公开(公告)号：CN109615021A

公开(公告)日：2019-04-12

申请号：CN201811590868.6

申请日：2018-12-20

Applicant: 暨南大学

Inventor： 赖俊祚 ,  李燕玲 ,  王琪 ,  周德华 ,  王传胜

IPC: G06K9/62 ,  G06F21/60

Abstract: 本发明属于机器学习领域，涉及一种基于k均值聚类的隐私信息保护方法，采用线性同态加密算法LHE结合加法同态加密算法Paillier对数据进行加密，得到密文数据，利用云服务端提供的计算服务实现对密文数据进行k均值聚类，得到密文聚类结果，客户端对密文聚类结果进行解密，得到明文聚类结果。本发明云服务端不获取用户的任何隐私信息，在实现聚类算法的同时保证用户的隐私信息安全，数据分析过程中数据信息不泄露，不仅有效地提高了用户数据的安全性，还大幅度地降低了客户端与云服务端之间的通信量，降低了通信成本，提高了机器学习效率，更适合应用到实际场景中去。

公开(公告)号：CN108197499A

公开(公告)日：2018-06-22

申请号：CN201810025747.0

申请日：2018-01-11

Applicant: 暨南大学

Inventor： 赖俊祚 ,  张江河 ,  王传胜 ,  李燕玲 ,  熊婕

IPC: G06F21/64 ,  H04L9/06 ,  H04L29/06

Abstract: 本发明公开了一种可验证的密文数据范围查询方法，针对于各本地数据进行排序，得到三元组数据以及获取到各本地数据的前缀集合，将各本地数据的前缀集合存储在PBtree中；分别针对各三元组数据以及各前缀集合进行加密，同时将加密后的各本地数据存储于PBtree中的叶节点中；上述处理后的数据发送至云服务器中；通过该查询范围生成陷门，云服务器使用陷门在PBtree中搜索，最后将对应搜索到的叶节点中的密文数据返回，数据使用者对密文数据进行解密，根据解密后的数据判断获取到的数据大小是否连续确认云服务器返回的结果是完整的。本发明通过在PBtree叶节点存储额外信息，使得用户查询可验证，防止云服务器查询结果不完整。