[发明专利]一种隐私保护聚类方法及系统

权利要求书

1.一种隐私保护聚类方法，其特征是，包括如下步骤：

查询方获取待查询数据，对待查询数据进行同态加密，得到加密后的待查询数据，并获取第一中心服务器代理持有的训练集，初始化待查询数据的估计向量，发送至第一中心服务器；

每个数据持有方基于本地数据训练出的弱模型学习所述加密后的待查询数据，得到密文下的待查询数据对应的弱学习结果，并发送至第一中心服务器；

第一中心服务器初始化权重矩阵，基于所述权重矩阵和所述密文下的待查询数据对应的弱学习结果，联合第二中心服务器通过双中心代理交互，得到初始化聚合结果，并结合待查询数据的估计向量，对聚合结果进行迭代更新，将更新后的聚合结果发送至查询方；

查询方对聚合结果进行解密后，计算得到聚类查询结果。

2.如权利要求1所述的一种隐私保护聚类方法，其特征是，所述权重矩阵的计算方法为：

第一中心服务器将第一中心服务器代理持有的训练集去标签后发送至所有数据持有方；

每个数据持有方基于去标签后的第一中心服务器代理持有的训练集，得到第一中心服务器代理持有的训练集对应的弱学习结果，并发送至第一中心服务器；

第一中心服务器基于第一中心服务器代理持有的训练集对应的弱学习结果，计算得到权重矩阵。

3.如权利要求1所述的一种隐私保护聚类方法，其特征是，所述初始化待查询数据的估计向量的具体方法为：

基于第一中心服务器代理持有的训练集，计算每种标签下所有数据的期望值；

计算待查询数据与每种标签下所有数据的期望值的欧式距离，并经过归一化处理，得到初始化的待查询数据的估计向量。

4.如权利要求1所述的一种隐私保护聚类方法，其特征是，所述对聚合结果进行迭代更新的具体方法为：

在某一轮中，第一中心服务器基于上一轮的聚合结果以及待查询数据的估计向量，计算本轮的待查询数据的估计向量，并结合上一轮的权重矩阵，计算本轮的权重矩阵；

第一中心服务器和第二中心服务器，基于所述密文下的待查询数据对应的弱学习结果、上一轮的聚合结果和本轮的权重矩阵，通过双中心代理交互，得到本轮的聚合结果。

5.如权利要求1所述的一种隐私保护聚类方法，其特征是，所述双中心代理交互的具体步骤为：

第一中心服务器对于某一条密文下的待查询数据对应的弱学习结果，将其与所述权重矩阵相乘，得到第一乘积密文，并随机生成随机值，基于随机值和第一乘积密文，得到参考值和第二乘积密文，并发送至第二中心服务器；

第二中心服务器基于第二乘积密文和参考值，得到第一指数结果和第二指数结果，将第一指数结果和第二指数结果分别进行加密后，发送至第一中心服务器；

第一中心服务器基于加密后的第一指数结果和第二指数结果，得到第三指数结果的密文，并基于第三指数结果的密文，计算得到初始化聚合结果。

6.如权利要求6所述的一种隐私保护聚类方法，其特征是，所述第二乘积密文为随机数k的密文与第一乘积密文的乘积；所述参考值为e的随机值次方。

7.如权利要求6所述的一种隐私保护聚类方法，其特征是，所述参考值为e的随机值次方。

8.如权利要求6所述的一种隐私保护聚类方法，其特征是，所述第一指数结果计算方法为：采用私钥对第二乘积密文进行解密，得到解密值，并计算e的解密值次方，得到第一指数结果。

9.如权利要求6所述的一种隐私保护聚类方法，其特征是，所述第二指数结果计算方法为：采用第一指数结果除以所述参考值后，与1和参考值的差值相乘，得到第二指数结果。

10.一种隐私保护聚类系统，其特征是，包括查询方、第一中心服务器、第二中心服务器和若干个数据持有方；

所述查询方，用于获取待查询数据，对待查询数据进行同态加密，得到加密后的待查询数据，并获取第一中心服务器代理持有的训练集，初始化待查询数据的估计向量，发送至第一中心服务器；

所述数据持有方，用于基于本地数据训练出的弱模型学习所述加密后的待查询数据，得到密文下的待查询数据对应的弱学习结果，并发送至第一中心服务器；

所述第一中心服务器，用于初始化权重矩阵，基于所述权重矩阵和所述密文下的待查询数据对应的弱学习结果，联合所述第二中心服务器通过双中心代理交互，得到初始化聚合结果，并结合每个待查询数据的估计向量，对聚合结果进行迭代更新，将更新后的聚合结果发送至查询方；

所述查询方，还用于对聚合结果进行解密后，计算得到聚类查询结果。