基于高斯过程回归的数据隐私保护方法及相关设备技术

本发明专利技术公开了基于高斯过程回归的数据隐私保护方法及相关设备，包括：获取训练数据和测试数据；计算协方差矩阵，根据训练数据进行高斯过程回归的训练；生成指数随机数，通过秘密分享技术，根据指数随机数在高斯整数环上进行指数计算；根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，构建高斯过程回归模型；根据高斯过程回归模型对测试数据进行预测。可以在不泄露输入矩阵隐私的前提下，提高指数运算的效率，实现安全求逆。逆。逆。

【技术实现步骤摘要】
基于高斯过程回归的数据隐私保护方法及相关设备


[0001]本专利技术涉及数据处理
，尤其涉及的是一种基于高斯过程回归的数据隐私保护方法、装置、智能终端及计算机存储介质。

技术介绍

[0002]高斯过程回归(Gaussian process regression,GPR)被广泛应用于不同领域，如疾病检测、交通预测等，协助人们提高在该领域上的工作质量或效率。然而在实际应用中，尤其是在金融、医疗健康等重点应用领域，用于GPR模型构建或预测的数据往往被多方所持有，为了个人隐私保护等原因，数据拥有者需要在GPR模型构建和预测阶段实现对多方数据隐私保护。
[0003]现有技术中，通常利用同态加密(Homomorphic Encryption,HE)算法加密预测数据，并通过服务器和用户之间的交互计算，实现了GPR算法高效的隐私保护预测，但现有技术中通常采用多项式近似计算的方式，实现GPR中的非线性运算，如指数、除法等，进而导致其算法在保护数据隐私时效率低下。
[0004]因此，现有技术还有待改进和发展。

