端云协同的用户隐私保护车辆保险保费计算模型及方法技术

本发明专利技术公开了端云协同的用户隐私保护车辆保险保费计算模型及方法，方法包括：S1，端侧用户构建传输的数据包；S2，将数据包从端侧传输到云侧；S3，通过加密数据，筛选云侧共享数据池，得到候选数据集；S4，对候选数据集使用方程组求解恢复属性，得到匹配数据集；S5，生成会话秘钥；S6，对匹配数据集的每一条匹配项的车辆保险保费价格使用会话秘钥加密，并传输给端侧用户，端侧用户解密车辆保险保费价格；端侧模型包括：秘钥生成模块、哈希映射模块、布隆矩阵生成模块、启发式矩阵生成模、解密模块；云侧模型包括：云侧共享数据池、布隆过滤器、加密属性恢复模块、会话秘钥生成模块、车辆保险保费价格传输模块。

【技术实现步骤摘要】
端云协同的用户隐私保护车辆保险保费计算模型及方法
本专利技术涉及密码学和网络安全
，尤其是涉及了一种端云协同的用户隐私保护车辆保险保费计算模型及方法。
技术介绍
边缘计算是云计算概念发展后提出来的一个新的概念，是指利用边缘的低成本，低功耗的设备采集用户的信息，在边缘测做简单的数据处理。利用云计算中心的强大算力支撑和海量存储设备，将端侧的预处理数据传输到云端，进行后续的复杂处理。边缘计算使云计算中的一部分功能下沉到边缘节点，进行本地数据的初步分析和处理，承担部分“云”的工作，减轻云中心的压力。边缘计算还能减少复杂网络中各种路由转发和网络设备处理的时延，获取到更低延时，更加能大幅减少网络传输和多级转发带来的带宽成本。当前的用户隐私保护机制主要使用加密传输，需要一个可信的中心管理秘钥的交换。本方案针对一种无可信中心的开放系统的保护隐私的属性匹配问题。在边缘侧加密的用户属性数据，云端无需解密的情况下推荐车辆保险保费，避免个人隐私数据在网络传输中数据泄露的风险。
技术实现思路
为解决现有技术的不足，在无可信中心的情况下，实现端侧数据传输到云中心的过程中数据防泄露，车辆保险保费精准计算的目的，本专利技术采用如下的技术方案：端云协同的用户隐私保护车辆保险保费计算方法，包括如下步骤：S1，端侧用户构建传输的数据包，包括：布隆矩阵D、启发式矩阵M、哈希函数和加密属性集合Aset，所述加密属性集合Aset用于生成秘钥hkey；所述的加密端侧结构化用户属性数据包括：使用用户指定的属性数据、使用MD5哈希生成加密秘钥，加密秘钥设置为512位；S2，将用户信息数据包从端侧传输到云侧；S3，通过数据包，筛选云侧共享数据池，用户属性集合包含于云侧共享数据池的属性集合，即云侧共享数据池的属性类型包含用户的属性类型，但是属性的值可能不一样，默认的属性数据为None，使用布隆过滤器快速筛选云侧共享数据池，使用布隆矩阵D、哈希函数进行快速过滤，得到候选数据集；S4，通过启发式矩阵M，对候选数据集使用方程组求解恢复缺省属性数据，得到匹配数据集；S5，生成会话秘钥，对匹配数据集的每一条匹配项加密属性集Aset中的属性数据，生成会话秘钥S6，对匹配数据集的每一条匹配项的车辆保险保费价格使用会话秘钥加密，并传输给端侧用户，端侧用户使用秘钥hkey解密车辆保险保费价格。采用的加密方法是AES(AdvancedEncryptionStandard)对称加密方法。