CN109688143B - 一种面向云环境中隐私保护的聚类数据挖掘方法 - Google Patents
一种面向云环境中隐私保护的聚类数据挖掘方法 Download PDFInfo
- Publication number
- CN109688143B CN109688143B CN201811617548.5A CN201811617548A CN109688143B CN 109688143 B CN109688143 B CN 109688143B CN 201811617548 A CN201811617548 A CN 201811617548A CN 109688143 B CN109688143 B CN 109688143B
- Authority
- CN
- China
- Prior art keywords
- data
- cloud
- ciphertext
- key
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
- H04L63/0442—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply asymmetric encryption, i.e. different keys for encryption and decryption
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/06—Network architectures or network communication protocols for network security for supporting key management in a packet data network
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Bioethics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Storage Device Security (AREA)
Abstract
本发明提出了一种面向云环境中隐私保护的聚类数据挖掘方法,用于解决现有技术中存在的数据挖掘过程中安全性较低的技术问题,实现步骤为:云密钥管理服务器KMS获取BCP密码系统的主密钥和参数;KMS获取统一公私钥对并发送;第i个数据拥有者对自己的数据进行加密并发送;云协作服务器CS计算统一密文并发送;云执行服务器ES计算统一公钥下的乘积密文;ES设置聚类数据挖掘的迭代次数及最大值,并初始化;ES计算安全欧式距离的平方;ES将统一密文分配至聚类;ES判断新的密文聚类中心与密文聚类中心是否相等;云协作服务器CS将询问密文中心发送给询问者QC;询问者QC获得聚类数据挖掘结果的明文数据。
Description
技术领域
本发明属于数据处理技术领域,涉及一种面向云环境中隐私保护的聚类数据挖掘方法,可应用于云计算、分布式数据处理、数据挖掘等。
背景技术
随着近年来产生的数据量迅速增加,资源受限的数据拥有者在本地执行计算密集型任务变得越来越困难。因此,将数据交付给具有大量存储和计算能力的云服务器是一种合理的选择。在云服务器上的大量数据中,其中的一些数据具有相似性,而具有相似性的数据与其它数据相异,这种特性可以用来异常检测,图像分割和预测疾病爆发等,为了揭示这种特性,出现了数据挖掘技术,聚类数据挖掘是数据挖掘的一种重要的方法,k均值聚类又是聚类数据挖掘中最简单且常用的一种挖掘方法,因此,k均值聚类的数据挖掘是至关重要的。在云环境下对数据进行挖掘的过程中,作为第三方的云服务器能够获取明文数据,但是,数据拥有者并不希望泄露这些隐私信息,于是需要对数据拥有者的数据进行隐私保护,因此,需要一种面向云环境中的隐私保护的聚类数据挖掘方法。
为了在聚类数据挖掘的过程中保护明文数据的隐私,一些基于差分隐私的聚类数据挖掘方法被提出,但是这些方法不能保证聚类数据挖掘的精确性,因此,Rao et al.提出了基于密码学的聚类数据挖掘方法,数据拥有者使用相同的密钥对数据进行加密,多个云服务器进行交互计算出挖掘的明文数据。这种方法在一定程度上实现了对数据的隐私保护和数据挖掘的精确性,但是由于在同一个密钥下保护数据的隐私,增加了聚类数据挖掘的复杂性,导致挖掘效率低下。