-
题名面向隐私安全的联邦决策树算法
被引量：14
- 1
-
-
作者
郭艳卿
王鑫磊
付海燕
刘航
姚明
-
机构
大连理工大学信息与通信工程学院
深圳市洞见智慧科技有限公司数据智能部
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2021年第10期2090-2103,共14页
-
基金
国家自然科学基金(No.62076052,No.U1736119)
中央高校基本科研业务费(No.DUT20TD110,No.DUT20RC(3)088)资助.
-
文摘
根据用户信息进行资质审查是金融领域的一项重要业务,银行等机构由于用户数据不足和隐私安全等原因,无法训练高性能的违约风险评估模型,从而无法对用户进行精准预测.因此,为了解决数据不共享情况下的联合建模问题,本文提出一种基于联邦学习的决策树算法FL-DT(Federated Learning-Decision Tree).首先,构造基于直方图的数据存储结构用于通信传输,通过减少通信次数,有效提升训练效率;其次,提出基于不经意传输的混淆布隆过滤器进行隐私集合求交,得到包含各参与方数据信息的联邦直方图,并建立联邦决策树模型.最后,提出多方协作预测算法,提升了FL-DT的预测效率.在四个常用的金融数据集上,评估了FL-DT算法的精确性和有效性.实验结果表明,FL-DT算法的准确率比仅利用本地数据建立模型的准确率高,逼近于数据集中情况下模型的准确率,而且优于其他联邦学习方法.另外,FL-DT的训练效率也优于已有算法.
-
关键词
联邦学习
决策树
混淆布隆过滤器
隐私安全
数据不共享
-
Keywords
federated learning
decision tree
garbled bloom filter
privacy security
data not sharing
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于云服务器的公平多方隐私集合交集协议
被引量：2
- 2
-
-
作者
张静
田贺
熊坤
汤永利
杨丽
-
机构
河南理工大学软件学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第9期2806-2811,共6页
-
基金
河南理工大学博士基金资助项目(B2021-41)
河南省网络密码技术重点实验室研究课题(LNCT2022-A11)。
-
文摘
隐私集合交集(PSI)是解决隐私信息共享的重要办法。针对现有的协议中参与方不能同时获取计算结果而导致的不公平性问题,提出一种基于云服务器的公平多方PSI协议。首先,利用哈希映射完成隐私信息的子份额在混淆布隆过滤器(GBF)中的存储;其次,为避免交互过程中各参与方集合元素索引值的泄露,协议结合不经意传输(OT)技术完成存储信息的份额置换;最后,通过云服务器进行逐位计算,并将结果同时返回各参与方,保证各参与方获取结果的公平性。协议的正确性和安全性分析表明,所提协议能够实现参与方获得交集结果的公平性,而且协议能够抵抗参与方与云服务器进行的合谋。性能分析表明,所提协议的计算复杂度和通信复杂度与参与方集合包含的元素总数无关;与多方隐私集合交集协议(MPSI)、实用多方恶意安全私有集合交集PSImple和隐私集合交集求和协议(PI-Sum)相比,在同等条件下,所提协议的存储开销、通信开销和运行时间更少。
-
关键词
隐私集合交集
混淆布隆过滤器
安全多方计算
公平计算
不经意传输
-
Keywords
Private Set Intersection(PSI)
Garbled Bloom Filter(GBF)
secure multi-party computation
fair computation
Oblivious Transfer(OT)
-
分类号
TP309.7
[自动化与计算机技术—计算机系统结构]
-
