-
公开(公告)号：CN112822005A
公开(公告)日：2021-05-18
申请号：CN202110134461.8
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于同态加密的安全迁移学习系统。该系统围绕云外包场景中迁移机器学习的隐私泄露问题，设计了基于双云服务器模型(存储云服务器+计算云服务器)的加密TrAdaboost训练和预测算法。一方面，该系统的源域和目标域数据拥有者将加密的训练数据分别上传到云端，由云服务器以隐私保护的方式训练出TrAdaboost模型；另一方面，该系统的请求用户将加密的数据样本发送给云服务器以请求安全的预测服务，然后云服务器返回加密的预测分类结果。该系统不会将用户(包括数据拥有者和预测请求者)的训练和预测请求数据、训练模型、预测结果以及中间计算结果泄露给云端或非授权用户。
-
公开(公告)号：CN112822005B
公开(公告)日：2022-08-12
申请号：CN202110134461.8
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于同态加密的安全迁移学习系统。该系统围绕云外包场景中迁移机器学习的隐私泄露问题，设计了基于双云服务器模型(存储云服务器+计算云服务器)的加密TrAdaboost训练和预测算法。一方面，该系统的源域和目标域数据拥有者将加密的训练数据分别上传到云端，由云服务器以隐私保护的方式训练出TrAdaboost模型；另一方面，该系统的请求用户将加密的数据样本发送给云服务器以请求安全的预测服务，然后云服务器返回加密的预测分类结果。该系统不会将用户(包括数据拥有者和预测请求者)的训练和预测请求数据、训练模型、预测结果以及中间计算结果泄露给云端或非授权用户。
-
Search Results
2
records
(took 0.019 seconds)
