基于全同态加密的逻辑回归方法、装置及系统制造方法及图纸

本发明专利技术公开了一种基于全同态加密的逻辑回归方法、装置及系统，主要应用于研究机构和云服务器端，具体包括以下步骤：步骤1、研究机构生成公私钥对；步骤2、云服务器获取金融公司上传的密文数据集；步骤3、云服务器对密文数据集进行预处理；步骤4、研究机构计算协方差矩阵的特征值和特征向量；步骤5、云服务器计算得到降维后的数据集密文；步骤6、云服务器进行逻辑回归模型运算，并与研究机构协同计算一轮迭代后的新模型参数；步骤7、重复步骤6进行循环迭代，直至达到最大迭代次数，得到最终的模型参数。本发明专利技术基于全同态密码技术加密金融数据，对大维数密文数据进行了降维，提高了逻辑回归算法中模型训练的效率，提高了算法的实用性。提高了算法的实用性。提高了算法的实用性。

【技术实现步骤摘要】
基于全同态加密的逻辑回归方法、装置及系统


[0001]本专利技术属于计算机
，具体涉及一种基于全同态加密的逻辑回归方法、装置及系统。

技术介绍

[0002]随着云计算的飞速发展，其强大的计算能力和巨大的存储空间为大数据的计算和处理提供了强有力的支持，因此大数据通常与云计算相结合。云计算对大数据的分析有重要影响，云计算提供了一个可配置的计算环境，可以有效地管理和快速部署。通过将数据的计算卸载到云端，云客户可以轻松、方便地使用计算资源，而不受资源设备的限制。
[0003]尽管云计算具有各种优势，但在隐私保护方面仍存在许多挑战，在云端保存与大数据相关的数据受到越来越多的关注。在收集大数据的过程中，可能会包含一些敏感或专有信息，一旦泄露，将导致灾难性的后果。因此，对参与云计算的数据进行加密是必要的。然而，机器学习算法不能直接访问加密数据。如果解密密钥被提供给云服务器，数据隐私就无法保证。因此，利用运行在云上的机器学习算法处理加密数据是一个具有挑战性的问题。
[0004]作者Kim在其发表论文“Ensemble Method for Privacy
‑
Preserving Logistic Regression Based on Homomorphic Encryption”(IEEE Access，2018)中用全同态加密技术可以对密文执行任意计算这一特性，构造了一种隐私保护的逻辑回归算法。该方法存在的不足之处是：随着迭代次数的增加，密文的计算深度也随之增加，为了避免噪声影响解密必须设置很大的加密参数。而加密参数越大，加解密和密文运算的所需时间越长，导致整体方案的效率低下；并且该方案仅适用于小型数据集，对大型数据集训练结果较差。
[0005]作者Fan在其发表论文“Privacy preserving based logistic regression on big data”(Journal of Network and Computer Applications，2020)中提出在云服务器每轮迭代后将密文发送给数据拥有者，后者解密后进行梯度下降，之后再将新的模型参数加密后发送给云服务器进行新一轮迭代。通过数据拥有者解密后重加密的操作，可以减少密文的计算深度，从而无需设置kim和Song方案中的极大加密参数，以此提高了方案的效率。该方法存在的不足之处是：数据拥有者在整个模型训练过程中都需要在线。并且该方案对于大型数据集来说计算量大，效率较低，通信复杂度较高。

