CN110957003B - 一种面向用户隐私保护的高效基因比对方法 - Google Patents

Abstract

本发明公开了一种面向用户隐私保护的高效基因比对方法，包括以下步骤：A、进行基因序列编码；B、建立混淆电路；C、进行基因序列比对。本发明可以解决现有技术的不足，有效保护了数据隐私，提高了比对效率。

Description

一种面向用户隐私保护的高效基因比对方法

技术领域

本发明涉及基因检测技术领域，尤其是一种面向用户隐私保护的高效基因比对方法。

背景技术

随着基因检测技术的发展，人们的生活中已经涉及了方方面面的基因比对，例如疾病检查、畸形儿基因检测等，各类检测平台也如雨后春笋，层出不穷。然而，基因检测技术却是一把双刃剑，人们既想要借助此类技术尽早诊断出疾病，同时又会担心自己的基因信息泄露。而现有的大多基因检测平台正如人们担心的那样，只进行基因比对，并不能保证用户隐私信息的安全。例如基因疾病检测平台 23andme，大量用户将自己的基因信息提供给该平台，其通过对用户的基因进行检测并反馈给用户一份健康报告，但由于存在隐私泄露的问题已被屡屡叫停。因此，现有状况亟需设计一种既能实现基因序列比对又能保护用户隐私的方案。

发明内容

本发明要解决的技术问题是提供一种面向用户隐私保护的高效基因比对方法，能够解决现有技术的不足，有效保护了数据隐私，提高了比对效率。

为解决上述技术问题，本发明所采取的技术方案如下。

一种面向用户隐私保护的高效基因比对方法，包括以下步骤：

A、进行基因序列编码；

B、建立混淆电路；

C、进行基因序列比对。

作为优选，步骤A中，进行基因序列编码包括以下步骤，

A1、确定编码规则并编码；用两个比特位对碱基A，T，C，G进行编码，分别编码为00，01，10，11；将DNA序列按照编码规则进行编码，每个DNA序列最后被编码成一个二进制串；

A2、混淆输入；对一串二进制数的每一位w∈{0，1}，产生两个混淆值

分别对应于w＝0和w＝1；对于每一个输入为a和b的g 门，依次用/>

作为密钥加密输出的混淆值/>

可得四个密文/>

作为优选，步骤B中，混淆电路包括，

MIN门，以两个m-bit的数据S和T作为输入；若S＞T，则输出 m-bit的数据T，反之，则输出m-bit的数据S；

ADD门，以一个m-bit的数据S和一个1-bit的数据q，q∈{0，1} 作为输入；输出S加上q后的m-bit数据；

MUX门，以两个长度为m-bit的数据S和T，以及1位的选择位 b作为输入；若b＝0，则输出S，反之输出T；

EDT门，以两个m-bit的数据S和T作为输入；若S＝T，则输出 0，反之输出1；

计算过程为，先比较D[i-1][j]和D[i][j-1]选出最小值，再与 D[i-1][j-1]比较，产生1位的b；若min(D[i-1][j]，D[i][j-1]) 大于D[i-1][j-1]，则b为0，MUX门的输出为t，否则MUX门的输出为1，最后取第二个MIN门的输出值加MUX门的输出值为整个电路的输出。

作为优选，步骤C中，进行基因序列比对包括以下步骤，

将DNA序列α与包含n条基因序列的基因组数据库β中的n条序列逐个进行比对，在每次比对时，采用混淆电路来计算两条序列的相似程度，根据相似度来确定客户是否患有这种DNA疾病，若某次比对时两条序列相似度达到96％的时候，即判定两条序列同源。

作为优选，步骤C中，进行基因序列比对包括以下步骤，

C1、ORAM初始化；

C2、基因序列比对；

C3、返回结果。

作为优选，步骤C1中，ORAM初始化包括以下步骤，

初始化ORAM：两方运行安全计算协议，根据协商好的参数初始化ORAM结构，即ORAM←Initial(λ，n，d)，设shareGen() 为秘密产生函数，在该函数中，若秘密为s，则利用shareGen()随机产生一个串作为一个子份额r₁，另一个子份额

则/>

初始化ORAM之后，根据ORAM并利用shareGen函数产生子份额分发给两方，即(ORAM_a，ORAM_b)←shareGen(ORAM，1^λ)，则两方各存有空ORAM的子份额；

将数据存储到ORAM上：在初始化ORAM后，ORAM的存储为空；服务器方设置n条写指令I：(″write″，l，β[i])，并利用 shareGen函数将这n条指令拆分成子份额给两方，即

