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：