面向访问控制的数据挖掘分类外包技术研究

With the sharply increase of users' data size, outsourcing data mining task to the cloud can help retrieving valuable information more efficiently, while saving the people from heavy cost. However, new challenge arise in this paradigm, that is, how to protect the privacy information being obtained by attackers or malicious cloud servers. This study will focus on the core privacy protection issues of outsourced data classification in cloud environments, and try to introduce access control method into the data classification outsourcing mechanism. First, with the analysis of existing cryptographic access control model and privacy-preserving outsourced data classification model, we wish to construct a computational efficient and a semantic secure outsourcing scheme for attribute-based encrypted data classification respectively. Furthermore, we study the generation and update method of query key, and try to design authorization schemes for classification query, which will provide flexible, efficient query privilege assignment and revocation. Finally, we study the integrity verification of the classification query result, which can check the correctness of query result with low computational complexity. All the above achievements will provide theoretical foundation for constructing a secure, efficient and soundness data classification outsourcing scheme. Such a scheme will be of great significance for privacy-preserving of citizens under our “Internet Plus” initiative, and will be a big push for the developing of cloud computing and big data techniques as well.

随着用户数据规模的急剧增长，将数据挖掘任务外包至云服务商能够更加高效的发现其中的潜在价值，并有效降低用户成本。然而，该外包模式下的一个关键问题在于如何保证用户数据及其挖掘结果的隐私不被泄露。本项目主要针对数据挖掘中的分类计算，围绕其中的隐私保护关键问题，探索将权限控制思想引入数据分类计算外包的有效途径。通过分析现有密文访问控制模型与分类外包隐私保护模型，研究构建计算高效的和语义安全的属性基加密数据分类外包方案；进一步的，研究分类查询密钥的生成与更新方法，设计分类查询权限控制方案，实现对查询者权限的授予和撤销；最终，研究分类查询结果的完整性验证方法，实现以较低的运算复杂度和较高的概率检验查询结果的正确性。相关成果能够为构建安全、高效、完备的数据挖掘分类外包算法提供理论和技术支撑，同时对于加强我国“互联网+”战略下的公民隐私保护，推动大数据与云计算技术大力发展，具有重要的现实意义。

当前大数据时代，随着用户数据规模的急剧增长，以及云计算技术、大数据技术和5G移动通信的快速发展，将数据外包至云端，利用第三方服务进行数据关联分析已经成为一种广泛应用的计算模式。在该计算模型下，用户数据的机密性防护、隐私保护等需求成为其选择云服务的重点考虑因素之一。本项目主要针对数据挖掘中的分类计算，围绕其中的隐私保护关键问题，探索将权限控制思想引入数据分类计算外包的有效途径。通过分析现有密文访问控制模型与分类外包隐私保护模型，研究属性基加密数据的分类外包方法，提出了有效的可授权分类检索方案和隐私保护深度学习模型分类预测方案；研究查询分类查询的权限控制方法，提出了支持策略隐藏的访问控制和基于混合加密控制的kNN分类方案；研究了外包分类查询的完整性验证方法，实现了低运算复杂度和高检测概率的结果完整性验证方案；此外，还设计提出了一种支持细粒度控制策略的外包数据可信删除方法。相关成果能够为构建安全、高效、完备的数据挖掘分类外包算法提供理论和技术支撑，同时对于加强我国“互联网+”战略、数字中国战略下的公民隐私保护，进一步推动人类社会智能化发展，具有重要的现实意义。