[发明专利]一种基于向量同态加密的隐私保护的线性SVM模型训练方法

权利要求书

1.一种基于向量同态加密的隐私保护的线性SVM模型训练方法，其特征在于，包括以下步骤：

步骤1：使用者采用基于向量的同态加密方案VHE对训练数据集进行加密，并将加密结果发送至服务器；

步骤2：服务器对加密结果进行计算，得到密文线性核函数矩阵并将密文线性核函数矩阵返回至使用者；

步骤3：使用者对密文线性核函数矩阵进行解密，得到明文线性核函数矩阵并将明文线性核函数矩阵发送至服务器；

步骤4：服务器采用密文SMO算法对明文线性核函数矩阵进行训练，并将训练结果返回至使用者；

所述步骤1包括以下步骤：

S1.1.初始化密钥矩阵S[S₁₁，...，S_wv]，w表示密钥矩阵S的行数，v表示密钥矩阵S的列数；

S1.2.通过密钥矩阵S对训练数据集X[x₁，...，x_t]加密得到密文数据集矩阵X_e，t表示训练数据集X中向量的个数；

S1.3.根据训练数据集X的转置矩阵G计算出密文转换矩阵M；

S1.4.将训练数据集X中每条数据的标签构成的数据标签向量y、密文数据集矩阵X_e和密文转换矩阵M发送至服务器；

所述步骤2的具体内容为：服务器根据密文数据集矩阵X_e和密文转换矩阵M计算出密文线性核函数矩阵K_e，并将密文线性核函数矩阵K_e发送给使用者；

所述步骤3的具体内容为：使用者利用密钥矩阵S对密文线性核函数矩阵K_e解密得到明文线性核函数矩阵K[K₁₁，...，K_mn]，并将明文线性核函数矩阵K发送至服务器；

所述步骤4包括以下步骤：

S4.1.初始化拉格朗日系数向量α(α₁，...，α_t)、偏移常数b和惩罚系数C；

S4.2.选取密文数据集矩阵X_e中的两个样本点(x_ei，y_i)和(x_ej，y_j)作为调整点，计算对应的误差值和其中，α_k表示拉格朗日系数向量α中第k个元素的值，y_k表示数据标签向量y中第k个元素的值，b表示偏移常数，K_ik代表明文线性核函数矩阵K第i行第k列的值，K_jk代表明文线性核函数矩阵K第j行第k列的值；S4.3.令待定收关元素计算和若则若则其中，和分别表示拉格朗日系数向量α中第i个元素和第j个元素的值，y_i和y_j分别表示数据标签向量y中第i个元素和第j个元素的值，C表示惩罚系数，E_i和E_j分别表示样本点(x_ei，y_i)和(x_ej，y_j)的误差值；

S4.4.将待定收关元素和分别替换向量α中第i个元素和第j个元素；

S4.5.令待定收关元素令收关偏移常数为b^new，计算第一待定值和第二待定值若则b^new＝b_i；若则b^new＝b_j；否则再将收关偏移常数b^new的值替换偏移常数b的值；其中，K_ii表示明文线性核函数矩阵K第i行第i列的值，K_ij表示明文线性核函数矩阵K第i行第j列的值，K_jj表示明文线性核函数矩阵K第j行第j列的值；

S4.6.判断密文数据集矩阵X_e所有数据样本点是否均满足KKT条件，若满足，则停止训练，则输出拉格朗日系数向量α和偏移常数b；否则转至步骤S4.1。