CN114614970A - 一种基于多计算方和同态加密的隐私数据安全处理方法 - Google Patents

Abstract

本发明公开了一种基于多计算方和同态加密的隐私数据安全处理方法，采用至少一个数据提供端和至少三个数据计算端，包括以下步骤：数据提供端生成密钥、计算参数和缩小参数，采用预设的同态加密方法对原始对象数据进行加密和拆分处理，得到加密后的对象数据，将加密后的对象数据、计算参数和计算多项式分配给多个数据计算端；数据计算端接收数据提供端发送到数据、计算参数和计算指令，根据数据计算端发送的数据请求、计算参数对数据提供端发送来的加密后的对象数据进行计算，得到计算后的加密对象数据，多个数据计算端将计算后的加密对象数据发送给数据提供端；数据提供端使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果。

Description

一种基于多计算方和同态加密的隐私数据安全处理方法

技术领域

本发明涉及隐私计算技术领域，尤其涉及一种基于多计算方和同态加密的隐私数据安全处理方法。

背景技术

国家正采取强有力的措施，加大对信息安全、网络空间安全、隐私安全的保护力度。因此，能有效保证包含大量敏感信息的数据在云服务器端被安全处理的隐私计算技术成为了重要的研究方向。

隐私计算是参与方一般为两个或两个实体组成的多方联合计算的技术和系统，参与方可以在无需泄露任何各自隐私数据的前提下，通过一定的密码学等技术，实现对各方隐私数据进行联合计算和分析。在隐私计算的整个体系架构中，最重要的是各个参与方的原始数据不出本地，只依靠密文数据进行计算，从而实现多源数据在隐私安全的前提下实现跨域联合计算、分析以及建模，可以有效解决数据孤岛问题，从而解决由于数据敏感而造成的数据融合难的问题。

然而，在多计算方隐私计算情景下，数据交互量大，同时不支持浮点数运算，导致隐私计算效率低下。

发明内容

本发明为了解决上述技术问题，提供一种基于多计算方和同态加密的隐私数据安全处理方法，解决多计算方隐私计算情景下数据交互量大和不支持浮点数运算的问题，并提高隐私计算效率。

为了实现上述目的，本发明提供如下技术方案：

本发明提供的一种基于多计算方和同态加密的隐私数据安全处理方法，采用至少一个数据提供端和至少三个数据计算端，包括以下步骤：

S1、数据提供端生成密钥、计算参数和缩小参数，采用预设的同态加密方法对原始对象数据进行加密和拆分处理，得到加密后的对象数据，将加密后的对象数据、计算参数和计算多项式分配给多个数据计算端；

S2、数据计算端接收数据提供端发送到数据、计算参数和计算指令，根据数据计算端发送的数据请求、计算参数对数据提供端发送来的加密后的对象数据进行计算，得到计算后的加密对象数据，多个数据计算端将计算后的加密对象数据发送给数据提供端；

S3、数据提供端使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果。

进一步地，步骤S1中生成密钥为K，密钥K为对原始数据放大的倍数， K为正整数。

进一步地，步骤S1中计算参数为B，数据计算端的个数为n， B＝{B₁，B₂，...，B_n}，其中B₁＝{b₁，b₂，...，b_i}，B₂＝{b_i+1，b_i+2，...，b_j}，...， B_n＝{b_k，b_k+1，b_m}，且{b₁，b₂，...，b_m}全部为素数，B₁由数据提供端分发给数据计算端1，B₂由数据提供端分发给数据计算端2，...，B_n由数据提供端分发给数据计算端n。

进一步地，步骤S1中缩小参数为P，数据计算端的个数为n， P＝{P₁，P₂，...，P_n}，其中P₁＝{p₁，p₂，...，p_i}，P₂＝{p_i+1，p_i+2，...，p_j}，...， P_n＝{p_k，p_k+1，p_m}，且{p₁，p₂，...，p_m}彼此互为素数，P₁由数据提供端分发给数据计算端1，P₂由数据提供端分发给数据计算端2，...，P_n由数据提供端分发给数据计算端n。其中p_i是K模b_i意义下的逆元，即

进一步地，步骤S1中加密方法Enc()为：X′＝Enc(X，B，K)＝ {X′₁，X′₂，...，X′_n}，

其中 mod为取模运算。

进一步地，步骤S1中数据提供端将加密后的数据X′₁、计算参数B₁、计算多项式F()和缩小参数P₁，分配给数据计算端1，数据提供端将加密后的数据X′₂、计算参数B₂和计算多项式F()和缩小参数P₂，分配给数据计算端 2，...，数据提供端将加密后的数据X′_n、计算参数B_n、计算多项式F()和缩小参数P_n分配给数据计算端n。

