面向征信数据安全共享的SVM训练机制

• 作者: 沈蒙 张杰 祝烈煌 徐恪 张开翔 李辉忠 唐湘云
• 来源期刊: 计算机学报
• 关键词: 联盟链 征信数据 支持向量机 隐私保护 同态加密
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 安全、隐私、区块链与信息隐藏
• 页码范围: 696-708
• 页数: 13页
• 分类号: TP309
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2021.00696

摘要

在征信行业中,征信数据的丰富性和多样性对信用评价极为重要.然而,征信机构尤其是小型征信机构拥有的征信数据存在内容不完整、种类不全、数量不充足等问题.同时由于征信数据价值高、隐私性强、易被非授权复制,征信机构之间难以直接共享数据.针对这一问题,本文提出了面向征信数据安全共享的SVM训练机制.首先共享数据经同态加密后存储在区块链上,保证数据不可篡改以及隐私安全.其次使用基于安全多方计算的支持向量机(SVM)在共享的加密数据上进行运算,保证在不泄露原始数据的条件下,训练信用评价模型.最后,通过真实数据集上的实验对本文所提出机制的可用性和性能进行验证.实验结果显示,相比于基于明文数据集训练出的模型,本文提出的机制在可接受时间内训练出的模型无准确率损失.同时,与其他同类隐私训练方案相比,本机制在实验数据集上的计算耗时小于对比实验的5％,且无需可信第三方协助计算.