因此,Hong Rong和Huimei Wang在期刊《ICST Institute forComputer Sciences,Social Informatics and Telecommunications Engineering》上发表了题目为“Outsourced k-Means Clustering over Encrypted Data Under MultipleKeys in Spark Framework”的论文(pp.67-87,2018),公开了一种面向云环境隐私保护的聚类数据挖掘方法,在其挖掘模型中有云密钥管理服务器KMS,云协作服务器CS,云执行服务器ES,云助理服务器AS,多个数据拥有者和询问者QC。数据拥有者用自己的公钥对自己的数据进行加密并发送给CS,CS与KMS进行交互将数据拥有者的密文转换成统一公钥下的密文,并发送给ES,ES与AS进行交互对统一公钥下的密文执行聚类数据挖掘,并发送给CS,CS将挖掘结果转换成询问者公钥下的挖掘结果,并发送给询问者,询问者用自己的私钥解密得到聚类数据挖掘的明文数据。由于使用了多个密钥,降低了聚类数据挖掘的复杂性,保证了数据挖掘中明文数据的安全性,并提高了挖掘效率,但是在AS和ES进行交互对统一公钥下的密文执行聚类数据挖掘的过程中,AS利用统一私钥对ES发送的密文解密,获得明文数据之间的线性关系,进而推测出明文数据之间的相关信息,破坏了聚类数据挖掘方法中明文数据的安全性。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷,提出了一种面向云环境中隐私保护的聚类数据挖掘方法,用于解决现有技术存在的明文数据安全性较低的技术问题。
为实现上述目的,本发明采取的技术方案,包括如下步骤:
(1)云密钥管理服务器KMS获取BCP密码系统的主密钥msk和参数PP;
(1.1)云密钥管理服务器KMS将从自然数中选取的两个素数p′和q′,并将p′和q′组成的素数对作为BCP密码系统的主密钥msk;
(1.2)云密钥管理服务器KMS从乘法循环群中随机选取满足gp′q′modN2=1+λN的整数g,其中N=(2p′+1)(2q′+1),λ∈[1,N-1],并将N和g组成的整数对作为BCP密码系统的参数PP;
(2)云密钥管理服务器KMS获取统一公私钥对,并发送:
云密钥管理服务器KMS采用密钥生成算法BCP.KeyGen,通过参数PP生成用于密文转换的统一公私钥对{pku,sku},并将统一公钥pku发送给云协作服务器CS,将统一私钥sku发送给云助理服务器AS;
(3)第i个数据拥有者对自己的数据进行加密并发送:
第i个数据拥有者DOi采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公钥pki,并采用BCP密码系统加密算法BCP.Enc,通过pki对自己的数据进行加密,再将得到的加密数据发送给云协作服务器CS,其中,i∈{1,...,n},n为数据拥有者的个数,n≥1,f为第i个数据拥有者DOi的第f个数据,f∈{1,...,F},F为第i个数据拥有者中的数据的个数,F≥1;
(5.1)云执行服务器ES将收到的所有的统一密文表示为并将从中选取的两个密文表示为和其中,mh为数据拥有者中的所有数据中的第h个数据,h∈{1,...,H},H=n·F,为第α个数据mα的密文,α∈{1,...,H},为第β个数据mβ的密文,β∈{1,...,H};
(6)云执行服务器ES设置聚类数据挖掘的迭代次数t,其最大值为Max,并初始化t=0;
(7.2)云执行服务器ES将密文聚类中心表示为并通过乘积密文计算第h个统一密文到第j个密文聚类中心的安全欧式距离的平方其中,|cj|为属于第j个聚类的数据个数,Ωh,j为第h个数据mh到第j个聚类cj的欧式距离的平方;
(8.1)云执行服务器ES从中选取第h个数据mh到第a个聚类ca的欧式距离的平方Ωh,a的安全欧式距离的平方以及第h个数据mh到第b个聚类cb的欧式距离的平方Ωh,b的安全欧式距离的平方a∈{1,...,k},b∈{1,...,k};
(8.3)云执行服务器ES采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公私钥对{pkES,skES},并将公钥pkES发送给云助理服务器AS,用于计算密文sn,再通过私钥skES对sn进行解密,得到明文Dec(sn),然后通过Dec(sn)获取和的最小的安全欧式距离的平方MinΩ,
云执行服务器ES计算聚类的新的密文聚类中心并判断是否成立,若是,将发送给云协作服务器CS,并执行步骤(11),否则,令并重复步骤(7)-步骤(9),直到t达到迭代次数的最大值Max,其中,s′j为第j个聚类cj中新的聚类数据和;
(11)询问者QC获得聚类数据挖掘结果的明文数据cj′:
本发明与现有技术相比,具有以下优点:
