可验证的隐私保护k-means聚类方案

• 作者: 张恩 李会敏 常键
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: k-means聚类 云外包 安全多方计算 隐私保护 可验证性
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 网络空间安全
• 页码范围: 413-421
• 页数: 9页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020060766

摘要

针对现有云外包隐私保护k-means聚类方案存在的效率不高,以及当云服务器不可信或遭受黑客攻击时返回不合理聚类结果的问题,提出了一种可应用于多方隐私保护场景的云外包可验证隐私保护k-means聚类方案.首先,提出了一种适用于云外包场景的改进的聚类初始化方法,从而有效提高算法的迭代效率;然后,利用乘法三元组技术来设计安全欧几里得距离的计算,并利用混淆电路技术来设计安全计算最小值算法;最后,提出了一种验证算法,使用户仅需一轮通信就实现对聚类结果的验证,并且数据外包后算法的训练完全在云上进行,能够有效减少用户和云的交互.仿真实验表明,所提方案在数据集Synthetic和S1上的准确度分别达到97％和93％,说明隐私保护下的k-means聚类和明文k-means聚类的情况近似,适用于医疗、社会科学和商业等领域.