在人工智能領(lǐng)域,隨著數(shù)據(jù)量和計算量的急劇增加,機器學習的計算模式出現(xiàn)了由集中式向分布式計算擴展的趨勢。分布式機器學習環(huán)境下,數(shù)據(jù)安全和隱私保護是數(shù)據(jù)所有者和計算服務提供商都很關(guān)注的重要問題。同態(tài)加密技術(shù)因為其具備可證明安全性且支持密文計算,成為實現(xiàn)安全分布式機器學習的主要技術(shù)之一,引起廣泛研究和應用。本文將BGV（Brakerski-Gentry-Vaikuntanathan）同態(tài)加密方案應用于機器學習中的模型參數(shù)加密,設(shè)計并開發(fā)了可以實現(xiàn)隱私保護的分布式機器學習平臺,稱為隱私保護下的聯(lián)合機器學習平臺。完成的主要工作包括:（1）研究了BGV方案的設(shè)計思路和算法流程,分析了BGV的實現(xiàn)庫——HElib的層次結(jié)構(gòu)及關(guān)鍵類與關(guān)鍵方法的設(shè)計;研究了線性判別（Linear Discriminant）和線性回歸（Linear Regression）的模型定義及算法思想,分析了機器學習庫Shark中訓練任務的執(zhí)行流程。（2）研究了一般化分布式機器學習平臺的結(jié)構(gòu),分析了分布式機器學習環(huán)境下隱私保護的具體工作;研究了隱私保護下分布式機器學習系統(tǒng)的結(jié)構(gòu)設(shè)計及工作機制,分析了隱私保護在分布式機器學習系統(tǒng)中的... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 問題的提出及研究意義
        1.1.1 問題的提出
        1.1.2 問題的意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 同態(tài)加密的研究現(xiàn)狀
        1.2.2 分布式機器學習的研究現(xiàn)狀
    1.3 本文研究的目的和研究內(nèi)容
        1.3.1 本文研究的目的
        1.3.2 本文研究的主要內(nèi)容
    1.4 論文章節(jié)安排
2 相關(guān)理論
    2.1 同態(tài)加密方案
        2.1.1 BGV方案的設(shè)計思路
        2.1.2 BGV方案的算法流程
    2.2 HElib同態(tài)加密軟件庫
        2.2.1 HElib庫的組成結(jié)構(gòu)
        2.2.2 HElib庫的結(jié)構(gòu)層次
    2.3 兩個機器學習算法與Shark機器學習庫
        2.3.1 線性回歸與線性判別
        2.3.2 Shark機器學習庫
    2.4 本章小結(jié)
3 聯(lián)合機器學習平臺體系結(jié)構(gòu)的研究
    3.1 一般化分布式機器學習平臺的結(jié)構(gòu)
    3.2 隱私保護下分布式機器學習系統(tǒng)
        3.2.1 分布式機器學習中的隱私
        3.2.2 基于差分隱私的深度學習系統(tǒng)
        3.2.3 基于加法同態(tài)的深度學習系統(tǒng)
    3.3 隱私保護下聯(lián)合機器學習平臺
        3.3.1 隱私保護下聯(lián)合機器學習
        3.3.2 隱私保護下聯(lián)合機器學習的應用場景
        3.3.3 隱私保護下聯(lián)合機器學習的設(shè)計思路
    3.4 本章小結(jié)
4 聯(lián)合機器學習平臺的設(shè)計
    4.1 平臺架構(gòu)設(shè)計
    4.2 平臺結(jié)構(gòu)設(shè)計
    4.3 平臺功能設(shè)計
        4.3.1 數(shù)據(jù)融合
        4.3.2 參數(shù)交換
        4.3.3 加密解密
        4.3.4 編碼解碼
        4.3.5 本地訓練
    4.4 本章小結(jié)
5 聯(lián)合機器學習平臺的實現(xiàn)
    5.1 平臺密鑰生成及導出
        5.1.1 方案參數(shù)設(shè)計
        5.1.2 密鑰生成
        5.1.3 密鑰導出
    5.2 客戶端的實現(xiàn)
        5.2.1 客戶端密鑰導入
        5.2.2 本地訓練及測試
        5.2.3 參數(shù)編碼與解碼
        5.2.4 參數(shù)加密與解密
        5.2.5 參數(shù)上傳與下載
    5.3 服務器端的實現(xiàn)
        5.3.1 服務器端密鑰導入
        5.3.2 數(shù)據(jù)融合
    5.4 基于兩類機器學習算法的系統(tǒng)實現(xiàn)
        5.4.1 基于線性判別算法的系統(tǒng)實現(xiàn)
        5.4.2 基于線性回歸算法的系統(tǒng)實現(xiàn)
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 主要結(jié)論
    6.2 后續(xù)研究工作的展望
參考文獻
附錄
    A 作者在攻讀學位期間取得的科研成果目錄
    B 學位論文數(shù)據(jù)集
致謝


【參考文獻】：
期刊論文
[1]全同態(tài)加密研究動態(tài)及其應用概述[J]. 劉明潔,王安.  計算機研究與發(fā)展. 2014(12)
[2]全同態(tài)加密研究[J]. 陳智罡,王箭,宋新霞.  計算機應用研究. 2014(06)



本文編號：3184484