本发明在云执行服务器ES和云助理服务器AS交互计算统一公钥下的乘积密文的过程中,云执行服务器ES采用两个不同的随机数的密文对自己拥有的密文随机化后发送给云执行服务器ES,云执行服务器ES对随机化的密文进行解密得到随机化的明文,解决了现有技术中云助理服务器AS在参与密文数据挖掘时,用统一私钥解密得到明文数据,导致明文数据泄露的安全性缺陷问题,与现有技术相比,有效的提高了聚类数据挖掘过程中明文数据的安全性。
附图说明
图1为本发明的实现流程图。
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细说明。
参照图1,一种面向云环境中隐私保护的聚类数据挖掘方法,包括如下步骤:
步骤1)云密钥管理服务器KMS获取BCP密码系统的主密钥msk和参数PP;
步骤1.1)云密钥管理服务器KMS将从自然数中选取的两个素数p′和q′,为了保证BCP密码系统的安全性,应选取足够长的比特位的p′和q′,并将p′和q′组成的素数对作为BCP密码系统的主密钥msk,云协作服务器CS与云助理服务器AS是不共谋的,因此需从BCP密码系统中分离出一个主密钥;
步骤1.2)云密钥管理服务器KMS从乘法循环群中随机选取满足gp′q′modN2=1+λN的整数g,其中N=(2p′+1)(2q′+1),λ∈[1,N-1],并将N和g组成的整数对作为BCP密码系统的参数PP;
步骤2)云密钥管理服务器KMS获取统一公私钥对,并发送:
云密钥管理服务器KMS采用密钥生成算法BCP.KeyGen,通过参数PP生成统一公私钥对{pku,sku},并将统一公钥pku发送给云协作服务器CS,将统一私钥sku发送给云助理服务器AS,由于数据拥有者用自己的公私钥加密自己的数据,得到不同公钥下的密文,因此,需要生成一个统一公私钥将不同公钥下的密文转化成统一公钥pku下的密文;
步骤3)第i个数据拥有者对自己的数据进行加密并发送:
第i个数据拥有者DOi采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公钥pki,并采用BCP密码系统加密算法BCP.Enc,通过pki对自己的数据进行加密得到加密数据再将其发送给云协作服务器CS,在发送的过程中,云密钥管理服务器KMS不能获取加密数据其中,i∈{1,...,n},n为数据拥有者的个数,n≥1,f为第i个数据拥有者DOi的第f个数据,f∈{1,...,F},F为第i个数据拥有者中的数据的个数,F≥1;
步骤4.1)云协作服务器CS从乘法循环群中选取随机数并将带有的密文发送给云密钥管理服务器KMS,选取随机数是为了CS和KMS在交互过程中,对加密数据的随机化处理,保证了KMS不能对加密数据解密,其中, 为加密得到密文;
步骤5.1)云执行服务器ES为了方便计算,将收到的所有的统一密文表示为并将从中选取的两个密文表示为和只要计算出两个密文和的乘积,就可以计算出任意的两个密文的乘积,其中,mh为数据拥有者中的所有数据中的第h个数据,h∈{1,...,H},H=n·F,令每个数据拥有者加密的数据个数都为F,则总的加密数据个数为H,为第α个数据mα的密文,α∈{1,...,H},为第β个数据mβ的密文,β∈{1,...,H};
其中,δ为乘积明文,云助理服务器AS用统一私钥sku对带有rα的密文和带有rβ的密文分别解密,得到带随机数rα的明文mα+rα和带随机数rβ的明文mβ+rβ,计算δ=(mα+rα)·(mβ+rβ),再采用BCP加密算法BCP.Enc,通过统一公钥pku对乘积明文δ进行加密,得到
步骤6)云执行服务器ES设置聚类数据挖掘的迭代次数t,其最大值为Max,并初始化t=0;
其中,j∈{1,...,k},k≥1,sj为第j个聚类cj中的聚类数据和,符号为上取整,sj为第j个聚类cj中的聚类数据和,|cj|为属于第j个聚类的数据个数,为第h+1个数据mh+1的密文,h+1∈{1,...,H},为第个数据的密文,
步骤7.2)云执行服务器ES将密文聚类中心表示为是为了清晰的表示出某个聚类中心属于哪一个聚类并且此聚类中包含的数据的个数,并通过乘积密文计算第h个统一密文到第j个密文聚类中心的安全欧式距离的平方计算公式为:
步骤8.1)云执行服务器ES从中选取第h个数据mh到第a个聚类ca的欧式距离的平方Ωh,a的安全欧式距离的平方以及第h个数据mh到第b个聚类cb的欧式距离的平方Ωh,b的安全欧式距离的平方a∈{1,...,k},b∈{1,...,k};
其中,Ωh,a为第h个数据mh到第a个聚类ca的欧式距离的平方,Ωh,b为第h个数据mh到第b个聚类cb的欧式距离的平方,|ca|为属于第a个聚类的数据个数,|cb|为属于第b个聚类的数据个数a∈{1,...,k},b∈{1,...,k},h∈{1,...,H},k≥1,H≥1;
