【技术实现步骤摘要】
本专利技术属于数据加密领域，具体涉及一种支持隐私保护的内积加密方案及交通态势预测拓展应用。
技术介绍
1、随着经济水平的不断提升，私家车出行成为一种普遍的出行方式。然而，伴随着车辆数量激增，交通拥堵问题日益严重，这为出行带来了诸多不便，比如出行时间延长、油耗增加等问题。交通管理部门不断寻找可能的解决方式，以期达到缓解出行压力的目的。近年来，随着机器学习的不断发展与成熟，数据预测提供了一种有效的解决办法，比如神经网络预测。神经网络预测是一种利用以往真实数据训练模型并输入目前数据进行预测的一种方式。基于此方式，交通管理部门就可以利用现有数据预知交通变化趋势，实现精准的交通管理和预防，最大程度缓解交通拥堵问题。
2、然而，神经网络预测自身的特性致使用户无法控制数据处理的过程，这种数据物理控制权的转移引起了用户对于敏感数据安全性的担忧。因此，用户对于数据安全性的担忧成为严重阻碍神经网络预测走向应用的瓶颈之一。
3、为保护数据安全性，目前主要有两种解决方式，一是使用联邦学习等分布式学习，二是利用数据加密、差分隐私以及安全多方计算等“处理数据+数据预测”的方式。具体来说，在分布式学习这一方式下，联邦学习是用户在本地训练自己的数据并将模型参数上传至中心服务器，由中心服务器完成最终预测。在“处理数据+数据预测”这一方式下，差分隐私是一种不断向数据中加入噪声的方式实现数据安全保护；数据加密中的函数加密以及同态加密利用将明文数据加密成密文的方式隐藏数据中的隐私信息，同态加密允许对密文数据进行运算得到加密结果，函数加密可以实现
4、内积加密作为函数加密的一个重要分支，将数据解密为密文对应明文和密钥对应某个向量的内积。其内积结果可以用于数据分析、机器学习等场景。因此，将内积加密与神经网络预测结合实现数据安全预测是十分合理且必要的。不过，据专利技术人了解，在应用于交通场景过程中，由于交通场景的实时变化性，需要有较高的预测效率以便对目前的交通态势做出较快的反映。因此，在“处理数据+数据预测”方式下提升预测效率是应用在交通场景中的必然选择。
5、如上所述，数据的安全性、预测的效率都是交通态势感知中比较重要的现实需求。不过，目前的方案设计大多无法同时满足这两点需求。主要有以下几点原因：1）数据隐私问题，目前所设计预测模型大多没有充分考虑数据的安全问题，无法有效保护训练和预测数据的安全性，导致网络攻击的产生；2）数据预测效率问题，结合数据处理的前提下，模型预测效率大大降低，无法及时做出响应；3）无法实现长期安全，目前大多数内积加密方案都是基于数论中的大整数素分解、离散对数等传统困难问题设计，在量子攻击下无法保证数据安全性。
技术实现思路
1、本专利技术的目的在于设计一种支持隐私保护的内积加密方案及交通态势预测拓展应用，解决了数据隐私安全以及数据预测效率的问题。
2、为实现数据隐私保护的目标，本专利技术提出内积加密方案，包括以下步骤：
3、步骤a、内积加密.系统建立：密钥生成中心运行该算法生成系统公共参数，族公钥和族私钥以及解密密钥。
4、步骤b、内积加密.密钥提取：密钥生成中心收到用户以及云服务器的提出注册请求后，运行该算法生成解密密钥并返回给云服务器。
5、步骤c、内积加密.数据加密：用户使用族私钥并利用该算法生成相应的数据密文，将其上传到云服务器。
6、步骤d、内积加密.数据解密：用户发送解密请求，云服务器利用解密密钥运行该算法解密数据得到有关数据的内积。
7、进一步地，所述步骤a具体包括：
8、密钥生成中心随机选择均匀的向量、、标签以及一个高斯分布；
9、运行算法输出族私钥以及族公钥；
10、公开族公钥并且秘密存储族私钥；
11、其中，可以看作，在该式中，；是指输入向量和标签产生系统族公钥和族私钥的算法。
12、进一步地，所述步骤b具体包括：
13、设置两个输出固定长度的安全哈希函数以及；
14、对于，计算并组合所有得到属性策略；
15、利用逻辑函数，计算；
16、根据以上结果，运行获得解密密钥并将其发送给云服务器；
17、其中，安全哈希函数和：将输入的任意长度的字符串映射为固定长度和范围的字符串；是系统标识符用于属性策略的生成；逻辑函数，其所述以及分别表示为函数向量和用户属性；算法是一种原像抽样算法，主要用来抽取私钥。
18、进一步地，所述步骤c具体包括：
19、根据用户属性和等式，计算其属性哈希值和的值以得到，并组合；
20、选择向量，利用组合消息并计算密文，将该数据密文上传至云服务器；
21、其中，对于属性，是通过哈希函数以及等式计算得到的；是求余操作，主要是将计算数值固定在间。
22、进一步地，所述步骤d具体包括：