进一步地，所述步骤S1，包括如下步骤：S11，用户属性数据由mn个属性构成，属性类型包括Alpha、Beta、Gamma，其中Alpha属性表示使用布隆过滤器快速筛选的属性，Beta属性表示可以使用方程组恢复的属性；Gamma表示其他不需要处理的属性类型；S12，用户生成秘钥，加密属性集合Aset中的属性数据生成秘钥hkey，所述Aset是用户指定的属性集；S13，使用3个不同的哈希函数H1,H2,H3将每个ai映射为哈希值：H1(A)＝{h1(a1)modp,h1(a2)modp,…,h1(aalpha)modp}H2(A)＝{h2(a1)modp,h2(a2)modp,…,h2(aalpha)modp}H3(A)＝{h3(a1)modp,h3(a2)modp,…,h3(aalpha)modp}构成布隆矩阵D＝[H1(A),H2(A),H3(A)]T；S14，对A中的Beta属性进行加密，使用密码哈希函数H对A中的Beta属性进行哈希，第1至alpha维度的属性向量是Alpha属性，第alpha+1至beta维度的属性向量是Beta属性，对Beta属性的属性向量的值进行哈希，得到模糊属性向量：H(A)＝{halpha+1,halpha+2,…,hbeta}；在端侧生成模糊矩阵Fγ×(γ+β)＝[Iγ×γ，Rγ×β]，其中，矩阵I是γ维的单元矩阵，R是尺寸为γ×β的随机矩阵，其每一个元素都是非零的随机整数，γ是模糊属性的阈值，表示匹配的用户最多有γ个缺省值，γ+β等于Bta属性的维度大小，用户将模糊矩阵F和模糊属性向量H(A)相乘，得到矩阵B：B＝F×[halpha+1,halpha+2,…,hbeta]T，启发式矩阵M由矩阵F和B组合而成：M＝[F,B]。进一步地，所述步骤S2，用户将启发式矩阵M、布隆矩阵D、哈希函数、加密属性集合Aset，打包成数据包packet，将packet使用超文本传输安全协议传输到云侧。进一步地，所述步骤S3，通过接收的数据包packet，使用布隆过滤器快速筛选云侧共享数据池，使用布隆矩阵D、哈希函数H1,H2,H3进行快速过滤，包括如下步骤：S31，对云侧共享数据池中的每个条目Dk，使用哈希函数映射为哈希值：条目Dk表示一条具有完整属性集的数据，例如数据库中行表示一个条目，列表示一种属性；S32，去掉H1(Dk)≠H1(A)，H2(Dk)≠H2(A)，H3(Dk)≠H3(A)的条目，剩余条目的作为候选数据集，即备选条目数据集D1。进一步地，所述步骤S4，包括如下步骤：S41，通过接收的数据包packet，使用密码哈希函数H对候选数据集中的Beta属性进行哈希得到：S42，对于Hk，可能包含不超过γ个未知属性，这些未知数通过解以下线性方程组来得到：即：得到候选数据集上，每个条目最多可以允许有γ个缺省值的匹配条目数据集D2。进一步地，所述步骤S6中，通过会话秘钥使用高级加密标准AES对称加密方法，加密匹配条目数据集D2中，第k个条目的车辆保险保费的属性数据其中，v表示车辆保险保费价格的属性，然后通过超文本传输安全协议https将数据Sv传输到端侧用户，此时，发送给用户的数据是使用加密的数据，端侧用户使用hkey解密Sv，由于使用的是AES是对称加密，只有加密的秘钥和用户使用的秘钥hkey相同，才能够解密出明文，即只有满足Aset属性数据相同的数据条目，才作为推荐用户保费价格的条目。进一步地，使用解密出的明文信息vk，通过求平均值的方法：其中n表示匹配用户的数量，将作为推荐价格返回给用户。进一步地，所述步骤S1中根据加密属性集合Aset的属性向量值求哈希，并用所述哈希值作为高级加密标准AES的秘钥hkey；步骤S5中通过接收的数据包packet，根据加密属性集Aset，对匹配数据集中匹配的条目的属性集的值求哈希，并用所述哈希值作为高级加密标准AES加密方法的秘钥只有拥有与用户属性集合Aset数据相同的隐私属性和模糊属性的条目，才能够生成与用户属性数据一致的秘钥hkey，所述哈希，是使用属于加密属性集合Aset的属性类型的向量值生成的哈希值。端云协同的端侧用户隐私保护车辆保险保费计算模型，包括秘钥生成模块、哈希映射模块、布隆矩阵生成模块、启发式矩阵生成模、解密模块；所述秘钥生成本文档来自技高网...

