隐私保护机器学习关键技术研究

Machine learning is like a double-edged sword, which, although gradually pushes our society towards intelligence, brings to us the great thread of privacy leaks. From data form and thread model of data privacy during machine learning procedure, the proposal design security model of machine learning privacy, which provides judgement rule for encryption-based privacy preserving machine learning algorithms. Then, based on such security model, core calculations of machine learning algorithms are decomposed, followed by summarizing key techniques of machine learning privacy with secure multiparty computation protocols. With the research on existing secure multiparty computation protocols, we further studies homomorphic encryption with multiple keys in the framework of storage and computation outsourcing, as well as nonlinear calculation problem on ciphertext. As the result, concrete secure multiparty computation protocols are proposed, followed by proposing key privacy preserving techniques for ID3, K-means, SVM and neural networks. The innovativeness include solving nonlinear computation on ciphertext using linear approximation or equivariant map, and designing multi-key homomorphic encryption. This work will promote the development of homomorphic encryption, and provide privacy protection for machine learning.

机器学习像一把双刃剑，在推动社会走向高度智能化的同时，也使社会面临隐私泄漏的巨大威胁。本课题首先从机器学习过程中的数据形态和数据隐私威胁模型两个方面，构建机器学习隐私保护安全模型，为研究和设计隐私保护机器学习算法提供理论框架和安全评估依据；其次，课题分析归纳机器学习算法中的核心运算，并基于安全多方计算研究隐私保护机器学习核心算法；最后，针对多密钥密文运算问题和密文数据机器学习非线性运算问题，提出多参与方且存储计算外包框架下的多密钥同态加密算法和线性近似算法，解决隐私保护机器学习的关键技术问题，设计ID3、SVM和神经网络等隐私保护机器学习复杂算法。本课题创新性提出机器学习隐私保护安全模型，设计多密钥同态加密算法，采用线性近似等方法解决复杂机器学习中密文非线性计算问题。该课题的研究成果将促进隐私保护机器学习的理论研究和技术发展，具有一定的科学意义和应用价值。

本课题主要考虑在多参与方场景下的隐私保护机器学习技术。自项目立项以来，研究计划一直有序进行，研究内容包括：分析数据形态演变过程中的隐私威胁，构造隐私保护机器学习安全模型，为多参与方机器学习提供理论安全支撑；基于安全多方计算协议实现不同安全需求下的隐私保护机器学习算法，有效防范内部参与方的恶意隐私攻击；基于同态加密算法实现复杂运算模型下的隐私保护机器学习算法，实现了同态加密对于非线性运算的有效支持及同态密文间运算的高效封装。.在项目的支持下，发表SCI/EI论文11篇；申请国家发明专利5项，其中授权2项；申请并获得软件著作权1项。项目负责人荣获2022年度教育部高等学校科学研究优秀成果奖-科技进步二等奖1项（3/14），2021年深圳市科技进步二等奖1项（3/8）。

内容获取失败，请点击重试