[发明专利]经处理的数据的匿名生成和证明

说明书

本发明提供了经处理的数据的匿名生成和证明。本发明涉及一种用于提供经处理的数据的计算机实现的方法，该方法包括：由第一加密实体接收第一明文数据，第一明文数据包括数字矩阵；由第一加密实体确定加密密钥，加密密钥包括整数矩阵；由第一加密实体基于第一明文数据和加密密钥的矩阵乘法对第一明文数据进行同态加密，从而生成第一经加密的数据；由第一加密实体将第一经加密的数据发送至处理实体；由解密实体接收来自处理实体的经加密处理的数据，其中，经加密处理的数据基于第一经加密的数据；由解密实体基于经处理的数据与加密密钥的逆的矩阵乘法对经加密处理的数据进行解密，从而生成经处理的数据；以及由解密实体提供经处理的数据。

技术领域

本发明涉及经处理的数据的匿名生成和证明，具体地，涉及用于提供经处理的数据的计算机实现的方法、用于提供经处理的数据的提供系统、计算机程序以及计算机可读介质。

背景技术

发明人Shylashree Nagaraja隶属于RV工程学院电子与通信工程系，RV工程学院电子与通信工程系位于印度，班加罗尔(Bengaluru)–560059，RV Vidyaniketan邮政，迈索尔路(Mysuru Road)，第八英里(8th Mile)。

对于处理大量数据，例如对于训练机器学习算法，常见的方法是利用外部资源，特别是云计算资源。例如，训练数据集可以被存储在云存储装置中，并且机器学习算法可以由云计算处理器基于训练数据集进行训练。

然而，在资源提供者不应该访问训练数据的情况下，例如由于数据隐私规则，外部资源的使用可能会受到阻碍。特别地，对于包含受保护的健康信息(首字母缩略词是PHI)的医疗数据来说，这是一个问题。

用于处理外部资源处的医疗数据的常用方法是在外部资源内存储和/或处理之前对医疗数据进行匿名化(anonymizing)或假名化(pseudonymizing)。这种方法的缺点是可能无法实现：对数据进行完全匿名化或假名化而不丢失相关信息。例如，如果医学数据是基于计算机断层扫描或磁共振成像的医学成像数据集，则可以单独使用像素来识别相应的患者(例如，通过对数据进行体绘制(volume rendering)、重建患者的面部)。

另一种可能性是在外部资源内存储和/或处理数据之前对数据进行加密。然而，加密操作和机器学习算法的使用不一定互换(commute)，使得无法使用借助于经加密的数据(同义词是“密文”)训练的机器学习算法来得出关于未加密的数据(同义词是“明文”)的结论。

这个问题的潜在解决方案是对训练数据进行同态加密。同态加密是如下加密形式：它允许对密文进行计算，以生成经加密的结果，该经加密的结果在被解密时与运算的结果匹配，就好像它们是对明文执行的一样。众所周知的具有乘法同态特性的算法是RSA(“Rivest、Shamir、Adleman”的首字母缩略词)公钥加密算法。

然而，为了降低抵御攻击的脆弱性，同态加密方案在语义上应该是安全的，这一般地涉及对手不应该能够从密文中发现任何部分信息的事实。由于RSA以其原始形式是确定性的，因此它在语义上是不安全的。任何使其概率化的尝试都会破坏其同态属性(参见例如以下文献：C.Fontaine和F.Galand，“A Survey of Homomorphic Encryption forNonspecialists”，欧洲信号处理学会期刊之信息安全(EURASIP J.on Info.Security)013801(2007)，https://doi.org/10.1155/2007/13801)。

发明内容

本发明的根本问题是提供一种有效的同态加密方案，该方案可以被用于外部资源内的机器学习。该问题由本发明的技术方案解决。在本发明的技术方案和以下说明书中描述了有利的实施方式。