进一步地，步骤S1中的计算多项式F()由加、减、乘、除四种运算中的一种或多种组成，每个数据计算端得到的计算多项式F()相同。

进一步地，步骤S2中每个数据计算端的计算结果为D＝{D₁，D₂，...，D_n}，多个数据计算端将计算后的加密对象数据分别发送给每个数据提供端。

进一步地，步骤S3中，使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果T，

d_i根据加密对象数据D₁、D₂、...、D_n获得，

B_i＝B_s/b_i，

是B_i在

中的乘法逆元，

本发明的原理在于：

(a)本发明的各个数据计算方之间无需任何数据交互即可完成离线数据计算的原理为：传统的安全多方计算时基于秘密复制的，是将原始数据 x分解成x₁、x₂、...、x_n(x＝x₁+x₂+...+x_n)，数据计算端的个数为3为例，三方中每一方都被给予其中的两份，由于其秘密分享的不加密特性，需要引入参数r来保证秘密不泄露，因此每一次乘法计算都需要共享r来保证计算结果的正确性和隐私性，而本发明采取同态加密方式，在加密后的对象数据上进行的计算在经过一定数据变换后等同于在原始对象数据上进行的计算，该方法已经能够满足安全性需求，因此无须再引入其他参数，因此本发明的各个数据计算方之间无需任何数据交互即可完成离线数据计算。

(b)本发明中数据计算方在加密后的对象数据上进行的计算在经过一定数据变换后等同于在原始对象数据上进行的计算的原始时：本发明的加密方法具有同态性质，即加同态E(X)+E(Y)＝E(X+Y)和乘同态 E(X)E(Y)＝E(XY)，同态的性质保证了数据计算方在对加密后的对象数据进行的计算操作后得到加密后的计算结果，该数据经过一定数据变换等价于在原始对象数据上进行的数据，因此本发明中数据计算方在加密后的对象数据上进行的计算在经过一定数据变换后等同于在原始对象数据上进行的计算。

(c)本发明能够支持浮点数运算的原理是：安全多方计算技术(如3PC) 只适用于环上的计算，而机器学习计算中往往都是在十进制数下进行运算，本发明把十进制数(有小数)放大成整数，但是这种方法在计算浮点数乘法时会失效，随机梯度下降会进行上百万次的连续乘法，需要找到一个能够满足计算的模来解决问题是困难的，因此在每一次乘法计算操作之后都使用缩小参数来对数据等比例缩小，有效防止数据越界，因此本发明能够支持浮点数运算。

与现有技术相比，本发明的有益效果为：

本发明的基于多计算方和同态加密的隐私数据安全处理方法，数据提供方依据同态加密算法，将数据秘密的拆分成多份，分配给不同的数据计算方，由于同态的性质，在单份上的数据计算等价于在原始数据上的数据计算，因此实现多个数据计算端在不获取原始信息的情况下对原始数据进行隐私保护处理。整个技术方案中，计算数据计算端虽然不能得到原始数据，但本发明的加密算法具有全同态的性质，实现了对原始对象数据的操作，在整个计算过程中，数据计算端之间无需任何数据交互即可完成整个计算过程，数据计算端在做连续乘法时可以根据数据提供端发送来的缩小参数实现本地缩小操作，防止数据越界。本发明的方法很容易通过软件实现，且由于该方法支持浮点数运算和数据缩小和数据防越界的特性，可以广泛推广至需要隐私保护的机器学习、人工智能、深度学习、电子拍卖、数据可信互联互通等领域，具有广泛的应用场景和使用需求。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明基于多计算方和同态加密的隐私数据安全处理方法的流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

由于敏感数据需要在不暴露隐私的前提下依据多项式计算结果，为了适应敏感数据的安全计算，本发明实例提供了一种基于多计算方和同态加密的隐私数据安全处理方法，如图1所示，包括以下步骤：

S101：数据提供端，生成密钥、计算参数和缩小参数，采用预设的同态加密方法对原始对象数据进行加密和拆分处理，得到加密后的对象数据；

S102：数据提供端，将加密后的对象数据、计算参数和计算多项式分配给多个数据计算端；

S103：数据计算端，接收数据提供端发送到数据、计算参数和计算指令，根据数据计算端发送的数据请求、计算参数对数据提供端发送来的加密后的对象数据进行计算，得到计算后的加密对象数据；

S104：多个数据计算端将计算后的加密对象数据发送给数据提供端；

S105：数据提供端使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果。

整个技术方案中，计算数据计算端虽然不能得到原始数据，但本发明的加密算法具有全同态的性质，实现了对原始对象数据的操作，在整个计算过程中，数据计算端之间无需任何数据交互即可完成整个计算过程，数据计算端在做连续乘法时可以根据数据提供端发送来的缩小参数实现本地缩小操作，防止数据越界。