两方运行安全计算协议执行n条写指令I，在执行每一条写指令时，分为以下步骤，

重构ORAM：

重构指令Iⁱ：

执行每条指令Iⁱ并更新两方存储的ORAM的子份额：

ORAM_a，ORAM_b←Exec(Iⁱ，ORAM)，

每执行一条指令，可将数据库β中的一项写到ORAM上，同时两方存储的ORAM的子份额会一直更新，直至将所有数据存到ORAM上，在执行n次写操作之后，两方各存有一份最终的ORAM的子份额。

作为优选，步骤C2中，基因序列比对包括以下步骤，

在初始化阶段之后，对于数据库β每一个基因数据项v，两方各有v对应的叶子节点的子份额，表示为

和/>

客户欲查找某个基因数据项α对应的标识符为x，双方根据子份额

和/>

将所有叶子节点lⁱ重构出来，即/>

并查找得到x对应的叶子节点l；/>

双方根据叶子节点l和存储在两方的ORAM子份额，运行安全计算协议将路径p(l)上所有数据取出来，即 (v₁，v₂，...，α′，...，v_{Blog n})←readPath(l)，然后将客户的基因序列α与取出的Blogn个数据逐个利用混淆电路进行基因比对；当访问到数据α‘，且α与α‘的相似度达到96％的时认为α与α‘同源，返回比对结果；

在所有比对操作之后，重新产生新的叶子节点l^*，执行写指令 I*：＝(″write″，l^*，β[i])，将数据重新写入到ORAM中，并更新两方持有的ORAM子份额。

作为优选，步骤C3中，返回结果的步骤包括，

根据基因序列比对的结果，将结果返回给客户；如果客户需要继续进行基因比对，则重复以上步骤。

采用上述技术方案所带来的有益效果在于：

(1)本发明实现了对基因比对用户数据的双层隐私保护，不仅保护了比对数据的隐私，同时解决了在数据存储读取过程中有一定的访问模式泄露的问题，实现了基因比对场景下的隐私保护。

(2)本发明在时间效率上相比传统的基因比对技术有了较高的提升，基因比对操作的时间复杂度与传统设计相比由线性相关降低为亚线性相关。数据库越大，该设计表现更加优异。

附图说明

图1为基因比对的核心布尔电路图。

具体实施方式

实施例1

一种面向用户隐私保护的高效基因比对方法，包括以下步骤：

A、进行基因序列编码；

B、建立混淆电路；

C、进行基因序列比对。

步骤A中，进行基因序列编码包括以下步骤，

A1、确定编码规则并编码；用两个比特位对碱基A，T，C，G进行编码，分别编码为00，01，10，11；将DNA序列按照编码规则进行编码，每个DNA序列最后被编码成一个二进制串；

A2、混淆输入；对一串二进制数的每一位w∈{0，1}，产生两个混淆值

分别对应于w＝0和w＝1；对于每一个输入为a和b的g 门，依次用/>

作为密钥加密输出的混淆值/>

可得四个密文/>

步骤B中，混淆电路包括，

MIN门，以两个m-bit的数据S和T作为输入；若S＞T，则输出 m-bit的数据T，反之，则输出m-bit的数据S；

ADD门，以一个m-bit的数据S和一个1-bit的数据q，q∈{0，1} 作为输入；输出S加上q后的m-bit数据；

MUX门，以两个长度为m-bit的数据S和T，以及1位的选择位 b作为输入；若b＝0，则输出S，反之输出T；

EDT门，以两个m-bit的数据S和T作为输入；若S＝T，则输出0，反之输出1；

计算过程为，先比较D[i-1][j]和D[i][j-1]选出最小值，再与 D[i-1][j-1]比较，产生1位的b；若min(D[i-1][j]，D[i][j-1]) 大于D[i-1][j-1]，则b为0，MUX门的输出为t，否则MUX门的输出为1，最后取第二个MIN门的输出值加MUX门的输出值为整个电路的输出。

步骤C中，进行基因序列比对包括以下步骤，

将DNA序列α与包含n条基因序列的基因组数据库β中的n条序列逐个进行比对，在每次比对时，采用混淆电路来计算两条序列的相似程度，根据相似度来确定客户是否患有这种DNA疾病，若某次比对时两条序列相似度达到96％的时候，即判定两条序列同源。