步骤8.3)云执行服务器ES采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公私钥对{pkES,skES},并将公钥pkES发送给云助理服务器AS,用于计算密文sn,再通过私钥skES对sn进行解密,得到明文Dec(sn),然后通过Dec(sn)获取和的最小的安全欧式距离的平方MinΩ,密文sn的计算步骤如下:
步骤8.3.1)云助理服务器AS设置符号判断阈值η;
步骤8.3.2)云助理服务器AS用统一私钥sku对距离密文解密,得到距离明文θa,b,将θa,b与符号判断阈值η比较得到的密文sn发送给云执行服务器ES,其中,为用ES的公钥pkES对整数1加密得到的密文,为用ES的公钥pkES对随机数r′加密得到的密文,r′≠1;
并判断是否成立,若是,将发送给云协作服务器CS,并执行步骤(11),否则,令并重复步骤(7)-步骤(9),直到t达到迭代次数的最大值Max,其中,s′j为第j个聚类cj中新的聚类数据和,其中,Enc(mv)为第v个数据mv的密文,v∈{1,...,H},Enc(mw)为第w个数据mw的密文,w∈{1,...,H},H≥1,j∈{1,...,k},k≥1,|cj|个相乘的密文属于聚类cj;
云协作服务器CS通过询问者QC的公私钥对{pkQC,skQC}中的公钥pkQC对进行转化,得到询问密文中心并发送给QC,其中,{pkQC,skQC}是由询问者QC采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公私钥对,并将公钥pkQC发送给云协作服务器CS,私钥skQC自己保留;
步骤11)询问者QC获得聚类数据挖掘结果的明文数据cj′:
以上描述仅是本发明的一个具体实例,显然对于本领域的专业人士来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想修正和改变仍在本发明的权利要求保护范围之内。
Claims (9)
1.一种面向云环境中隐私保护的聚类数据挖掘方法,其特征在于包括如下步骤:
(1)云密钥管理服务器KMS获取BCP密码系统的主密钥msk和参数PP;
(1.1)云密钥管理服务器KMS将从自然数中选取的两个素数p′和q′,并将p′和q′组成的素数对作为BCP密码系统的主密钥msk;
(1.2)云密钥管理服务器KMS从乘法循环群中随机选取满足gp′q′modN2=1+λN的整数g,其中N=(2p′+1)(2q′+1),λ∈[1,N-1],并将N和g组成的整数对作为BCP密码系统的参数PP;
(2)云密钥管理服务器KMS获取统一公私钥对,并发送:
云密钥管理服务器KMS采用密钥生成算法BCP.KeyGen,通过参数PP生成用于密文转换的统一公私钥对{pku,sku},并将统一公钥pku发送给云协作服务器CS,将统一私钥sku发送给云助理服务器AS;
(3)第i个数据拥有者对自己的数据进行加密并发送:
第i个数据拥有者DOi采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公钥pki,并采用BCP密码系统加密算法BCP.Enc,通过pki对自己的数据进行加密,再将得到的加密数据发送给云协作服务器CS,其中,i∈{1,...,n},n为数据拥有者的个数,n≥1,f为第i个数据拥有者DOi的第f个数据,f∈{1,...,F},F为第i个数据拥有者中的数据的个数,F≥1;
(5.1)云执行服务器ES将收到的所有的统一密文表示为并将从中选取的两个密文表示为和其中,mh为数据拥有者中的所有数据中的第h个数据,h∈{1,...,H},H=n·F,为第α个数据mα的密文,α∈{1,...,H},为第β个数据mβ的密文,β∈{1,...,H};
(6)云执行服务器ES设置聚类数据挖掘的迭代次数t,其最大值为Max,并初始化t=0;
(7.2)云执行服务器ES将密文聚类中心表示为并通过乘积密文计算第h个统一密文到第j个密文聚类中心的安全欧式距离的平方其中,|cj|为属于第j个聚类的数据个数,Ωh,j为第h个数据mh到第j个聚类cj的欧式距离的平方;
(8.1)云执行服务器ES从中选取第h个数据mh到第a个聚类ca的欧式距离的平方Ωh,a的安全欧式距离的平方以及第h个数据mh到第b个聚类cb的欧式距离的平方Ωh,b的安全欧式距离的平方a∈{1,...,k},b∈{1,...,k};
(8.3)云执行服务器ES采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公私钥对{pkES,skES},并将公钥pkES发送给云助理服务器AS,用于计算密文sn,再通过私钥skES对sn进行解密,得到明文Dec(sn),然后通过Dec(sn)获取和的最小的安全欧式距离的平方MinΩ,
