基于安全两方计算的隐私保护线性回归算法

摘要：

随着数据安全与隐私泄露事件频发,泄露规模连年加剧,如何保证机器学习中数据和模型参数的隐私引发科学界和工业界的广泛关注.针对本地存储计算资源的有限性及云平台的不可信性所带来的数据隐私问题,基于秘密共享技术提出了一种安全两方计算的隐私保护线性回归算法.利用加法同态加密和加法掩码实现了秘密共享值的乘法计算协议,结合小批量梯度下降算法,最终实现了在两个非共谋的云服务器上的安全线性回归算法.实验结果表明,该方案同时保护了线性回归算法训练及预测阶段中的数据及模型参数,且模型预测性能与在明文域中进行训练的模型相近.

关键词：线性回归;安全两方计算;秘密共享;加法同态加密;隐私保护

所属期刊栏目：57

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市自然科学基金面上项目

在线出版日期：2021-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：139-146