[发明专利]一种统计学习中基于密文的数据二分类方法

摘要

本发明公开了一种统计学习中基于密文的数据二分类方法，利用基于RLWE的全同态加密方法具有的数据与密文的一致性，根据需要加密并在云服务器中进行比较的两个数据，建立一个递增的序列，然后，用两组加密参数分别对其进行加密，并上传至云服务器；在云服务器中，根据比较的数据的密文在构建序列的密文中的位置关系，判断出两个需要比较的数据的大小，并利用这个判断结果完成加密数据的比较计算，从而实现了云服务器中，两个加密数据的比较。在本发明中使用划分的界(Bounds)来划分密文空间，将密文划分成不同的区间，实现了全同态密文的比较计算，同时，避免了用户隐私的泄露。

主权项

1.一种统计学习中基于密文的数据二分类方法，其特征在于，二分类模型训练和分类中，加密数据的比较包括以下步骤：(1)、用户本地对需要加密并在云服务器中进行比较的两个数据x、y按照一个递增的顺序排序，然后，在排好的两个数据之间随机选择一个数据B1，同时，随机选择一个比两个数据中较小数据小的数据B0，随机选择一个比两个数据中较大数据大的数据B2构成一个递增的序列B0、B1、B2，数据Bi，i＝0,1,2，作为比较的界；用户本地首先采用基于RLWE的全同态加密方法，分别使用两组加密参数P1，P2对数据Bi进行加密，得到加密序列E(Bi,P1)、E(Bi,P2)，i＝0,1,2，其中，E表示基于RLWE的全同态加密；然后，将加密序列E(Bi,P1)、E(Bi,P2)，i＝0,1,2，上传到云服务器；(2)、用户本地对需要在云服务器进行比较的两个数据x、y，使用两组加密参数P1，P2分别对数据x、y进行加密，得到加密数据E(x,P1)、E(y,P2)，并上传至云服务器；(3)、在云服务器中，根据加密数据E(x,P1)找到距离最近的两个界Bp、Bp+1，即加密数据E(x,P1)与加密数据E(Bp,P1)、加密数据E(Bp+1,P1)差值最小，这样得到加密数据E(x,P1)位于加密数据E(Bp,P1)、加密数据E(Bp+1,P1)之间；同理，能够得到加密数据E(y,P2)位于加密数据E(Bq,P2)、加密数据E(Bq+1,P2)之间；(4)、在云服务器中，根据加密数据E(x,P1)、加密数据E(y,P2)所处的加密序列E(Bi,P1)、E(Bi,P2)，i＝0,1,2，的位置关系，判断出用户本地数据x、y的大小，并利用这个判断结果完成加密数据的比较计算。