-
公开(公告)号：CN109992979B
公开(公告)日：2020-12-11
申请号：CN201910196048.7
申请日：2019-03-15
Applicant: 暨南大学
Abstract: 本发明公开了一种岭回归训练方法，包括步骤：参数初始化，生成系统公共参数，生成各参与方的公私钥对，计算重加密密钥；接收训练请求时，计算联合公钥，用联合公钥加密私有数据，生成密文一；利用两阶段的解密机制，结合密文重加密技术，对密文一进行部分解密和重加密，生成密文二；通过DR对密文二进行解密，得到模型的最终训练结果。本发明用到ElGamal加法变体方案，结合密文重加密技术，保证数据资源在合作过程中的机密性的同时精简计算，提高计算速度的同时降低计算成本。
-
公开(公告)号：CN109615021B
公开(公告)日：2022-09-27
申请号：CN201811590868.6
申请日：2018-12-20
Applicant: 暨南大学
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：CN109992979A
公开(公告)日：2019-07-09
申请号：CN201910196048.7
申请日：2019-03-15
Applicant: 暨南大学
Abstract: 本发明公开了一种岭回归训练方法，包括步骤：参数初始化，生成系统公共参数，生成各参与方的公私钥对，计算重加密密钥；接收训练请求时，计算联合公钥，用联合公钥加密私有数据，生成密文一；利用两阶段的解密机制，结合密文重加密技术，对密文一进行部分解密和重加密，生成密文二；通过DR对密文二进行解密，得到模型的最终训练结果。本发明用到ElGamal加法变体方案，结合密文重加密技术，保证数据资源在合作过程中的机密性的同时精简计算，提高计算速度的同时降低计算成本。
-
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
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。
-
-
-
Search Results
4
records
(took 0.023 seconds)