云执行服务器ES计算聚类的新的密文聚类中心并判断是否成立,若是,将发送给云协作服务器CS,并执行步骤(10),否则,令并重复步骤(7)-步骤(9),直到t达到迭代次数的最大值Max,其中,s′j为第j个聚类cj中新的聚类数据和;
(11)询问者QC获得聚类数据挖掘结果的明文数据cj′:
(4.2.1)云密钥管理服务器KMS用主密钥msk对带随机数的密文进行解密,得到带随机数的明文其中,pki为第i个数据拥有者DOi采用密钥生成算法BCP.KeyGen,通过参数PP生成的公钥,i∈{1,...,n},n为数据拥有者的个数,n≥1,f为第i个数据拥有者DOi的第f个数据,f∈{1,...,F},F为第i个数据拥有者中的数据的个数,F≥1;
7.根据权利要求1所述的一种面向云环境中隐私保护的聚类数据挖掘方法,其特征在于,步骤(8.3)中所述的密文sn,计算步骤为:
(8.3.1)云助理服务器AS设置符号判断阈值η;
9.根据权利要求1所述的一种面向云环境中隐私保护的聚类数据挖掘方法,其特征在于,步骤(10)中所述的询问者QC的公私钥对{pkQC,skQC},生成步骤为:
询问者QC采用密钥生成算法BCP.KeyGen,通过参数PP生成自己的公私钥对{pkQC,skQC},并将公钥pkQC发送给云协作服务器CS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811617548.5A CN109688143B (zh) | 2018-12-28 | 2018-12-28 | 一种面向云环境中隐私保护的聚类数据挖掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811617548.5A CN109688143B (zh) | 2018-12-28 | 2018-12-28 | 一种面向云环境中隐私保护的聚类数据挖掘方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109688143A CN109688143A (zh) | 2019-04-26 |
CN109688143B true CN109688143B (zh) | 2021-01-22 |
Family
ID=66190088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811617548.5A Active CN109688143B (zh) | 2018-12-28 | 2018-12-28 | 一种面向云环境中隐私保护的聚类数据挖掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109688143B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995509B (zh) * | 2019-05-08 | 2021-07-06 | 西安电子科技大学 | 基于消息恢复签名的认证密钥交换方法 |
CN110233730B (zh) * | 2019-05-22 | 2022-05-03 | 暨南大学 | 一种基于k均值聚类的隐私信息保护方法 |
CN110569655B (zh) * | 2019-09-06 | 2021-05-25 | 中国科学院信息工程研究所 | 一种群组隐私信息发现方法及系统 |
CN112487481B (zh) * | 2020-12-09 | 2022-06-10 | 重庆邮电大学 | 一种具有隐私保护的可验证多方k-means联邦学习方法 |
CN113468553B (zh) * | 2021-06-02 | 2022-07-19 | 湖北工业大学 | 一种面向工业大数据的隐私保护分析系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011080389A1 (en) * | 2009-12-29 | 2011-07-07 | Nokia Corporation | Distributed authentication with data cloud |
CN103379114B (zh) * | 2012-04-28 | 2016-12-14 | 国际商业机器公司 | 用于在MapReduce系统中保护隐私数据的方法和装置 |
CN105303121B (zh) * | 2015-09-30 | 2018-05-25 | 西安电子科技大学 | 一种高维空间数据的安全查询方法、装置及系统 |
WO2017193108A2 (en) * | 2016-05-06 | 2017-11-09 | ZeroDB, Inc. | Encryption for distributed storage and processing |