技术实现思路

[0005]本专利技术的主要目的在于提供一种基于高斯过程回归的数据隐私保护方法、装置、智能终端及计算机存储介质，旨在解决现有技术中现有技术中通常采用多项式近似计算的方式，实现GPR中的非线性运算，如指数、除法等，进而导致其算法在保护数据隐私时效率低下的问题。
[0006]为了实现上述目的，本专利技术第一方面提供一种基于高斯过程回归的数据隐私保护方法，所述基于高斯过程回归的数据隐私保护方法包括：
[0007]获取训练数据和测试数据；
[0008]计算协方差矩阵，根据所述训练数据进行高斯过程回归的训练；
[0009]生成指数随机数，通过秘密分享技术，根据所述指数随机数在高斯整数环上进行指数计算；
[0010]根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，构建高斯过程回归模型；
[0011]根据所述高斯过程回归模型对所述测试数据进行预测。
[0012]可选的，所述生成指数随机数，具体包括：
[0013]控制协助服务器从所述高斯整数环中产生指数随机数，所述指数随机数包括第一随机数，第二随机数，第三随机数和第四随机数，所述第一随机数、第二随机数，第三随机数和第四随机数满足以下表达式：
[0014]([r]0+[r]1)modL＝r，
[0015]([e
r
]0+[e
r
]1)modL＝e
r
，
[0016]其中，[r]0表示第一随机数，[r]1表示第二随机数，r表示对([r]0+[r]1)取L的模，[e
r
]0表示第三随机数，[e
r
]1表示第四随机数，e
r
表示自然常数的r的次方，modL表示取模L运算；
[0017]控制协助服务器将所述第一随机数和所述第三随机数发送给第一计算服务器，将所述第二随机数和所述第四随机数发送给第二计算服务器。
[0018]可选的，所述通过秘密分享技术，根据所述随机数在高斯整数环上进行指数计算，具体包括：
[0019]通过秘密分享技术将输入数据拆分成第一输入数据和第二输入数据；
[0020]控制所述第一计算服务器输入所述第一输入数据，控制所述第二计算服务器输入所述第二输入数据。
[0021]可选的，所述通过秘密分享技术，根据所述随机数在高斯整数环上进行指数计算，具体还包括：
[0022]控制所述第一计算服务器计算第一输入数据和第一随机数的第一差值，并将所述第一差值发送给第二计算服务器；
[0023]控制所述第二计算服务器计算第二输入数据和第二随机数的第二差值，并将所述第二差值发送给第一计算服务器；
[0024]根据所述第一差值和所述第二差值计算出第三差值；
[0025]控制所述第一计算服务器根据所述第三差值和所述第三随机数计算出第一输出数据并输出；
[0026]控制所述第二计算服务器根据所述第三差值和所述第四随机数计算出第二输出数据并输出。
[0027]可选的，所述根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，具体包括：
[0028]根据第一表达式将高斯过程回归中的正定矩阵进行分解，所述第一表达式为：
[0029]U＝LDL
T
，
[0030]其中，U＝(u
h,k
),h,k＝1,2,...,n，表示对称正定矩阵；u
h,k
表示矩阵U的元素，h和k表示元素的下标，L＝(l
h,k
),h,k＝1,2,...,n，表示单位下三角矩阵，l
h,k
表示矩阵L的元素，D＝(d
k
),k＝1,2,...,n，表示对角矩阵，d
k
表示矩阵D的元素。
[0031]可选的，所述通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，具体包括：
[0032]通过秘密分享技术将输入正定矩阵拆分成第一正定矩阵和第二正定矩阵；
[0033]控制所述第一计算服务器输入所述第一正定矩阵，控制所述第二计算服务器输入所述第二正定矩阵。
[0034]可选的，所述通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，具体还包括：
[0035]将高斯过程回归中正定矩阵的求逆过程转换为加法运算、乘法运算和除法运算的组合；
[0036]控制所述第一计算服务器调用加法算法、乘法算法和除法算法对所述第一正定矩阵进行求逆并输出结果；
[0037]控制所述第二计算服务器调用加法算法、乘法算法和除法算法对所述第二正定矩阵进行求逆并输出结果。
[0038]本专利技术第二方面提供一种基于高斯过程回归的数据隐私保护装置，其特征在于，所述基于高斯过程回归的数据隐私保护装置包括：
[0039]获取模块，用于获取训练数据和测试数据；
[0040]训练模块，用于计算协方差矩阵，根据所述训练数据进行高斯过程回归的训练；
[0041]计算模块，用于生成指数随机数，通过秘密分享技术，根据所述指数随机数在高斯整数环上进行指数计算；
[0042]求逆模块，用于根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，构建高斯过程回归模型；
[0043]预测模块，用于根据所述高斯过程回归模型对所述测试数据进行预测。
[0044]本专利技术第三方面提供一种智能终端，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于高斯过程回归的数据隐私保护程序，所述基于高斯过程回归的数据隐私保护程序被所述处理器执行时实现如上所述基于高斯过程回归的数据隐私保护方法的步骤。。
[0045]本专利技术第四本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯过程回归的数据隐私保护方法，其特征在于，所述基于高斯过程回归的数据隐私保护方法包括：获取训练数据和测试数据；计算协方差矩阵，根据所述训练数据进行高斯过程回归的训练；生成指数随机数，通过秘密分享技术，根据所述指数随机数在高斯整数环上进行指数计算；根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，构建高斯过程回归模型；根据所述高斯过程回归模型对所述测试数据进行预测。2.根据权利要求1所述的基于高斯过程回归的数据隐私保护方法，其特征在于，所述生成指数随机数，具体包括：控制协助服务器从所述高斯整数环中产生指数随机数，所述指数随机数包括第一随机数，第二随机数，第三随机数和第四随机数，所述第一随机数、第二随机数，第三随机数和第四随机数满足以下表达式：([r]0+[r]1)modL＝r，([e
r
]0+[e
r
]1)modL＝e
r
，其中，[r]0表示第一随机数，[r]1表示第二随机数，r表示对([r]0+[r]1)取L的模，[e
r
]0表示第三随机数，[e
r
]1表示第四随机数，e
r
表示自然常数的r的次方，modL表示取模L运算；控制协助服务器将所述第一随机数和所述第三随机数发送给第一计算服务器，将所述第二随机数和所述第四随机数发送给第二计算服务器。3.根据权利要求2所述的基于高斯过程回归的数据隐私保护方法，其特征在于，所述通过秘密分享技术，根据所述随机数在高斯整数环上进行指数计算，具体包括：通过秘密分享技术将输入数据拆分成第一输入数据和第二输入数据；控制所述第一计算服务器输入所述第一输入数据，控制所述第二计算服务器输入所述第二输入数据。4.根据权利要求3所述的基于高斯过程回归的数据隐私保护方法，其特征在于，所述通过秘密分享技术，根据所述随机数在高斯整数环上进行指数计算，具体还包括：控制所述第一计算服务器计算第一输入数据和第一随机数的第一差值，并将所述第一差值发送给第二计算服务器；控制所述第二计算服务器计算第二输入数据和第二随机数的第二差值，并将所述第二差值发送给第一计算服务器；根据所述第一差值和所述第二差值计算出第三差值；控制所述第一计算服务器根据所述第三差值和所述第三随机数计算出第一输出数据并输出；控制所述第二计算服务器根据所述第三差值和所述第四随机数计算出第二输出数据并输出。5.根据权利要求1所述的基于高斯过程回归的数据隐私保护方法，其特征在于，所述根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，具体包括：根据第一表达式将高斯过程回归中的正定...

【专利技术属性】
技术研发人员：张叶红，罗景龙，秦爽，张嘉琪，王晖，余跃，徐增林，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：