基于双陷门同态加密的决策树分类模型

摘要：

决策树模型是一种简单易用且高效的分类器,在远程医疗、信用评估、文本分类等领域得到了广泛应用.分类服务提供者通常从客户端获取特征数据,将特征数据输入私有的分类模型,得到分类结果并返回客户端.为了保护客户端数据和决策树模型参数的隐私,文章基于双陷门同态加密技术提出一种安全高效的两方比较协议,并在此基础上设计了一种高效的隐私保护决策树分类模型.在阈值比较阶段,模型使用双陷门同态加密技术加密用户方的特征值和模型提供方的决策树阈值,并以判断两者差值正负的方式进行决策树评估.此外,模型简化了用户密钥管理流程,用户方仅需生成与存储部分公钥.安全性分析表明,该模型具有较高的隐私性.效率分析表明,该模型具有较低的计算开销.

关键词：机器学习、决策树、隐私保护、同态加密

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;国家自然科学基金;陕西省重点研发计划;青海省基础研究计划项目

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：9-17