[发明专利]基于离散对数的数据和与积的计算方法及装置有效

专利信息
申请号: 201310507677.X 申请日: 2013-10-24
公开(公告)号: CN103595528B 公开(公告)日: 2017-01-11
发明(设计)人: 李向阳;孙家广;郑泰浩;刘云浩 申请(专利权)人: 清华大学
主分类号: H04L9/30 分类号: H04L9/30;H04L9/08
代理公司: 北京路浩知识产权代理有限公司11002 代理人: 李相雨
地址: 100084 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 离散 对数 数据 计算方法 装置
【说明书】:

技术领域

发明涉及安全多方计算领域,尤其是基于离散对数的数据和与积的计算方法及装置。

背景技术

n个用户的和与积的安全计算具有非常广泛的应用价值。随着网络技术的发展,个人数据经常被用于统计信息的计算或者基于数据挖掘的应用。比如智能电网中的电量调度利用各家户的用电信息;在社交网络中的数据挖掘牵涉到个人信息;众包(Crowd Sourcing)应用中的服务提供基于大众用户提供的个人信息。然而用户的数据具有敏感性,用户不愿意公开自己的数据,因此需要在不暴露单个数据的条件下完成应用中需要的计算。大部分此类应用中需要的计算都能够用多个和、积计算来实现(例如:线性回归分析,支持向量分类,方差计算,平均值计算等),而和与积的各个变量来自互不信任的设备,即每一方都不愿意公开自己的隐私数据。

随着市场要求,在应用密码学领域中已有大量的研究提出了针对和、积计算的解决方案。这些方法往往侧重于理论上的隐私保护,而没有考虑到实际应用场景的环境因而缺少实用性。在实际应用环境中,参与计算的用户可能成千上万,而且个人计算平台的计算能力与存储能力有限,计算复杂度和通信复杂度不能太大;很多应用对计算结果的要求比较高,因此不能近似结果代替最终计算结果;可信第三方或可信中心在实际应用场景下难以存在,因此计算不能依赖这些客体。将这些环境因素考虑进去后,大多数现有方法(安全多方计算,同态加密算法以及其他同领域内的研究结果)都无法在现实生活中得到应用。因此,需要一种切合实际的方法来安全地计算多变量多项式。。

发明内容

(一)要解决的技术问题

本发明提供一种基于离散对数的数据和与积的计算方法,使得n名设备能够快速地并安全地共同计算出他们数据的和与积。

(二)技术方案

为解决上述技术问题,本发明提供一种基于离散对数的数据和与积的计算方法,该方法用于互相通信的n方设备的安全多方计算领域,包括:

基于指定安全参数κ生成相应的有限整数群并根据计算并公布使用的公钥,其中,p为比特长度为κ的质数;

对于n方设备中的设备i,基于所述及公钥,控制设备i计算加密时使用的和密钥与积密钥其中,1<=i<=n且i为正整数,n为设备的人数;

基于所述和密钥与积密钥控制设备i对数据分别进行和加密计算与积加密计算,得到和密文Ci,∑和积密文Ci,∏,并将所述和密文Ci,∑和积密文Ci,∏广播给他设备;

控制设备i接收其他设备的和密文与积密文,并对n方设备的和密文总和进行解密得到最终数据和,以及对n方设备的积密文总和进行解密得到最终数据积。

具体的,设备i通过以下步骤计算和密钥与积密钥

在所述与中选取两个随机数与分别生成和密钥参数和积密钥参数

将所述和密钥参数和积密钥参数均向设备i-1与设备i+1发送,并接收来自设备i-1的和密钥参数和积密钥参数以及接收来自设备i+1的和密钥参数和积密钥参数

通过以下公式分别计算和密钥以及积密钥

其中,与满足以下条件:

具体的,设备i对数据通过以下公式分别进行和加密计算与积加密计算:

其中,xi为设备i的数据。

具体的,设备i通过以下公式分别计算最终数据和以及最终数据积

Σi=1nxi=x-1modp2pmodp]]>

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201310507677.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top