数据进行同态加密，得到所述随机扰动数据对应的第二密文；
对第一目标用户反馈的包含均值数据的密文和所述第二密文作差，得到所述均值数据对应的密文。


4.根据权利要求1所述的方法，其特征在于，在所述基于扩展公钥分别对预设数量的目标用户的密文进行扩展之前，所述方法还包括：
接收所述预设数量的目标用户发送的密文，所述密文为各目标用户采用其对应的公钥对各自用户数据进行同态加密后得到的。


5.一种基于多用户数据的安全求均值方法，其特征在于，包括：
接收服务器发送的扩展密文，所述扩展密文为所述服务器基于多密钥全同态加密...

【专利技术属性】
技术研发人员：张鹏，赵威，孙小强，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44