支持隐私保护的高效单层感知机学习算法研究

发布时间：2021-02-09 07:17

　　随着社交网络的普及和移动设备的多样化,全球数据呈指数级增长。传统的数据存储和处理技术已不能满足现有的需求,云计算作为一种按需访问共享可配置计算资源的服务模式应运而生。同时,海量数据中包含了大量有价值的信息,利用机器学习技术从大数据仓库中提取有用的信息并建立智能决策支持模型已然成为一种趋势。越来越多资源受限的客户端以一种按需付费的方式将数据存储和复杂的计算任务外包给云服务器。然而,云服务器是不完全可信的,数据一旦上传将会造成所有权与管理权的分离。因此,存储在云服务器上的数据面临着极大的安全威胁。目前,云环境下保护训练数据和预测模型的隐私问题已经成为学术界和工业界的研究热点之一。在此背景下,本论文主要围绕广泛使用的单层感知机模型展开研究。现有的隐私保护单层感知机学习方案会泄露训练数据和预测模型的隐私,计算开销和通信开销过大,当特征维度发生变化时缺乏可扩展性。针对上述问题,本论文设计了一种云环境下支持隐私保护的高效单层感知机学习算法,相关研究成果已经被EI检索源刊Journal of High Speed Networks录用,并申请专利一项。本论文的主要贡献如下:1.本论文分析了Wang等... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 隐私保护机器学习算法
        1.2.2 隐私保护神经网络学习算法
    1.3 主要贡献及内容安排
第二章 预备知识
    2.1 密码学工具
        2.1.1 Paillier同态加密技术
        2.1.2 对称同态加密技术
    2.2 机器学习技术
        2.2.1 机器学习概念
        2.2.2 单层感知机学习算法
    2.3 本章小结
第三章 基于Paillier加密的单层感知机学习方案的安全性分析
    3.1 引言
    3.2 PSLP方案
        3.2.1 系统模型
        3.2.2 方案描述
    3.3 安全性分析
    3.4 本章小结
第四章 基于对称同态加密的单层感知机学习方案
    4.1 引言
    4.2 系统模型
    4.3 安全模型
    4.4 设计思路
    4.5 方案构造
        4.5.1 符号分类算法
        4.5.2 方案描述
    4.6 安全性分析
    4.7 效率分析
    4.8 本章小结
第五章 方案实现与性能分析
    5.1 方案实现
        5.1.1 环境配置
        5.1.2 关键算法描述
    5.2 性能评估
        5.2.1 效率评估
        5.2.2 准确率评估
    5.3 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 未来工作展望
参考文献
致谢
作者简介



本文编号：3025270