System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于生物信息学领域,具体为一种基于内积函数加密的隐私保护计算机辅助诊断方法。
技术介绍
1、基于机器学习模型的计算机辅助诊断的快速发展对现代医学活动产生了深远的影响。计算机辅助诊断可以帮助医生做出正确的诊断,从而为患者提供更好的医疗服务,同时,计算机辅助诊断的大规模推广能够大幅度提升偏远、落后地区的医疗水平,促进全民健康。然而,当前的计算机辅助诊断系统在数据隐私和模型所有权方面面临一系列挑战。例如,在这些系统中,医疗模型的所有者必须公开模型参数或访问用于医疗场景中的预测任务的用户数据,然而,一方面用户数据通常包含敏感和隐私信息,另一方面企业或医院训练的机器学习模型是重要的资产,模型参数的泄露会造成企业的损失,不应由第三方随意访问。因此,如何在计算机辅助诊断过程中同时保证用户隐私以及模型参数的安全性,允许模型拥有者、诊断系统提供商、医院以及用户在保证各自利益的前提下进行医疗活动,是推动计算机辅助诊断大规模应用的重要前提。
2、隐私保护的模型预测
3、为了保证机器学习模型预测过程中参与者的数据隐私,当前主要有三种主流的技术路线:差分隐私(differential privacy,dp)、同态加密(homomorphic encryption,he)和安全多方计算(secure multi-party computation,mpc)。其中差分隐私(dp)最早由dwork于2006年提出(dwork,c."differential privacy.automata,languages andprogr
技术实现思路
1、针对现有技术中存在的问题,本专利技术的目的主要在于提出一种基于内积函数加密的隐私保护计算机辅助诊断方法,用于计算机辅助医疗诊断场景中机器学习模型的外包和私有化部署,同时保证模型参数的安全性。本专利技术中提出的方法主要关注以下两类特性:首先,第一种特性是用户可以在不与模型所有者交互的情况下获得预测结果。其次,另一种特性是个人数据的所有者可以以灵活的方式向相关第三方提供预测结果的授权。例如,一家生产计算机辅助诊断医学模型的公司,当患者在医院寻求治疗时,主治医师需要使用患者的数据(如检查结果和电子病例记录)访问模型并获取预测结果,如果需要进一步诊断,医生需要授权当前的预测结果作为其他相关医生的参考。在这种情况下,公司作为模型所有者,第一位医生是预测结果的用户,而随后的医生是需要被授权才能访问先前预测结果的使用者。
2、本专利技术的技术方案为:
3、基于内积函数加密的隐私保护计算机辅助诊断方法包括如下步骤:
4、1)系统初始化:密钥生成中心调用群生成算法生成其中为乘法循环群,e为双线性映射,p为乘法循环群的阶。选取随机数计算gt=e(g1,g2)。选取哈希函数h:(表示p阶非零整数群)以及随机数(为p阶整数群),计算f(·)=vh(·)。主密钥可以表示为:msk=(s,t,h),公共参数可以表示为:pp=(e,g1,g2,gt,h1,h2,k1,f)。
5、2)密钥生成和分发:根据步骤1)中的主密钥msk,数据拥有者的标识信息id以及输入向量(其中表示用户的个人信息对应的特征向量,每一个元素xi表示第i个特征的特征值,n为特征总数),密钥生成中心计算并返回密钥给id对应的数据拥有者。对于被授权用户,假设其标识信息为id′,密钥生成中心计算并发送给被授权用户。
6、3)模型参数加密和模型外包部署:根据步骤1)中的公共参数pp,数据拥有者的标识信息id以及输入向量(其中表示模型拥有者所拥有的参数向量,每个元素θi表示输入向量中的第i个特征对应的权重),模型拥有者选取随机数并计算d=e(h1,h2)r。对于i∈{1,2,…n},计算并发送模型参数对应的密文至数据拥有者指定的计算机辅助诊断设备,执行步骤4);当所述数据拥有者指定一被授权用户时,将密文发送至数据拥有者指定的代理服务器,执行步骤5)。
7、4)隐私保护模型预测。根据步骤3)中的模型参数密文以及步骤2)中的密钥数据拥有者首先获取内积运算结果随后计算即为预测结果。
8、5)预测结果代理授权。
9、a)假设被授权用户的标识信息为id′,根据步骤2)中的数据拥有者私钥数据拥有者首先选取随机数并计算随后选取随机数并计算令重加密密钥可以表示为rkid→id′=(d′1,d′2,d′3)。最终数据拥有者发送rkid→id′给数据拥有者指定的代理服务器。
10、b)代理服务器利用步骤a)中的rkid→id′对步骤3)中的模型参数密文进行重加密:计算并令d′=d′3,重加密密文可以表示为发送给被授权用户。
11、c)被授权用户获取步骤b)中的并利用步骤2)中的密钥执行解密操作:计算随后计算
12、d)被授权用户计算即为预测结果。
13、本专利技术的有益效果:
14、基于上述隐私保护计算机辅助诊断框架,本专利技术实现了隐私保护的模型预测以及预测结果的代理授权,同时实现了基于标识信息(id)的密文访问控制。
15、针对计算机辅助诊断中的模型参数以及用户数据隐私保护问本文档来自技高网...
【技术保护点】
1.一种基于内积函数加密的隐私保护计算机辅助诊断方法,其步骤包括:
2.根据权利要求1所述的方法,其特征在于,步骤2)中,当所述数据拥有者指定一被授权用户时,所述被授权用户的标识信息为ID′,密钥生成中心计算并发送给所述被授权用户;所述被授权用户得到预测结果的方法为:
3.根据权利要求1或2所述的方法,其特征在于,所述输入向量为数据拥有者的个人信息对应的特征向量,输入向量中的第i个元素xi表示所述特征向量中的第i个特征对应的特征值。
4.根据权利要求3所述的方法,其特征在于,所述输入向量为模型拥有者所拥有的参数向量,输入向量中第i个元素θi为第i个特征对应的权重。
5.根据权利要求1或2所述的方法,其特征在于,所述哈希函数h:随机数随机数随机数为p阶非零整数群,为p阶整数群。
【技术特征摘要】
1.一种基于内积函数加密的隐私保护计算机辅助诊断方法,其步骤包括:
2.根据权利要求1所述的方法,其特征在于,步骤2)中,当所述数据拥有者指定一被授权用户时,所述被授权用户的标识信息为id′,密钥生成中心计算并发送给所述被授权用户;所述被授权用户得到预测结果的方法为:
3.根据权利要求1或2所述的方法,其特征在于,所述输入向量为数据拥有者的...
【专利技术属性】
技术研发人员:吴中海,沈晴霓,冯新宇,李聪,方跃坚,
申请(专利权)人:北京大学,
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。