23、云服务器根据接收的密文、函数向量以及解密密钥计算；
24、计算，并将解密结果返回给用户。
25、为实现数据隐私保护下的数据预测，本专利技术提出以下交通态势感知系统：
26、步骤a、系统初始化：交通管理部门运行内积加密.系统建立算法生成相应的族公钥和族私钥；随后运行内积加密.密钥提取算法产生数据解密密钥并发送给云服务器。
27、步骤b、交通数据加密：交通管理部门利用内积加密.数据加密算法生成数据密文并发送给云服务器。
28、步骤c、交通数据安全预测：根据接收的数据密文，云服务器利用解密密钥运行内积加密.数据解密算法产生相应的内积解密结果；随后，云服务器将此结果数据到训练好的神经网络预测模型完成安全预测。
29、其中，交通数据安全预测在利用所设计内积加密方案完成数据处理后，依托zhang等人[1]提出的表现优异的神经网络预测模型实现预测。文献[1]为 m. zhang, z.-a. li,and p. zhang, “a secure and privacy-preserving word vector training schemebased on functional encryption with inner product predicates,” computerstandards&interfaces, vol. 86, p. 103734, 2023.
30、进一步地，步骤a利用内积加密.系统建立和内积加密.密钥提取算法完成。
31、进一步地，步骤b利用内积加密.数据加密算法完成。
32、进一步地，步骤c分为两个部分，数据解密以及数据预测。其中，数据解密利用内积加密.数据解密算法完成，数据预测利用[1]中设计的预测模型完成。
33、与现有技术相比，本专利技术的有益效果如下：
34、本专利技术提出了一种数据处理方法以实现安全的数据预测，保护预测过程本文档来自技高网...
【技术保护点】
1.支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，包括以下步骤:
2.支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，包括以下步骤:
3.如权利要求1所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密.系统建立算法具体步骤包括：
4.如权利要求1所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密.密钥提取算法具体步骤包括：
5.如权利要求1所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密方案.数据加密算法具体步骤包括：
6.如权利要求1所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密方案.数据解密算法具体步骤包括：
7.如权利要求2所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述交通态势预测系统具体实现包括：该交通态势预测系统依托Zhang等人提出的神经网络预测模型实现数据预测，本专利技术主要改进在该系统中数据处理方面，以实现数据预测
8.如权利要求2所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密应用至交通态势感知系统的相关修改包括：
...【技术特征摘要】
1.支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，包括以下步骤:
2.支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，包括以下步骤:
3.如权利要求1所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密.系统建立算法具体步骤包括：
4.如权利要求1所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密.密钥提取算法具体步骤包括：
5.如权利要求1所述的支持隐私保护的内积加密方案及交通态势预测拓展应用，其特征在于，所述内积加密方案.数据加密算法具体...
【专利技术属性】
技术研发人员：王凤和，肖涵，王俊泉，王烨，曹成梁，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。