[发明专利]基于深度卷积神经网络的云中保护外包数据隐私保护系统

说明书

本发明涉及一种基于深度卷积神经网络的云中保护外包数据隐私保护系统，其特征在于：所述系统由密钥生成中心、云平台、数据用户和CNN服务提供单元组成；所述密钥生成中心是系统中所有其他实体信任的实体，负责分发和管理数据用户或CNN服务提供商的所有密钥，以及云平台的所有引导密钥；所述云平台存储和管理从系统中注册方外包的加密数据，并提供计算能力对加密数据执行同态操作；所述CNN服务提供商为数据用户提供了所需的深度分类模型，决策结果反映数据用户的现状。本发明在没有隐私泄露的前提下，实现对数据的安全计算以及分类。

技术领域

本发明涉及一种基于深度卷积神经网络的云中保护外包数据隐私保护系统。

背景技术

随着我们日常生活(如云计算和智能可穿戴设备)的数字化程度的提高，数字 设备创造了越来越多的数据。例如，据估计，到2020年，数据量预计将达到40ZB， 即每人5247GB。然而，国际数据公司(I DC)进行的一项研究表明，目前只有小 部分(3％)的现有数字数据被标记并可被使用，只有0.5％的现有数据被用于分析。 这在一定程度上导致了对大数据分析和其他数据挖掘技术的日益关注和投资。

卷积神经网络(CNN)是一种深度人工神经网络(deep artificial neuralnetwork)，也是一种流行的数据挖掘技术，已经被应用于许多领域，如图像识别、 视频分析、自然语言处理、游戏等。它允许对大量数据进行半自动化或自动化分 析，以最小化人为干预。

然而，在使用CNN或任何其他分类器时都有实际的考虑。例如，患者可能 希望将他/她的个人医疗影像存储到云。然而，我们如何确保病人的个人数据安全？此外，医疗服务提供商也可能希望使用云服务器存储他们使用的分类器。因 为分类器可能是特定的医疗服务提供商的财产，我们如何确保分类器免受未经授权的披露？数据加密是一种潜在的解决方案，但这带来了另一个挑战。我们如何在加密域上执行CNN分类器？

为了支持CNN对外包数据的分类和其他分析任务，云服务器需要支持一些 基本的常用算术运算(例如比较运算和乘法运算)。由于数据以密文的形式存储在 云中，因此需要对加密数据执行这些基本的算术操作，而不损害原始数据的隐私。 在外包的云环境中，有许多设计好的框架用于处理加密数据。然而，现有的框架 通常需要额外的服务器来提供安全计算所需的解密能力，或者在用户和云之间进 行多轮通信。这增加了数据泄漏的风险或增加了客户的能源/电力消耗。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度卷积神经网络的云中保护外 包数据隐私保护系统，在没有隐私泄露的前提下，实现对数据的安全计算以及分 类。

为实现上述目的，本发明采用如下技术方案：

一种基于深度卷积神经网络的云中保护外包数据隐私保护系统，所述系统由 密钥生成中心、云平台、数据用户和CNN服务提供单元组成；所述密钥生成中心 是系统中所有其他实体信任的实体，负责分发和管理数据用户或CNN服务提供商 的所有密钥，以及云平台的所有引导密钥；所述云平台存储和管理从系统中注册 方外包的加密数据，并提供计算能力对加密数据执行同态操作；所述CNN服务提 供商为数据用户提供了所需的深度CNN分类模型，决策结果反映数据用户的现 状。

基于深度卷积神经网络的云中保护外包数据隐私保护方法，包括以下步骤：

步骤S1：数据用户将加密数据通过云平台传送至CNN服务提供单元：

步骤S2：CNN服务提供单元对加密数据进行处理后，输出密文结果并存储于 云平台。

进一步的，所述步骤S2具体为：

步骤S21:对加密数据的格式进行转换,得到转换后的加密数据；

步骤S22:转换后的加密数据依次经过卷积神经网络的卷积层、池化层和ReLU 函数处理；