下面结合具体实施方式对本发明做进一步详细的说明。

S101：上述数据提供端，将原始对象数据加密成加密后的对象数据。

具体地，数据提供端的个数大于等于1，数据计算端的个数大于等于3。下面以数据提供端的个数为1，数据计算端的个数为3为例。

原始对象数据为X，该数据可以为整型数据或浮点型数据，原始数据对象可以有单个和多个，后续步骤以单个数据加密为例。

生成密钥为K，密钥K为对原始数据放大的倍数，K∈N^*，即K为正整数。

计算参数为B，B＝{B₁，B₂，B₃}，其中B₁＝{b₁，b₂，b₃}，B₂＝{b₄，b₅，b₆}， B₃＝{b₇，b₈，b₉}，且{b₁，b₂，b₃，b₄，b₅，b₆，b₇，b₈，b₉}彼此互为素数，即任何两个元素之间的最大公约数为1，B₁由数据提供端分发给数据计算端1，B₂由数据提供端分发给数据计算端2，B₃由数据提供端分发给数据计算端3。计算参数为B有三个元素的原因是本实施例中以3为例，如果约定的实施例中数据计算端对个数为4、5或更多，可灵活更改计算参数B中元素的个数，其他大于等于3个的数据计算端仍然为本发明的保护范围。

与计算参数类似，缩小参数为P，P＝{P₁，P₂，P₃}，P₁＝{p₁，p₂，p₃}， P₂＝{p₄，p₅，p₆}，P₃＝{p₇，p₈，p₉}，其中

设置缩小参数的目的是防止数据越界，由于每一个原始对象数据加密成加密后的对象数据都放大了K倍，如果对多个加密对象进行连续乘法，则数据放大到倍数则会指数增大，直到最后超过计算机整型数据所能支持的最大数据，如：随机梯度下降会进行上百万次的连续乘法，因此缩小参数是保障加密后的对象数据精准计算的前提下防止数据由于过大而造成的数据越界导致计算结果错误。另外，与计算参数类似，缩小参数P＝{P₁，P₂，P₃}有三个元素的原因是本实施例中以3为例，如果约定的实施例中数据计算端对个数为4、5或更多，可灵活更改计算参数P中元素的个数，其他大于等于3个的数据计算端仍然为本发明的保护范围。

加密方法Enc()为：X′＝Enc(X，B，K)＝{X′₁，X′₂，X′₃}，

其中mod为取模运算，即计算余数。

加密后的对象数据为X′＝{X′₁，X′₂，X′₃}，即后续步骤的加密结果，X′₁由数据提供端分发给数据计算端1，X′₂由数据提供端分发给数据计算端2，X′₃由数据提供端分发给数据计算端3。

S102：数据计算端将加密后的对象数据、计算参数和缩小参数分配给多个数据计算端。

数据计算端将加密后的对象数据、计算参数和计算多项式F()分配给多个数据计算端，具体为：数据提供端将加密后的数据X′₁、计算参数B₁、计算多项式F()和缩小参数P1，分配给数据计算端1，数据提供端将加密后的数据X′₂、计算参数B₂和计算多项式F()和缩小参数P₂，分配给数据计算端2，数据提供端将加密后的数据X′₃、计算参数B₃、计算多项式F()和缩小参数P₃分配给数据计算端3。

其中，计算多项式可以F()由加、减、乘、除四种运算组成，该多项式由数据计算端提供。

S103：根据数据计算端发送的数据请求、计算参数和缩小参数对加密后的对象数据进行计算。

具体地，多个数据计算端依据计算多项式F()处理X′等价于处理原始对象数据X的原因是：本发明提出的加密方法Enc()满足加法同态和乘法同态，是一种全同态加密方法，即加同态：E(X)+E(Y)＝E(X+Y)、乘同态：E(X)E(Y)＝E(XY)，Dec(F(X′))＝F(X)，其中Dec为步骤(5)中的解密操作，每个数据计算端得到的计算多项式F()相同。

另外，在做加密后的对象数据之间的乘法时，为了防止数据越界，需要在每一次加密后的对象数据之间的乘法之后加上数据缩小操作，如数据计算端1计算缩小后的X′₁×Y′₁的方法为

每个数据计算端的计算结果为D＝{D₁，D₂，D₃}，即数据计算端1的计算后的加密对象数据D₁＝{d₁，d₂，d₃}，数据计算端2的计算后的加密对象数据D₂＝{d₄，d₅，d₆}，数据计算端3的计算后的加密对象数据D₃＝{d₇，d₈，d₉}。

S104：将计算后的加密对象数据发送给数据提供端。

具体地，多个数据计算端将计算后的加密对象数据发送给数据提供端，即数据计算端1将计算后的加密对象数据D₁、计算端2将计算后的加密对象数据D₂、计算端3将计算后的加密对象数据D₃发送给数据提供端。

