[发明专利]一种机器学习中的数据隐私保护方法和系统有效
| 申请号： | 201810487937.4 | 申请日： | 2018-05-21 |
| 公开（公告）号： | CN108717514B | 公开（公告）日： | 2020-06-16 |
| 发明（设计）人： | 秦波;唐文易;赵素云;陈红 | 申请（专利权）人： | 中国人民大学 |
| 主分类号： | G06F21/60 | 分类号： | G06F21/60;H04L29/06 |
| 代理公司： | 北京纪凯知识产权代理有限公司 11245 | 代理人： | 徐宁;孙楠 |
| 地址： | 100872 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种机器学习中的数据隐私保护方法和系统，其特征在于包括以下步骤：1)选择需要应用的加密算法及系统参数，生成密钥；2)对原始数据进行加密，产生相应的密文数据；3)使用密文数据对需要使用的机器学习模型进行训练和参数调整，得到最优机器学习模型；4)采用步骤2)方法将待预测或分类的原始数据用步骤1)中的密钥进行加密，输入最优机器学习模型，得到预测或分类结果。本发明结合保序/保分布性质的加密算法与机器学习模型，能够保护原始数据和机器学习模型。保序/保分布性质的加密算法输出的密文膨胀程度远低于全同态加密算法而且能够保持明文数据中的某些分布特征，使得机器学习效率较高且具有较好的扩展性。 | ||
| 搜索关键词： | 一种 机器 学习 中的 数据 隐私 保护 方法 系统 | ||
【主权项】：
1.一种机器学习中的数据隐私保护方法，其特征在于其包括以下步骤：1)选择需要应用的加密算法及系统参数，生成密钥；2)对原始数据进行加密，产生相应的密文数据；3)使用密文数据对需要使用的机器学习模型进行训练和参数调整，得到最优机器学习模型；4)采用步骤2)方法将待预测或分类的原始数据用步骤1)中的密钥进行加密，输入最优机器学习模型，得到预测或分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民大学，未经中国人民大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810487937.4/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