技术实现思路

[0006]为了解决现有技术中存在的效率不高，训练大维数数据集效果较差的问题，本专利技术提供了一种基于全同态加密的逻辑回归方法、装置及系统。本专利技术要解决的技术问题通过以下技术方案实现：
[0007]第一方面，本专利技术提供了一种基于全同态加密的逻辑回归方法，应用于研究机构，包括：
[0008]S11：基于全同态CKKS密码算，法生成公私钥对；
[0009]S12：响应于接收到协方差矩阵密文C
X
，对其进行解密，并基于解密得到的协方差
矩阵X计算降维矩阵P；
[0010]S13：对所述降维矩阵P进行加密得到密文向量C
P
，并将其传送至云服务器；
[0011]S14：响应于接收到第j次迭代的梯度密文向量对其进行解密，并根据解密得到的明文梯度向量g
j
修正模型参数；对修正后的模型参数进行加密得到第j+1次迭代的参数密文并传送至云服务器；
[0012]S15：持续接收梯度密文向量，并重复步骤S14，直至达到最大迭代次数，得到最终的模型参数。
[0013]第二方面，本专利技术提供了一种基于全同态加密的逻辑回归方法，应用于云服务器，包括：
[0014]S21：获取用户上传的密文向量C和标签密文C
L
；其中，所述密文向量C为特征数据对应的密文向量，所述密文C
L
为标签数据对应的密文，且所述密文向量C和标签密文C
L
均是基于全同态CKKS密码算法加密得到的；
[0015]S22：对所述密文向量C进行预处理，得到新的密文向量C
z
和协方差矩阵密文C
X
，并将所述协方差矩阵密文C
X
发送给研究机构；
[0016]S23：响应于接收到密文向量C
P
，基于所述密文向量C
z
和所述密文向量C
P
计算经过标准化和降维后的密文向量C
Y
；
[0017]S24：基于密文向量C
Y
和当前第j次迭代的参数密文求解损失函数的梯度密文向量并将其发送给研究机构；
[0018]S25：响应于接收到参数密文重复步骤S24，直至达到最大迭代次数。
[0019]第三方面，本专利技术提供了一种基于全同态加密的逻辑回归装置，应用于研究机构，包括：
[0020]密钥生成模块，用于基于全同态CKKS密码算法生成公私钥对；
[0021]第一降维模块，用于响应于接收到协方差矩阵密文C
X
，对其进行解密，并基于解密得到的协方差矩阵X计算降维矩阵P；
[0022]加密模块(13)，用于对所述降维矩阵P进行加密得到密文向量C
P
，并将其传送至云服务器；
[0023]第一计算模块，用于响应于接收到第j次迭代的梯度密文向量对其进行解密，并根据解密得到的明文梯度向量g
j
修正模型参数；对修正后的模型参数进行加密得到第j+1次迭代的参数密文并传送至云服务器。
[0024]第四方面，本专利技术提供了一种基于全同态加密的逻辑回归装置，应用于云服务器，包括：
[0025]数据获取模块，用于获取用户上传的密文向量C和标签密文C
L
；其中，所述密文向量C为特征数据对应的密文向量，所述密文C
L
为标签数据对应的密文，且所述密文向量C和标签密文C
L
均是基于全同态CKKS密码算法加密得到的；
[0026]预处理模块，用于对所述密文向量C进行预处理，得到新的密文向量C
z
和协方差矩阵密文C
X
，并将所述协方差矩阵密文C
X
发送给研究机构；
[0027]第二降维模块，用于响应于接收到密文向量C
P
，基于所述密文向量C
z
和所述密文向
量C
P
计算经过标准化和降维后的密文向量C
Y
；
[0028]第二计算模块，用于基于密文向量C
Y
和当前第j次迭代的参数密文求解损失函数的梯度密文向量并将其发送给研究机构。
[0029]第五方面，本专利技术提供了一种基于全同态加密的逻辑回归系统，包括上述实施例提供的应用于研究机构端的基于全同态加密的逻辑回归装置和应用于云服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全同态加密的逻辑回归方法，应用于研究机构，其特征在于，包括：S11：基于全同态CKKS密码算法生成公私钥对；S12：响应于接收到协方差矩阵密文C
X
，对其进行解密，并基于解密得到的协方差矩阵X计算降维矩阵P；S13：对所述降维矩阵P进行加密得到密文向量C
P
，并将其传送至云服务器；S14：响应于接收到第j次迭代的梯度密文向量对其进行解密，并根据解密得到的明文梯度向量g
j
修正模型参数；对修正后的模型参数进行加密得到第j+1次迭代的参数密文并传送至云服务器；S15：持续接收梯度密文向量，并重复步骤S14，直至达到最大迭代次数，得到最终的模型参数。2.根据权利要求1所述的基于全同态加密的逻辑回归方法，其特征在于，步骤S12包括：使用CKKS密码算法对所述协方差矩阵密文C
X
进行解密，得到明文形式的协方差矩阵X；计算所述协方差矩阵X的特征值和特征向量；按照特征值大小将所述特征向量从上到下按行排成矩阵，并取前k行组成新的矩阵，得到降维矩阵P。3.根据权利要求1所述的基于全同态加密的逻辑回归方法，其特征在于，步骤S14包括：使用CKKS密码算法对当前接收到的第j次迭代梯度密文向量进行解密，得到明文梯度向量g
j
；根据所述明文梯度向量g
j
修正新的模型参数其中，其中，为预设的学习率，i表示梯度向量的维度，且1≤i≤k，j表示当前迭代次数；对修正后的模型参数w
j+1
进行加密得到参数密文并传送至云服务器。4.一种基于全同态加密的逻辑回归方法，应用于云服务器，其特征在于，包括：S21：获取用户上传的密文向量C和标签密文C
L
；其中，所述密文向量C为特征数据对应的密文向量，所述密文C
L
为标签数据对应的密文，且所述密文向量C和标签密文C
L
均是基于全同态CKKS密码算法加密得到的；S22：对所述密文向量C进行预处理，得到新的密文向量C
z
和协方差矩阵密文C
X
，并将所述协方差矩阵密文C
X
发送给研究机构；S23：响应于接收到密文向量C
P
，基于所述密文向量C
z
和所述密文向量C
P
计算经过标准化和降维后的密文向量C
Y
；S24：基于密文向量C
Y
和当前第j次迭代的参数密文求解损失函数的梯度密文向量并将其发送给研究机构；S25：响应于接收到参数密文重复步骤S24，直至达到最大迭代次数。5.根据权利要求4所述的基于全同态加密的逻辑回归方法，其特征在于，步骤S22包括：对所述密文向量C中的每一个密文C
i
求均值μ
i
和标准差σ
i
；
对所述密文向量C中的每一个密文C
i
进行标准化处理，得到新的密文向量C
z
＝{C
z1<...

【专利技术属性】
技术研发人员：王柯润，王保仓，赵臻，徐温菊，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：