作為一種通過(guò)共享軟硬件資源為用戶(hù)提供按需服務(wù)的新型計(jì)算方式,云計(jì)算具有經(jīng)濟(jì)性、便捷性等優(yōu)勢(shì),得到了越來(lái)越多用戶(hù)的認(rèn)可。然而,為防止用戶(hù)數(shù)據(jù)直接暴露給云服務(wù)提供商,用戶(hù)往往會(huì)將數(shù)據(jù)以密文的形式上傳至云端服務(wù)器,由此就導(dǎo)致了傳統(tǒng)方法無(wú)法對(duì)密態(tài)數(shù)據(jù)進(jìn)行分類(lèi)、檢索等更進(jìn)一步的操作的問(wèn)題。從而,如何在保護(hù)數(shù)據(jù)隱私性的同時(shí),實(shí)現(xiàn)密文的高效計(jì)算,就成為了當(dāng)前隱私保護(hù)密文計(jì)算領(lǐng)域亟待解決的關(guān)鍵問(wèn)題。決策樹(shù)分類(lèi)算法作為分類(lèi)算法中的常用算法,其在對(duì)明文數(shù)據(jù)分類(lèi)時(shí)具有精度高、可擴(kuò)展性強(qiáng)以及可解釋性強(qiáng)等優(yōu)勢(shì),然而在對(duì)密態(tài)數(shù)據(jù)分類(lèi)時(shí),決策樹(shù)分類(lèi)算法存在著諸如抗數(shù)據(jù)擾動(dòng)能力較差、云端服務(wù)器訓(xùn)練模型無(wú)法完全適應(yīng)現(xiàn)實(shí)密態(tài)數(shù)據(jù)特性以及分類(lèi)精度下降明顯等問(wèn)題。針對(duì)以上問(wèn)題,本文提出了一種基于同態(tài)加密算法的隱私保護(hù)梯度提升決策樹(shù)近似分類(lèi)算法,以期實(shí)現(xiàn)云服務(wù)器對(duì)用戶(hù)密態(tài)數(shù)據(jù)更高精度、更強(qiáng)魯棒性的近似分類(lèi)。本文的主要工作包括:（1）針對(duì)同態(tài)加密無(wú)法直接對(duì)密文數(shù)據(jù)進(jìn)行決策樹(shù)分類(lèi)的問(wèn)題,基于同態(tài)加密算法的密文結(jié)構(gòu)是多項(xiàng)式的事實(shí),通過(guò)引入等價(jià)替代的思想,本文給出了將決策樹(shù)模型轉(zhuǎn)化為多項(xiàng)式的方法,并對(duì)其正確性給出嚴(yán)格的數(shù)學(xué)證明。同時(shí),... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于密文的計(jì)算服務(wù)

杭州電子科技大學(xué)碩士學(xué)位論文192.3隱私保護(hù)機(jī)器學(xué)習(xí)2.3.1一般框架圖2.1隱私保護(hù)機(jī)器學(xué)習(xí)的一般框架圖2.1展示的目前隱私保護(hù)機(jī)器學(xué)習(xí)的一般框架。首先，階段一將來(lái)自不同源頭的數(shù)據(jù)收集至一個(gè)統(tǒng)一的數(shù)據(jù)倉(cāng)庫(kù)，其中的數(shù)據(jù)以密文形式存儲(chǔ)。階段二是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的加密數(shù)據(jù)運(yùn)行隱私保護(hù)機(jī)器學(xué)習(xí)算法，最終挖掘出一些有價(jià)值的知識(shí)、規(guī)則和信息。此為隱私保護(hù)機(jī)器學(xué)習(xí)的一般過(guò)程。2.3.2決策樹(shù)分類(lèi)算法除諸如KNN等惰性學(xué)習(xí)算法沒(méi)有顯式訓(xùn)練過(guò)程以外，通常機(jī)器學(xué)習(xí)算法可分為訓(xùn)練過(guò)程和預(yù)測(cè)過(guò)程，其中預(yù)測(cè)過(guò)程是基于已有的訓(xùn)練數(shù)據(jù)來(lái)實(shí)現(xiàn)的。。形式化來(lái)講，給定個(gè)樣本，其中分別表示第個(gè)樣本實(shí)例及其對(duì)應(yīng)的類(lèi)別。中的每一個(gè)分量表示樣本在第個(gè)屬性上的取值。首先定義損失函數(shù)以衡量真實(shí)值與估計(jì)值之間的差距，然后通過(guò)不斷優(yōu)化整個(gè)樣本數(shù)據(jù)集上的損失函數(shù)來(lái)逼近真實(shí)值，最終得到模型。預(yù)測(cè)過(guò)程是使用已訓(xùn)練好的模型，預(yù)測(cè)未知類(lèi)別的樣本的真實(shí)值，模型最終輸出。只要模型的泛化性能足夠好（通俗來(lái)講，是指模型“舉一反三”的能力），有理由相信預(yù)測(cè)值十分接近于真實(shí)值。事實(shí)上，模型無(wú)需完美擬合訓(xùn)練集。采樣自真實(shí)世界的樣本帶有誤差，如統(tǒng)計(jì)誤差、測(cè)量誤差、觀測(cè)誤差等等，這些誤差不應(yīng)該被模型“學(xué)習(xí)”到。從而，機(jī)器學(xué)習(xí)上的密文計(jì)算（無(wú)論是密文訓(xùn)練還是密文預(yù)測(cè)），無(wú)需精確計(jì)算，近似的密文計(jì)算同樣是合乎實(shí)際的，有意義的。

