软件学报

作者：徐剑,王安迪,毕猛,周福才

单位：徐剑，东北大学 软件学院, 辽宁 沈阳 110169;信息安全国家重点实验室(中国科学院 信息工程研究所), 北京 10009311,王安迪，东北大学 软件学院, 辽宁 沈阳 11016902,毕猛，东北大学 软件学院, 辽宁 沈阳 110169;沈阳工业大学, 辽宁 沈阳 11002303,周福才，东北大学 软件学院, 辽宁 沈阳 11016904

关键词：kNN分类器;加密数据;隐私保护;同态加密;监督学习

基金：国家自然科学基金（61872069）；中央高校基本科研业务费专项资金（N171704005，N181704004）；沈阳市科技计划（18-013-0-01）

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.

来源：2019年第11期

《软件学报》期刊编辑部

查看软件学报杂志2019年第11期