[发明专利]轻量级隐私保护外包脑电信号特征提取方法

权利要求书

1.一种轻量级隐私保护外包脑电信号特征提取方法，其特征在于，包括以下步骤：

步骤S1：将每个脑电信号数据χ分割为两个随机的秘密共享χ′和χ″，并分别发送到不同的边缘服务器和进行存储；

步骤S2：边缘服务器采用隐私保护特征提取模型对脑电信号进行安全特征提取；之后，边缘服务器和返回密文特征给授权用户；

步骤S3：授权用户在本地对接收到的密文特征进行解密和重构以恢复明文脑电信号特征；

所述隐私保护特征提取模型包括脑电信号加密模块、安全空间滤波模块、安全特征提取模块和特征解密模块；

采用的安全外包计算协议包括：

隐私保护加法协议PPAdd：为隐私数据u和v的和运算，即f(u,v)＝u+v；设两台边缘服务器分别拥有隐私数据u和v的秘密分享u₁，v₁和u₂，v₂，且满足u＝u₁+u₂，v＝v₁+v₂，则边缘服务器和无需进行任何交互即可各自独立在本地计算出f₁＝u₁+v₁和f₂＝u₂+v₂；其中，f₁和f₂分别指代边缘服务器和的输出结果；

隐私保护乘法协议PPMul：当输入为隐私数据u和v的秘密分享u₁，v₁和u₂，v₂时，边缘服务器和输出满足f₁+f₂＝u·v的f₁和f₂：具体而言，可信第三方TTP首先生成三个随机数a,b,c，并计算d＝2ab-c，然后将a和c发送给将b和d发送给随后计算α₂＝u₂-b和β₂＝v₂-b并将α₂,β₂发送给生成随机数c′并计算w＝a(v₂-b)+a(u₂-b)+u₁v₁-c′，α₁＝u₁-a和β₁＝v₁-a，然后将w,α₁,β₁发送给最后和各自计算并输出f₁＝c+c′和f₂＝(u₁-a)v₂+(v₁-a)u₂+u₂v₂+w+d；

将PPMul计算协议拓展到域上，则获得隐私保护矩阵乘法计算协议PPMatMul；

隐私保护倒数计算协议PPRec：设边缘服务器拥有隐私数据u的秘密分享u_i时，可信第三方TTP随机生成一个随机数r并将其分割为两个秘密分享r₁和r₂，使其满足r＝r₁+r₂，接着TTP将秘密分享r₁和r₂分别发送给边缘服务器和一旦接收到r_i，计算s_i＝u_i+r_i，并将s_i发送给对方；接着，计算初始值并执行k次迭代：

首先，边缘服务器和协同计算：

接着，边缘服务器和独自计算：

然后，边缘服务器和协同计算并更新f₁^(k)和f₂^(k)为：

当迭代次数达到设定的上限值后，迭代停止，边缘服务器和分别输出f₁和f₂；

将PPRec计算协议拓展到域上，则获得隐私保护矩阵逆计算协议PPInv；

隐私保护平方根计算协议PPSqrt：

由可信第三方TTP生成PPMul协议所需要的随机数；

首先，协同计算：

然后，独自计算初始值：

之后执行k次迭代：

首先，协同计算：

然后，独自计算：

当迭代次数达到设定的上限值后，迭代停止，边缘服务器和分别输出f₁和f₂；

隐私保护标准差计算协议PPStdDev：

首先，由可信第三方TTP生成PPMul协议所需要的随机数；

之后，边缘服务器和通过调用PPAdd、PPMul和PPRec协议计算得到满足条件的f₁和f₂并输出f₁和f₂；

隐私保护幂法计算协议PPPow：

由可信第三方TTP生成PPMul和PPMatMul协议所需要的随机数和一个随机n维向量v，并将v随机分割为秘密共享v₁,v₂分别发送给边缘服务器和

首先，边缘服务器和通过多次调用PPAdd和PPMul协议计算得到：

接着，边缘服务器和协同计算：

(f⁽⁰⁾₁,f⁽⁰⁾₂)←PPMul(v₁,v₂,g₁,g₂)，

其中，f⁽⁰⁾₁,f⁽⁰⁾₂为初始值的秘密共享；

之后执行k次迭代：

首先，边缘服务器和协同计算：

(v^(k)₁,v^(k)₂)←PPMatMul(A₁,A₂,f^(k-1)₁,f^(k-1)₂)；

然后，边缘服务器和通过多次调用PPAdd和PPMul协议计算得到

接着，边缘服务器和协同计算；

当迭代次数达到设定阈值后，终止迭代，并输出f₁,f₂；

所述脑电信号加密模块利用加性秘密共享技术对信号数据x(t)进行加密，其中t表示时刻：内容拥有者生成一个与明文信号数据x(t)大小相同的随机信号z(t)，由此获得信号数据x(t)的秘密共享x(t)₁＝z(t)和x(t)₂＝x(t)-z(t)；

所述安全空间滤波模块的运行过程为：

设观测到的多通道脑电信号的线性生成模型为：

x_j(t)＝a_1,js(t)+a_2,jn(t),j＝1,2,...,N_c

其中N_c是通道数，a_1,j,a_2,j是将源信号映射到脑电信号的混合系数；是任务相关成分；是任务无关信号；

当边缘服务器接收到x^(h)(t)_i，首先计算第h_k次试验中第j_k个通道的均值,

h_k＝1,2,…,N_t,j_k＝1,2,…,N_c,

其中M(·)表示矩阵所有位置值的均值，x(t,a,b)表示x(t)的(a,b)位置的元素值，脑电信号的第h_k次试验和任务相关成分分别为x^(h)(t)和y^(h)(t)，其中N_t为试验总数，t∈[t_h,t_h+T]，T为每个试验的持续时间；

然后在密文域中，用x(t)的每个位置值都减去这个均值，即对于隐私数据和记二者分别为A_i和B_i，i∈{1,2}；

接着，使用PPMatMul计算协议，边缘服务器进行协同计算：

最后，边缘服务器计算并输出：

当获得x(t)₁和x(t)₂后，边缘服务器用相同的方法计算得到秘密共享Q_i，其中

接着，边缘服务器独立计算：

(Q^-1₁,Q^-1₂)＝PPInV(Q₁,Q₂)

然后，边缘服务器协同计算：

(Q^-1S₁,Q^-1S₂)＝PPMatMul(Q^-1₁,Q^-1₂,S₁,S₂)

最后，边缘服务器通过PPPow计算协议计算矩阵Q^-1S_i的特征值所对应的最大特征向量：

所述安全特征提取模块的运行过程为：

记隐私矩阵和为C_i和D_i，使用PPMatMul计算协议，边缘服务器协同计算：

然后，边缘服务器协同计算隐私协方差矩阵Cov(C,D)_i；最后，边缘服务器通过PPStdDev、PPMatMul和PPRec计算协议计算：

(p₁,p₂)＝PPRec(PPStdDeV(C₁,C₂))

(q₁,q₂)＝PPRec(PPStdDeV(D₁,D₂))

(pq₁,pq₂)＝PPMatMul(p₁,p₂,q₁,q₂)

(r₁,r₂)＝PPMatMul(Cov(C,D)₁,Cov(C,D)₂,pq₁,pq₂)；

所述特征解密模块中，边缘服务器将输出脑电信号特征φ的秘密共享，即输出密文r₁作为一个秘密共享φ′，输出密文r₂作为另一个秘密共享φ″。