支持隐私保护的k近邻分类器

摘要：

k近邻(k-nearest neighbor,简称KNN)分类器在生物信息学、股票预测、网页分类以及鸢尾花分类预测等方面都有着广泛的应用.随着用户隐私保护意识的日益提高,kNN分类器也需要对密文数据提供分类支持,进而保证用户数据的隐私性,即设计一种支持隐私保护的k近邻分类器(privacy-preserving k-nearest neighbor classifier,简称PP-kNN).首先,对kNN分类器的操作进行分析,从中提取出一些基本操作,包括加法、乘法、比较、内积等.然后,选择两种同态加密方案和一种全同态加密方案对数据进行加密.在此基础上设计了针对基本操作的安全协议,其输出结果与在明文数据上执行同一方法的输出结果一致,且证明该协议在半诚实模型下是安全的.最后,通过将基本操作的安全协议进行模块化顺序组合的方式实现kNN分类器对密文数据处理的支持.通过实验,对所设计的PP-kNN分类器进行测试.结果表明,该分类器能够以较高效率实现对密文数据的分类,同时为用户数据提供隐私性保护.

关键词：kNN分类器、加密数据、隐私保护、同态加密、监督学习

所属期刊栏目：30

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61872069;中央高校基本科研业务费专项资金N171704005,N181704004;沈阳市科技计划18-013-0-01

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：3503-3517