【技术实现步骤摘要】
本专利技术涉及数据与图像处理，特别涉及一种基于同态加密和空间优化的隐私数据处理方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、机器学习领域的迅速发展引起了对矩阵乘法计算效率的重要关注。在众多机器学习算法中，包括神经网络、主成分分析等，矩阵乘法都扮演着关键的角色。然而，矩阵乘法的计算复杂度往往较高，这在资源受限的设备上执行时会面临挑战。为解决这一问题，近年来，将矩阵乘法外包到云端服务器已经成为一种备受欢迎的趋势，充分利用其强大的计算资源，然而，这种外包方式也引发了关于数据隐私的担忧，因为敏感数据可能在云端被访问或泄露。
3、用户在客户端执行相关的图像处理操作时，往往需要对图像进行变换操作，此时需要用到矩阵的乘法运算，但是随着目前图像像素的提升，客户端的处理能力已经无法满足大规模的矩阵乘法运算的需求，因此，需要将相关的矩阵乘法操作交给云服务器处理，但是，对客户端的隐私图像数据来说，存在隐私数据泄密的风险。
4、为了解决矩阵乘法外包的数据隐私问题，研究人员开始探索使用全同态加密技术，全同态加密技术允许在加密状态下执行计算操作，而无需解密数据。这为保护隐私提供了有效的手段。全同态加密技术的核心思想是，对密文进行一系列操作，最终得到的结果与明文上的操作相同，这意味着可以在云端服务器上执行加密数据的计算，而不会泄露敏感信息。
5、专利技术人发现，在全同态加密领域，主流的安全矩阵乘法方案通常基于同态线性变换技术，尤其地，这种方案利用了全
技术实现思路
1、为了解决现有技术的不足，本专利技术提供了一种基于同态加密和空间优化的隐私数据处理方法及系统，通过对密文的高效的和空间优化的同态矩阵乘法运算，在多实例并行运算场景下具有更高的容错率和更少的内存要求，实现了对图像的保密处理，保证了隐私图像的私密性。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供了一种基于同态加密和空间优化的隐私数据处理方法。
4、一种基于同态加密和空间优化的隐私数据处理方法，应用于服务器，包括以下过程：
5、获取基于方阵形式的第一隐私数据生成的第一密文，以及基于方阵形式的第二隐私数据生成的第二密文，将第一密文复制两份，分别为第一子密文和第二子密文，将第二密文复制一份作为第三子密文；
6、基于第一线性变换集合的某一元素与第一子密文进行同态线性变换，得到第一同态变换结果，基于第二线性变换集合的某一元素与第二子密文进行同态线性变换，得到第二同态变换结果，第一同态变换密文和第二同态变换密文执行同态加法运算，得到同态加法结果；
7、基于第二线性变换集合的某一元素与第三子密文进行同态线性变换，得到第三同态变换结果，将同态加法结果与第三同态变换结果执行同态乘法，得到同态乘法结果；
8、对同态加法结果的对应矩阵和第三同态变换结果的对应矩阵分别进行行变换和列变换，将变换的结果相乘后，再与同态乘法结果聚合后，得到密文处理结果。
9、作为本专利技术第一方面进一步的限定，基于方阵形式的第一隐私数据生成的第一密文，包括：基于第一隐私数据生成第一矩阵，将第一矩阵编码到第一向量中，利用全同态加密方案所提供的加密函数将第一向量加密成第一密文；
10、基于方阵形式的第二隐私数据生成的第二密文，包括：基于第二隐私数据生成第二矩阵，将第二矩阵编码到第二向量中，利用全同态加密方案所提供的加密函数将第二向量加密成第二密文。
11、作为本专利技术第一方面进一步的限定，将第一线性变化分解为第一线性变换集合和第二线性变换集合，将第二线性变化分解为第三线性变换集合，包括：
12、根据第一隐私数据和第二隐私数据的矩阵阶数，确定第一线性变换和第二线性变换的对角线收敛分解的期望最大非零对角线索引，根据期望最大非零对角线索引进行第一线性变化和第二线性变化的分解。
13、第二方面，本专利技术提供了一种基于同态加密和空间优化的隐私数据处理系统。