在上述方案中，客户的基因序列与服务器端基因组数据库里面所有的基因序列逐个进行比对。每次比对都使用混淆电路来实现，因此可以保证每次比对过程中基因信息的安全，且因为是比对了基因组数据库中的所有序列，所以服务器无法确定客户到底与哪个DNA序列相似度高，从而可以在保护双方隐私的前提下，让客户得到诊断结果。但上述方案的时间复杂度为O(n)，且需要使用的门和OT的数量与比对次数成正比。在基因组数据库较大时，需要较大的计算开销和通信开销，因此当数据库中数据量n逐渐增加时，该方案将不再适用。

实施例2

本实施例是为了解决实施例1存在的问题，对步骤C的基因序列比对进行了改进。

步骤C中，进行基因序列比对包括以下步骤，

C1、ORAM初始化；

C2、基因序列比对；

C3、返回结果。

步骤C1中，ORAM初始化包括以下步骤，

初始化ORAM：两方运行安全计算协议，根据协商好的参数初始化ORAM结构，即ORAM←Initial(λ，n，d)，设shareGen() 为秘密产生函数，在该函数中，若秘密为s，则利用shareGen()随机产生一个串作为一个子份额r₁，另一个子份额

则/>

初始化ORAM之后，根据ORAM并利用shareGen函数产生子份额分发给两方，即 (ORAM_a，ORAM_b)←shareGen(ORAM，1^λ)，则两方各存有空ORAM的子份额；

将数据存储到ORAM上：在初始化ORAM后，ORAM的存储为空；服务器方设置n条写指令I：(″write″，l，β[i])，并利用 shareGen函数将这n条指令拆分成子份额给两方，即

两方运行安全计算协议执行n条写指令I，在执行每一条写指令时，分为以下步骤，

重构ORAM：

重构指令Iⁱ：

执行每条指令Iⁱ并更新两方存储的ORAM的子份额：

ORAM_a，ORAM_b←Exec(Iⁱ，ORAM)，

每执行一条指令，可将数据库β中的一项写到ORAM上，同时两方存储的ORAM的子份额会一直更新，直至将所有数据存到ORAM上，在执行n次写操作之后，两方各存有一份最终的ORAM的子份额。

步骤C2中，基因序列比对包括以下步骤，

在初始化阶段之后，对于数据库β每一个基因数据项v，两方各有v对应的叶子节点的子份额，表示为

和/>

客户欲查找某个基因数据项α对应的标识符为x，双方根据子份额

和/>

将所有叶子节点lⁱ重构出来，即/>

并查找得到x对应的叶子节点l；

双方根据叶子节点l和存储在两方的ORAM子份额，运行安全计算协议将路径p(l)上所有数据取出来，即 (v₁，v₂，...，α’，...，v_{Blog n})←readPath(l)，然后将客户的基因序列α与取出的Blogn个数据逐个利用混淆电路进行基因比对；当访问到数据α‘，且α与α‘的相似度达到96％的时认为α与α‘同源，返回比对结果；

在所有比对操作之后，重新产生新的叶子节点l^*，执行写指令 I*：＝(″write″，l^*，β[i])，将数据重新写入到ORAM中，并更新两方持有的ORAM子份额。

步骤C3中，返回结果的步骤包括，

根据基因序列比对的结果，将结果返回给客户；如果客户需要继续进行基因比对，则重复以上步骤。

在上述方案中，因为只需将目标数据所在路径上的数据取出进行比对，因此可以将比对次数减少到Blogn次。当n＝1024，B＝3时，基础方案需要比对1024次，而该方案只需比对30次，效率显著提高。将一条ORAM指令转为多条RAM指令，在数据存储读取时，只需执行转换后的RAM指令，将相应路径上的数据取出进行操作，相比于传统的基于混淆电路的方案大大降低了比对次数。从而，比对操作的时间复杂度从以往的线性相关降低为亚线性相关。另外，先将基因数据存储于ORAM中，只取出ORAM上的O(logn)个数据，再用混淆电路进行配对，降低了构造混淆电路的开销。

上述描述仅作为本发明可实施的技术方案提出，不作为对其技术方案本身的单一限制条件。

Claims (6)

1.一种面向用户隐私保护的高效基因对比方法，其特征在于包括以下步骤：

A、进行基因序列编码；进行基因序列编码包括以下步骤，

A1、确定编码规则并编码；用两个比特位对碱基A，T，C，G进行编码，分别编码为00，01，10，11；将DNA序列按照编码规则进行编码，每个DNA序列最后被编码成一个二进制串；

A2、混淆输入；对一串二进制数的每一位w∈{0，1}，产生两个混淆值

分别对应于w＝0和w＝1；对于每一个输入为a和b的g门，依次用/>

作为密钥加密输出的混淆值

可得四个密文/>

B、建立混淆电路；

C、进行基因序列比对；进行基因序列比对包括以下步骤，

将DNA序列α与包含n条基因序列的基因组数据库β中的n条序列逐个进行比对，在每次比对时，采用混淆电路来计算两条序列的相似程度，根据相似度来确定客户是否患有这种DNA疾病，若某次比对时两条序列相似度达到96％的时候，即判定两条序列同源。

2.根据权利要求1所述的面向用户隐私保护的高效基因对比方法，其特征在于：步骤B中，混淆电路包括，

MIN门，以两个m-bit的数据S和T作为输入；若S＞T，则输出m-bit的数据T，反之，则输出m-bit的数据S；

ADD门，以一个m-bit的数据S和一个1-bit的数据q，q∈{0，1}作为输入；输出S加上q后的m-bit数据；

MUX门，以两个长度为m-bit的数据S和T，以及1位的选择位b作为输入；若b＝0，则输出S，反之输出T；

EDT门，以两个m-bit的数据S和T作为输入；若S＝T，则输出0，反之输出1；

计算过程为，先比较D[i-1][j]和D[i][j-1]选出最小值，再与D[i-1][j-1]比较，产生1位的b；若min(D[i-1][j]，D[i][j-1])大于D[i-1][j-1]，则b为0，MUX门的输出为t，否则MUX门的输出为1，最后取第二个MIN门的输出值加MUX门的输出值为整个电路的输出。

3.根据权利要求1-2任意一项所述的面向用户隐私保护的高效基因对比方法，其特征在于：步骤C中，进行基因序列比对包括以下步骤，

C1、ORAM初始化；

C2、基因序列比对；

C3、返回结果。

4.根据权利要求3所述的面向用户隐私保护的高效基因对比方法，其特征在于：步骤C1中，ORAM初始化包括以下步骤，

初始化ORAM：两方运行安全计算协议，根据协商好的参数初始化ORAM结构，即ORAM←Initial(λ，n，d)，设shareGen()为秘密产生函数，在该函数中，若秘密为s，则利用shareGen()随机产生一个串作为一个子份额r₁，另一个子份额

则/>

初始化ORAM之后，根据ORAM并利用shareGen函数产生子份额分发给两方，即(ORAM_a，ORAM_b)←shareGen(ORAM，1^λ)，则两方各存有空ORAM的子份额；/>

将数据存储到ORAM上：在初始化ORAM后，ORAM的存储为空；服务器方设置n条写指令I：(″write″，l，β[i])，并利用shareGen函数将这n条指令拆分成子份额给两方，即

两方运行安全计算协议执行n条写指令I，在执行每一条写指令时，分为以下步骤，

重构ORAM：

重构指令Iⁱ：

执行每条指令Iⁱ并更新两方存储的ORAM的子份额：

ORAM_a，ORAM_b←Exec(Iⁱ，ORAM)，

每执行一条指令，可将数据库β中的一项写到ORAM上，同时两方存储的ORAM的子份额会一直更新，直至将所有数据存到ORAM上，在执行n次写操作之后，两方各存有一份最终的ORAM的子份额。

5.根据权利要求4所述的面向用户隐私保护的高效基因对比方法，其特征在于：步骤C2中，基因序列比对包括以下步骤，

在初始化阶段之后，对于数据库β每一个基因数据项v，两方各有v对应的叶子节点时子份额，表示为

和/>

客户欲查找某个基因数据项α对应的标识符为x，双方根据子份额

和/>

将所有叶子节点lⁱ重构出来，即/>

并查找得到x对应的叶子节点1；

双方根据叶子节点1和存储在两方的ORAM了份额，运行安全计算协议将路径p(l)上所有数据取出来，即(v₁，v₂，...，α′，...，v_Blogn)←readPath(l)，然后将客户的基因序列α与取出的Blogn个数据逐个利用混淆电路进行基因比对；当访问到数据α′，且α与α′的相似度达到96％的时认为α与α′同源，返回比对结果；

在所有比对操作之后，重新产生新的叶子节点l^*，执行写指令I*：＝(″write″，l^*，β[i])，将数据重新写入到ORAM中，并更新两方持有的ORAM子份额。

6.根据权利要求5所述的面向用户隐私保护的高效基因对比方法，其特征在于：步骤C3中，返回结果的步骤包括，

根据基因序列比对的结果，将结果返回给客户；如果客户需要继续进行基因比对，则重复以上步骤。

Images