隐私保护的机器学习外包计算研究

Machine learning is widely used for numbers of tasks nowadays, such as healthcare, biology, picture processing and so on. Due to the powerful capacity of computation and storage, cloud computing become an important platform for data processing and computing in machine learning. However, cloud server is untrusted, which faces an important challenge in security and privacy protection when data storing and processing. Around the outsourcing computation of machine learning in cloud computing, this project researches on data security and privacy protection. Specifically, this project focuses on the following three aspects: construct privacy-preserving machine learning schemes in cloud computing which is used to guarantee data security and privacy protection of users; construct privacy-preserving outsourced classification schemes in cloud computing which is used to guarantee model security; design new cryptographic technologies to support the complex algebraic operations in machine learning. According to the research of this project, thrash out the key problems about data security and privacy protection in machine learning, which is based on cloud computing platform, and promote the application of machine learning in more fields.

机器学习在医疗、生物、图像处理等方面有着越来越广泛的应用，云计算由于强大的计算和存储能力，成为机器学习中数据处理与计算的重要平台。然而由于云服务器的不完全可信，使得数据在存储和处理等面临着安全和隐私等问题的挑战。本项目围绕基于云平台的机器学习外包计算中的数据安全和隐私保护问题展开研究。具体包括：1）以数据安全和隐私保护为目标，构造具有隐私保护的机器学习方案；2）以分类模型安全为核心，构造具有隐私保护的分类外包方案；3）构造新型密码技术，支持机器学习中的特殊代数结构计算。通过本项目的研究解决基于云计算平台的机器学习中的数据安全隐私保护关键问题，推动机器学习在更多领域的应用。

随着社会经济的发展，人民对智慧生活的需求也越来越迫切，在支撑智慧生活的科学技术中，机器学习凭借云计算强大的计算好存储能力，从而能海量数据中挖掘有用的知识为社会提供服务。然而由于云服务器的不完全可信，使得数据在存储和处理等面临着安全和隐私等问题的挑战。本项目围绕基于云平台的机器学习外包计算中的数据安全和隐私保护问题展开研究。在项目研究之初，我们以数据安全和隐私保护为目标，构造具有隐私保护的机器学习方案;随着研究计划的推进，我们考虑对分类模型的外包计算， 构造具有隐私保护的分类外包方案;最后，针对已有的密码技术，我们构造新型密码技术，支持机器学习中的特殊代数结构计算。通过本项目的研究解决基于云计算平台的机器学习中的数据安全隐私保护关键问题，推动机器学习在更多领域的应用。