【技术保护点】
1.端云协同的用户隐私保护车辆保险保费计算方法，其特征在于包括如下步骤：/nS1，端侧用户构建传输的数据包，包括：布隆矩阵D、启发式矩阵M、哈希函数和加密属性集合A

【技术特征摘要】
1.端云协同的用户隐私保护车辆保险保费计算方法，其特征在于包括如下步骤：
S1，端侧用户构建传输的数据包，包括：布隆矩阵D、启发式矩阵M、哈希函数和加密属性集合Aset，所述加密属性集合Aset用于生成秘钥hkey；
S2，将数据包从端侧传输到云侧；
S3，通过数据包，筛选云侧共享数据池，云侧共享数据池的属性类型包含用户的属性类型，使用布隆过滤器筛选云侧共享数据池，使用布隆矩阵D、哈希函数进行过滤，得到候选数据集；
S4，通过启发式矩阵M，对候选数据集使用方程组求解恢复缺省属性数据，得到匹配数据集；
S5，生成会话秘钥，对匹配数据集的每一条匹配加密属性集Aset中的属性数据，生成会话秘钥
S6，对匹配数据集的每一条匹配项的车辆保险保费价格使用会话秘钥加密，并传输给端侧用户，端侧用户使用秘钥hkey解密车辆保险保费价格。


2.如权利要求1所述的端云协同的用户隐私保护车辆保险保费计算方法，其特征在于所述步骤S1，包括如下步骤：
S11，用户属性数据由mn个属性构成，属性类型包括Alpha、Beta，其中Alpha属性表示使用布隆过滤器筛选的属性，Beta属性表示使用方程组恢复的属性；
S12，用户生成秘钥，加密属性集合Aset中的属性数据生成秘钥hkey，所述Aset是用户指定的属性集；
S13，使用3个不同的哈希函数H1,H2,H3将每个ai映射为哈希值：
H1(A)＝{h1(a1)modp,h1(a2)modp,…,h1(aalpha)modp}
H2(A)＝{h2(a1)modp,h2(a2)modp,…,h2(aalpha)modp}
H3(A)＝{h3(a1)modp,h3(a2)modp,…,h3(aalpha)modp}
构成布隆矩阵D＝[H1(A),H2(A),H3(A)]T；
S14，对A中的Beta属性进行加密，使用密码哈希函数H对A中的Beta属性进行哈希，第1至alpha维度的属性向量是Alpha属性，第alpha+1至beta维度的属性向量是Beta属性，对Beta属性的属性向量的值进行哈希，得到模糊属性向量：H(A)＝{halpha+1,halpha+2,…,hbeta}；生成模糊矩阵Fγ×(γ+β)＝[Iγ×γ，Rγ×β]，其中，矩阵I是γ维的单元矩阵，R是尺寸为γ×β的随机矩阵，其每一个元素都是非零的随机整数，γ是模糊属性的阈值，表示匹配的用户最多有γ个缺省值，γ+β等于Beta属性的维度大小，将模糊矩阵F和模糊属性向量H(A)相乘，得到矩阵B：B＝F×[halpha+1,halpha+2,…,hbeta]T，启发式矩阵M由矩阵F和B组合而成：M＝[F,B]。


3.如权利要求1所述的端云协同的用户隐私保护车辆保险保费计算方法，其特征在于所述步骤S2，将启发式矩阵M、布隆矩阵D、哈希函数、加密属性集合Aset传输到云侧。


4.如权利要求1所述的端云协同的用户隐私保护车辆保险保费计算方法，其特征在于所述步骤S3，使用布隆过滤器筛选云侧共享数据池，使用布隆矩阵D、哈希函数H1,H2,H3进行过滤，包括如下步骤：
S31，对云侧共享数...

【专利技术属性】
技术研发人员：郑欢欢，高丰，孙爽，王晓江，郁善金，杨涛，程宏才，
申请(专利权)人：之江实验室，
类型：发明
国别省市：浙江;33