-
公开(公告)号：CN112487481B
公开(公告)日：2022-06-10
申请号：CN202011453852.8
申请日：2020-12-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种具有隐私保护的可验证多方k‑means联邦学习方法，属于数据挖掘技术领域。数据水平分布在多用户上，每个用户将各自的数据加密上传至云服务器；云服务器随机挑选初始聚心，利用安全乘法协议和安全距离计算协议计算数据和初始聚心的欧几里得距离的平方；云服务器利用安全位分解协议和安全比较协议进行距离比较，并对数据进行划分；各用户利用秘密共享协议更新聚类中心，加密后上传至云服务器；云服务器计算新聚类中心和原聚类中心的距离，如果小于阈值，则结束聚类操作，否则更新聚类中心进行下一次迭代。
-
公开(公告)号：CN113239393A
公开(公告)日：2021-08-10
申请号：CN202110471977.1
申请日：2021-04-29
Applicant: 重庆邮电大学
Abstract: 本发明属于数据挖掘技术领域，涉及一种纵向联邦k‑Means隐私保护方法、装置及电子设备；所述方法包括参与者对样本数据加密并上传至云服务器；云服务器随机选取出聚类中心，利用安全乘法协议计算出参与者的子距离差发送给参与者；参与者将收到的子距离差划分份额分发，计算自身持有和收到的份额之和发送给云服务器；云服务器将样本划分到距离最近的聚类中心所在的聚类中；按照聚类结果计算出每个聚类中所有样本的每个特征之和，更新聚类中心；直至聚类中心不发生变化或者变化很小，云服务器将聚类结果返回给参与者；本发明充分保护了参与者的数据隐私，并且本发明不向参与者泄露新的聚类中心，能够抵抗合谋攻击从而具有更高的安全性。
-
公开(公告)号：CN113239393B
公开(公告)日：2022-03-22
申请号：CN202110471977.1
申请日：2021-04-29
Applicant: 重庆邮电大学
Abstract: 本发明属于数据挖掘技术领域，涉及一种纵向联邦k‑Means隐私保护方法、装置及电子设备；所述方法包括参与者对样本数据加密并上传至云服务器；云服务器随机选取出聚类中心，利用安全乘法协议计算出参与者的子距离差发送给参与者；参与者将收到的子距离差划分份额分发，计算自身持有和收到的份额之和发送给云服务器；云服务器将样本划分到距离最近的聚类中心所在的聚类中；按照聚类结果计算出每个聚类中所有样本的每个特征之和，更新聚类中心；直至聚类中心不发生变化或者变化很小，云服务器将聚类结果返回给参与者；本发明充分保护了参与者的数据隐私，并且本发明不向参与者泄露新的聚类中心，能够抵抗合谋攻击从而具有更高的安全性。
-
公开(公告)号：CN112487481A
公开(公告)日：2021-03-12
申请号：CN202011453852.8
申请日：2020-12-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种具有隐私保护的可验证多方k‑means联邦学习方法，属于数据挖掘技术领域。数据水平分布在多用户上，每个用户将各自的数据加密上传至云服务器；云服务器随机挑选初始聚心，利用安全乘法协议和安全距离计算协议计算数据和初始聚心的欧几里得距离的平方；云服务器利用安全位分解协议和安全比较协议进行距离比较，并对数据进行划分；各用户利用秘密共享协议更新聚类中心，加密后上传至云服务器；云服务器计算新聚类中心和原聚类中心的距离，如果小于阈值，则结束聚类操作，否则更新聚类中心进行下一次迭代。
-
-
-
Search Results
4
records
(took 0.016 seconds)
