基于安全两方计算的具有隐私性的回归算法

摘要：

为了确保模型的精确度,传统机器学习算法需要收集大量的原始数据进行模型训练,但这容易造成隐私泄露.为此,文章使用加法秘密共享方案在两个非共谋半诚实服务器进行安全两方计算,给出了具有隐私性的线性回归算法.考虑到sigmoid函数不利于进行安全两方计算,因此使用它的泰勒逼近形式,并结合线性回归算法给出了具有隐私性的Logistic回归算法.这两种算法都可以同时实现原始数据和模型参数的隐私保护.

关键词：安全两方计算、秘密共享、隐私保护、回归模型

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61772147;广东省自然科学基金基础研究重大项目2015A030308016;广东省教育厅科研团队项目2015KCXTD014;广州市教育局协同创新重大项目1201610005;国家密码发展基金MMJJ20170117

在线出版日期：2018-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10-16