14、一种基于同态加密和空间优化的隐私数据处理系统，应用于服务器，包括：
15、数据获取模块，被配置为：获取基于方阵形式的第一隐私数据生成的第一密文，以及基于方阵形式的第二隐私数据生成的第二密文，将第一密文复制两份，分别为第一子密文和第二子密文，将第二密文复制一份作为第三子密文；
16、第一同态处理模块，被配置为：基于第一线性变换集合的某一元素与第一子密文进行同态线性变换，得到第一同态变换结果，基于第二线性变换集合的某一元素与第二子密文进行同态线性变换，得到第二同态变换结果，第一同态变换密文和第二同态变换密文执行同态加法运算，得到同态加法结果；
17、第二同态处理模块，被配置为：基于第二线性变换集合的某一元素与第三子密文进行同态线性变换，得到第三同态变换结果，将同态加法结果与第三同态变换结果执行同态乘法，得到同态乘法结果；
18、密文处理结果生成模块，被配置为：对同态加法结果的对应矩阵和第三同态变换结果的对应矩阵分别进行行变换和列变换，将变换的结果相乘后，再与同态乘法结果聚合后，得到密文处理结果。
19、作为本专利技术第二方面进一步的限定，基于方阵形式的第一隐私数据生成的第一密文，包括：基于第一隐私数据生成第一矩阵，将第一矩阵编码到第一向量中，利用全同态加密方案所提供的加密函数将第一向量加密成第一密文；
20、基于方阵形式的第二隐私数据生成的第二密文，包括：基于第二隐私数据生成第二矩阵，将第二矩阵编码到第二向量中，利用全同态加密方案所提供的加密函数将第二向量加密成第二密文。
21、作为本专利技术第二方面进一步的限定，将第一线性变化分解为第一线性变换集合和第二线性变换集合，将第二线性变化分解为第三线性变换集合，包括：
22、根据第一隐私数据和第二隐私数据的矩阵阶数，确定第一线性变换和第二线性变换的对角线收敛分解的期望最大非零对角线索引，根据期望最大非零对角线索引进行第一线性变化和第二线性变化的分解。
23、第三方面，本专利技术提供了一种基于同态加密和空间优化的隐私数据处理系统。
24、一种基于同态加密和空间优化的隐私数据处理系统，包括相互通信的客户端和服务器；
25、本文档来自技高网...
【技术保护点】
1.一种基于同态加密和空间优化的隐私数据处理方法，其特征在于，应用于服务器，包括以下过程：
2.如权利要求1所述的基于同态加密和空间优化的隐私数据处理方法，其特征在于，
3.一种基于同态加密和空间优化的隐私数据处理系统，其特征在于，应用于服务器，包括：
4.如权利要求3所述的基于同态加密和空间优化的隐私数据处理系统，其特征在于，
5.一种基于同态加密和空间优化的隐私数据处理系统，其特征在于，包括相互通信的客户端和服务器；
6.如权利要求5所述的基于同态加密和空间优化的隐私数据处理系统，其特征在于，
7.一种服务器，其特征在于，包括处理器，所述处理器，被配置为执行权利要求1或2所述的基于同态加密和空间优化的隐私数据处理方法中的步骤。
8.一种隐私图像处理方法，其特征在于，
9.如权利要求8所述的隐私图像处理方法，其特征在于，
10.如权利要求8或9所述的隐私图像处理方法，其特征在于，
【技术特征摘要】
1.一种基于同态加密和空间优化的隐私数据处理方法，其特征在于，应用于服务器，包括以下过程：
2.如权利要求1所述的基于同态加密和空间优化的隐私数据处理方法，其特征在于，
3.一种基于同态加密和空间优化的隐私数据处理系统，其特征在于，应用于服务器，包括：
4.如权利要求3所述的基于同态加密和空间优化的隐私数据处理系统，其特征在于，
5.一种基于同态加密和空间优化的隐私数据处理系统，其特征在于，包括相互...
【专利技术属性】
技术研发人员：蒋亚丽，马熙嵘，孔凡玉，葛春鹏，孔兰菊，崔立真，
申请(专利权)人：山东大学，
类型：发明
国别省市：
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。