支持隐私保护的k近邻分类器

• 作者: 周福才 徐剑 毕猛 王安迪
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: kNN分类器 加密数据 隐私保护 同态加密 监督学习
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 3503-3517
• 页数: 15页
• 分类号: TP309
• 字数: 12771字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005573

摘要

k近邻(k-nearest neighbor,简称KNN)分类器在生物信息学、股票预测、网页分类以及鸢尾花分类预测等方面都有着广泛的应用.随着用户隐私保护意识的日益提高,kNN分类器也需要对密文数据提供分类支持,进而保证用户数据的隐私性,即设计一种支持隐私保护的k近邻分类器(privacy-preserving k-nearest neighbor classifier,简称PP-kNN).首先,对kNN分类器的操作进行分析,从中提取出一些基本操作,包括加法、乘法、比较、内积等.然后,选择两种同态加密方案和一种全同态加密方案对数据进行加密.在此基础上设计了针对基本操作的安全协议,其输出结果与在明文数据上执行同一方法的输出结果一致,且证明该协议在半诚实模型下是安全的.最后,通过将基本操作的安全协议进行模块化顺序组合的方式实现kNN分类器对密文数据处理的支持.通过实验,对所设计的PP-kNN分类器进行测试.结果表明,该分类器能够以较高效率实现对密文数据的分类,同时为用户数据提供隐私性保护.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毕猛	东北大学软件学院	10	34	3.0	5.0
3	周福才	东北大学软件学院	75	621	14.0	22.0
6	王安迪	东北大学软件学院	2	17	1.0	2.0