S105：数据提供端根据密钥采用预设的同态解密方法对计算后的加密对象数据采取解密处理，得到解密后的对象计算结果。

具体地，使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果T，具体为：

d_i根据加密对象数据D₁、D₂、D₃获得，

B_i＝B_s/b_i，

是B_i在

中的乘法逆元

本发明与现有的技术相比，其优势在于：

(1)本发明的各个数据计算方之间无需任何数据交互即可完成离线数据计算，而传统的多数据计算方在进行数据计算时需要大量的数据交互。

(2)本发明数据计算效率高，本发明由于各个数据计算方之间无需任何数据交互的特性，极大地提升了数据计算效率，传统的安全多方计算算法需要极大的数据交互来支撑，很难满足实时性要求，本发明提出离线计算的概念，有效保证数据计算的实时性需求。

(3)本发明提出一种基于多计算方和同态加密的隐私数据安全处理方法简单，易于实现。

(4)本发明安全性强，计算安全参数适用于底层的密码学协议是依赖数学困难问题(NP，nondeterministic polynomial problem)，那么计算安全参数[κ]就对应需要进行O(2的n次方)次计算。更大的[κ]也就对应了所需要计算的次数更大，在本发明中κ＝128，λ＝40，因此安全性强于AES 对称加密体制，能够有效抵抗各类攻击。

(5)本发明能够支持浮点数运算，本发明提出的缩小参数能够有效防止几百万次乘法操作后的数据越界问题，有效保证数据计算端计算的准确性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、电子设备实施例、计算机可读存储介质实施例和计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特殊进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，采用至少一个数据提供端和至少三个数据计算端，包括以下步骤：

S1、数据提供端生成密钥、计算参数和缩小参数，采用预设的同态加密方法对原始对象数据进行加密和拆分处理，得到加密后的对象数据，将加密后的对象数据、计算参数和计算多项式分配给多个数据计算端；

S2、数据计算端接收数据提供端发送到数据、计算参数和计算指令，根据数据计算端发送的数据请求、计算参数对数据提供端发送来的加密后的对象数据进行计算，得到计算后的加密对象数据，多个数据计算端将计算后的加密对象数据发送给数据提供端；

S3、数据提供端使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果。

2.根据权利要求1所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S1中原始对象数据为整型数据或浮点型数据，原始数据对象为单个或多个。

3.根据权利要求1所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S1中生成密钥为K，密钥K为对原始数据放大的倍数，K为正整数。

4.根据权利要求1所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S1中计算参数为B，数据计算端的个数为n，B＝{B₁，B₂，...，B_n}，其中B₁＝{b₁，b₂，...，b_i}，B₂＝{b_i+1，b_i+2，...，b_j}，...，B_n＝{b_k，b_k+1，b_m}，且{b₁，b₂，...，b_m}全部为素数，B₁由数据提供端分发给数据计算端1，B₂由数据提供端分发给数据计算端2，...，B_n由数据提供端分发给数据计算端n。

5.根据权利要求4所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S1中缩小参数为P，数据计算端的个数为n，P＝{P₁，P₂，...，P_n}，其中P₁＝{p₁，p₂，...，p_i}，P₂＝{p_i+1，p_i+2，...，p_j}，...，P_n＝{p_k，p_k+1，p_m}，且{p₁，p₂，...，p_m}彼此互为素数，P₁由数据提供端分发给数据计算端1，P₂由数据提供端分发给数据计算端2，...，P_n由数据提供端分发给数据计算端n。其中p_i是K模b_i意义下的逆元，即

6.根据权利要求5所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S1中加密方法Enc()为：X′＝Enc(X，B，K)＝{X′₁，X′₂，...，X′_n}，

其中mod为取模运算。

7.根据权利要求6所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S1中数据提供端将加密后的数据X′₁、计算参数B₁、计算多项式F()和缩小参数P₁，分配给数据计算端1，数据提供端将加密后的数据X′₂、计算参数B₂和计算多项式F()和缩小参数P₂，分配给数据计算端2，...，数据提供端将加密后的数据X′_n、计算参数B_n、计算多项式F()和缩小参数P_n分配给数据计算端n。

8.根据权利要求1所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S1中的计算多项式F()由加、减、乘、除四种运算中的一种或多种组成，每个数据计算端得到的计算多项式F()相同。

9.根据权利要求1所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S2中每个数据计算端的计算结果为D＝{D₁，D₂，...，D_n}，多个数据计算端将计算后的加密对象数据分别发送给每个数据提供端。

10.根据权利要求1所述的基于多计算方和同态加密的隐私数据安全处理方法，其特征在于，步骤S3中，使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果T，

d_i根据加密对象数据D₁、D₂、...、D_n获得，

B_i＝B_s/b_i，

是B_i在

中的乘法逆元，

Images