CN106612273A (zh) * | 2016-08-31 | 2017-05-03 | 四川用联信息技术有限公司 | 云计算下一种改进的数据传输隐私保护算法 |
CN107145792B (zh) * | 2017-04-07 | 2020-09-15 | 哈尔滨工业大学深圳研究生院 | 基于密文数据的多用户隐私保护数据聚类方法及系统 |
-
2018
- 2018-12-28 CN CN201811617548.5A patent/CN109688143B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109688143A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109688143B (zh) | 一种面向云环境中隐私保护的聚类数据挖掘方法 | |
US11606203B2 (en) | Method for faster secure multiparty inner product with SPDZ | |
US11201734B2 (en) | Method and system for fault tolerant and secure multiparty computation with SPDZ | |
Odelu et al. | Pairing-based CP-ABE with constant-size ciphertexts and secret keys for cloud environment | |
CN107819585A (zh) | Sm9数字签名协同生成方法及系统 | |
CN107154845B (zh) | 一种基于属性的bgn型密文解密外包方案 | |
CN109831297A (zh) | 一种支持门限解密的多身份全同态加密方法 | |
CN112383388B (zh) | 一种基于云计算大数据的双秘钥加密系统及方法 | |
CN108880801B (zh) | 一种格上支持细粒度属性撤销的分布式属性基加密方法 | |
CN110572370B (zh) | 一种抗量子攻击的代理重加密系统及方法 | |
CN104158880A (zh) | 一种用户端云数据共享解决方法 | |
CN110851845A (zh) | 一种轻量级单用户多数据的全同态数据封装方法 | |
Li et al. | Fully homomorphic encryption with table lookup for privacy-preserving smart grid | |
Wang et al. | Privacy preserving computations over healthcare data | |
CN116846556A (zh) | 一种基于sm9的数据条件代理重加密方法、系统及设备 | |
Debnath et al. | Study and scope of signcryption for cloud data access control | |
CN114697042A (zh) | 一种基于区块链的物联网安全数据共享代理重加密方法 | |
CN114095171A (zh) | 一种基于身份的可穿刺代理重加密方法 | |
El Gafif et al. | Efficient Ciphertext‐Policy Attribute‐Based Encryption Constructions with Outsourced Encryption and Decryption | |
Zhao et al. | LSSS matrix-based attribute-based encryption on lattices | |
CN110661771B (zh) | 一种抵抗差分攻击的安全智能电网访问控制方法及系统 | |
Salman et al. | A homomorphic cloud framework for big data analytics based on elliptic curve cryptography | |
Kumar et al. | Hybridization of Cryptography for Security of Cloud Data | |
CN114244567A (zh) | 一种云环境中支持电路结构的cp-abe方法 | |
CN111698078A (zh) | 基于双云模型的云外包数据隐私保护频繁项挖掘方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |