决策树模型的模型隐私、数据隐私及模型一致性保护方法

    公开(公告)号:CN117077038A

    公开(公告)日:2023-11-17

    申请号:CN202311115522.1

    申请日:2023-08-31

    Applicant: 南开大学

    Abstract: 本发明公开了一种决策树模型的模型隐私、数据隐私及模型一致性保护方法。1构建模型隐私保护方案:由服务端根据决策树模型的结构,随机选择一个数据样本,将其决策过程生成算术电路,进而通过电路生成证明,在此之后可以由用户端对证明进行验证。2构建数据隐私保护方案:用户端加密隐私数据生成数据承诺和分支节点范围证明;服务端在决策树推断过程中进行范围证明验证。3模型一致性验证:用户端将完成了承诺和随机交换的一致性验证数据集发送给服务端;服务端执行决策树推断并返回分类结果;用户端验证服务端返回的分类结果的正确性和同一组样本明文和密文分类结果的一致性。

    决策树模型的模型隐私、数据隐私及模型一致性保护方法

    公开(公告)号:CN117077038B

    公开(公告)日:2024-06-28

    申请号:CN202311115522.1

    申请日:2023-08-31

    Applicant: 南开大学

    Abstract: 本发明公开了一种决策树模型的模型隐私、数据隐私及模型一致性保护方法。1构建模型隐私保护方案:由服务端根据决策树模型的结构,随机选择一个数据样本,将其决策过程生成算术电路,进而通过电路生成证明,在此之后可以由用户端对证明进行验证。2构建数据隐私保护方案:用户端加密隐私数据生成数据承诺和分支节点范围证明;服务端在决策树推断过程中进行范围证明验证。3模型一致性验证:用户端将完成了承诺和随机交换的一致性验证数据集发送给服务端;服务端执行决策树推断并返回分类结果;用户端验证服务端返回的分类结果的正确性和同一组样本明文和密文分类结果的一致性。

Patent Agency Ranking