杭州電子科技大學(xué)碩士學(xué)位論文24點(diǎn)中選擇一個(gè)，而不能同時(shí)選擇兩個(gè)，于是。對(duì)更一般的決策樹(shù)結(jié)構(gòu)，其轉(zhuǎn)換過(guò)程是一個(gè)遞歸過(guò)程，即樣本，其只能從當(dāng)前內(nèi)部節(jié)點(diǎn)的左、右子樹(shù)中選擇一個(gè)繼續(xù)進(jìn)行決策樹(shù)分類(lèi)過(guò)程，從而其更一般的結(jié)構(gòu)是：。圖3.1從決策樹(shù)到多項(xiàng)式的遞歸過(guò)程下面來(lái)考察一個(gè)更具體的例子。例1如圖3.1所示的決策樹(shù)，該樹(shù)有2個(gè)屬性，2個(gè)類(lèi)別，樹(shù)深度為2。依據(jù)定理1，其對(duì)應(yīng)的多項(xiàng)式是：于是，對(duì)于一個(gè)未知類(lèi)別的樣本，多項(xiàng)式計(jì)算過(guò)程如下：用自然語(yǔ)言表述的分類(lèi)過(guò)程如下：首先，樣本被分配到樹(shù)的根節(jié)點(diǎn)，由于,從而樣本被指派至左子樹(shù)（即沿著“Yes”分支），接著，由于，從而樣本被指派至右分支（即沿著“No”分支），此時(shí)樣本已到達(dá)葉節(jié)點(diǎn)，最終輸出，算法終止。

【參考文獻(xiàn)】：
期刊論文
[1]基于cuFHE的同態(tài)比較運(yùn)算器[J]. 劉文超,潘峰,楊曉元,周潭平,涂廣升.  計(jì)算機(jī)工程. 2019(09)
[2]密碼技術(shù)在5G安全中的應(yīng)用[J]. 鄭東,張應(yīng)輝.  信息安全與通信保密. 2019(01)
[3]支持浮點(diǎn)運(yùn)算的高效并行全同態(tài)加密算法[J]. 史經(jīng)啟,楊庚,孫彥珺,白雙杰,閔兆娥.  計(jì)算機(jī)科學(xué). 2018(05)
[4]基于抽象解密結(jié)構(gòu)的全同態(tài)加密構(gòu)造方法分析[J]. 宋新霞,陳智罡.  電子與信息學(xué)報(bào). 2018(07)
[5]一種高效的同態(tài)加密方案及其應(yīng)用[J]. 楊浩淼,金保隆,陳誠(chéng),吳新沿.  密碼學(xué)報(bào). 2017(06)
[6]全同態(tài)加密研究[J]. 李增鵬,馬春光,周紅生.  密碼學(xué)報(bào). 2017(06)
[7]基于同態(tài)加密的多關(guān)鍵詞檢索方案[J]. 向廣利,李安康,林香,熊彬.  計(jì)算機(jī)工程與應(yīng)用. 2018(02)
[8]同態(tài)加密的分布式K均值聚類(lèi)算法研究[J]. 姚禹丞,宋玲,鄂馳.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(02)
[9]基于全同態(tài)加密的決策樹(shù)構(gòu)造方法[J]. 周李威,王麗珍,張成君,朱玉全.  信息技術(shù). 2016(10)
[10]一個(gè)LWE上的短公鑰多位全同態(tài)加密方案[J]. 陳智罡,宋新霞,趙秀鳳.  計(jì)算機(jī)研究與發(fā)展. 2016(10)

博士論文
[1]基于格的全同態(tài)加密研究與設(shè)計(jì)[D]. 陳智罡.南京航空航天大學(xué) 2015

碩士論文
[1]基于同態(tài)加密的云存儲(chǔ)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 宋丹劼.北京郵電大學(xué) 2013



本文編號(hào)：3012947