作者:崔建京; 龙军; 闵尔学; 于洋; 殷建平 期刊:《计算机科学》 2018年第04期
现有的机器学习算法不能对加密后的数据进行分析计算,而很多领域如医疗、金融等又要求数据保持机密性和安全性,这促进了加密机器学习的产生和发展。同态加密技术是解决这一问题的主要思路,它可以保证在不解密的情况下对密文进行计算,使得解密后的结果与对明文执行相同计算得到的结果相同。文中对同态加密在加密机器学习中的相关应用研究进行了综述,主要介绍了目前用同态加密实现加密机器学习的3种算法(加密神经网络、加密k-NN、加...
作者:张锋; 孙雪冬; 常会友; 赵淦森 期刊:《电子学报》 2009年第01期
隐私保护的协同过滤推荐研究致力于在确保高质、高效地产生推荐的同时有效地保护参与方的隐私.在数据分布存储,参与方大于2的情形,已有研究针对其核心任务——对指定项进行评分预测,以可交换的密码系统为主要技术,设计了一个隐私保护计算协议.但该协议不适用于参与方是2的情形.以安全比较计算和安全点积计算为基础安全设施,设计了一个协议,解决参与方是2的情况下对指定项进行评分预测的隐私保护问题,从而解决了隐私保护...
作者:吕品 于文兵 期刊:《武汉理工大学学报》 2008年第06期
隐私保护的目标是要在不精确访问真实原始数据的条件下,如通过病历,对乳腺癌的确诊,得到准确的模型和分析结果。研究了分布式环境下构造贝叶斯网络结构的K2算法的评价函数,并且以密码学中的两方安全计算为基础对该函数进行改进。通过理论分析和实验结果说明了改进的评价函数能够得到与原始的评价函数相同的贝叶斯网络结构。达到了数据垂直分布情况下隐私保护的目的。
作者:方炜炜 杨炳儒 夏红科 期刊:《系统工程与电子技术》 2012年第07期
隐私保护数据挖掘指在实现准确挖掘知识的同时确保敏感数据不泄露。针对垂直分布式数据存储结构的聚类隐私保护问题,提出基于全同态加密协议和数据扰乱方法的隐私保护聚类模型。该模型通过采用安全比较协议解决了垂直分布式聚类的两个隐私保护关键步骤:求解最近簇和判断质心变化,从而实现了数据的有效保护。理论证明了该模型的安全性并分析了其时间复杂度和通信耗量,实验结果表明该隐私保护聚类模型是安全有效的。