云环境下面向机器学习的新型加密机制研究

Data security is a critical factor for cloud services, especially for data intensive services such as cloud based machine learning. From the user’s perspective, data need to be encrypted before uploading to cloud. However, designing a novel data encryption mechanism to enable effective machine learning over encrypted data is a challenging task. The study about this challenge is still in primitive stage, existing schemes are still some distance away to meet the practical security and complexity requirements. This project proposes to consider the popular machine learning methods including Metric Learning, Deep Learning and Statistical Learning and design new encryption mechanisms to support machine learning by leveraging security techniques such as homomorphic encryption, order-preserving encryption, matrix transform encryption, and secret sharing. In particular, we will design distance order-preserving encryption, training pattern transformation encryption and data distribution-preserving encryption schemes to support cloud based machine learning. This study not only provides novel infrastructural supports for the cloud data security but also promotes data sharing and therefore promotes healthy and rapid development of cloud computing.

数据安全问题是云服务发展过程中亟待解决的关键问题，也是制约云计算技术发展的重要因素。数据加密是保护云数据安全性的重要手段，然而，如何设计一种使密文数据依然能够适于机器学习的新型加密机制，成为亟需解决的难题。目前，这一问题的研究仍处于初级阶段，现有研究成果无论在安全性还是时间开销上都无法满足云计算环境的实际需求。本项目拟从度量学习方法、深度学习方法和统计学习方法三类主流机器学习方法的数学原理出发，结合同态加密、保序加密、矩阵变换加密、秘密共享等技术，利用矩阵、群、级数、概率等数学理论，提出云环境下面向机器学习的新型加密机制，包括保持数据距离大小顺序的加密方法、训练模式转换加密方法和保持数据分布的加密方法。本项目的研究，有利于保障云环境下的数据安全，促进数据开放共享，推动云计算/大数据产业健康快速发展。

近年来，机器学习分类成为了一种主流的决策技术。伴随着云计算基础设施的推广应用，越来越多的决策模型被外包存储在云服务器，进而向远程用户提供无处不在的数据决策服务。然而，由于用户向云服务器让渡了数据实际控制权，这种数据外包的服务模式可能会带来严重的数据安全问题。..结合项目组前期研究基础，现已完成项目计划书要求的研究内容和技术指标，突破了若干关键技术，取得了预期研究成果。具体而言，本项目从度量学习、基于线性/非线性的机器学习和统计学习等三类主流机器学习方法的原理出发，结合多种密码学原语，构建了安全框架，提出了多种面向机器学习的新型加密机制，并通过理论分析和实验评估论证所提方法具有重要的理论价值和应用前景。针对度量学习，提出了高效安全的面向K邻近检索的新型加密机制。针对基于线性/非线性的机器学习方法，提出了多种面向支持向量机的新型加密机制。针对统计学习方法，提出了多种面向决策树分类的新型加密机制。..在该项目的资助下，项目组成员发表及录用论文62篇，其中45篇SCI检索，7篇EI检索（源）；申请发明专利15项，授权3项，软件著作权登记16项。项目组有2人出国合作交流，邀请了加拿大、香港等海外学者到湖南大学进行学术交流。有2位博士后顺利出站，5位博士研究生通过博士学位论文答辩，10位硕士研究生通过了硕士学位论文答辩。此外，项目组成员举办了2020中国大数据技术大会，参加了多个国际会议。..本项目从云计算环境中的机器学习应用出发，研究了面向度量学习、基于线性/非线性的机器学习和统计学习等三类主流机器学习方法的多种新型加密机制。研究成果为云计算环境中的数据安全提供了完整解决方案。.