Page 133 - 大数据背景下计算机信息安全及防护

第四章 大数据安全防护技术

一般其计算开销比较大，且效率仍然远远低于半同态技术，且实现难度大，所以
大多数研究者在研究中仍然选择半同态加密。Qiu 等提出了一种方案，该方案在
不向服务提供商泄漏任何客户端信息的情况下，可训练出分布式客户端数据的线
性回归模型。通过理论分析和数值实验，提出者验证了基于半同态加密的分布式

数据隐私保护线性回归（Privacy-Preserving Linear Regression）算法的有效性、
准确性和安全性。同时，结合数据屏蔽技术，特别是利用机器学习进行隐私保护
任务中实现回归模块，其方案可以比大多数现有方案更有效。在联邦学习的非对
称加密算法中，假设相同的私钥被许多客户端共享，私钥泄露或恶意参与者访问

其他参与者数据的可能性就会增加，从而削弱基于联邦学习的系统的隐私保护。
因此，窃取一个客户端的私钥可以使参与联邦学习系统的所有客户端的数据
隐私保护失效。为了克服这一漏洞，Park 等提出了一种保护隐私的联邦学习算
法，该算法允许云服务器通过使用基于分布式密码系统的同态操作，将不同密钥

加密的本地参数聚合在同一个基于联邦学习的系统中，从而更新全局模型参数，
达到更好的隐私保护目的。在医疗领域，患者的电子健康信息等敏感数据应该在
传输到云端之前进行加密。而许多传统的加密方法只能用于保护云数据，无法
对加密的数据进行计算。Boomija 等提出一种安全部分同态加密（Secure Partial

Homomorphic Encryption，SPHE）算法来保护外包数据，并对密文进行乘除运算。
该模型在存储患者的医疗记录时，医疗详细信息由提出的 SPHE 算法加密并上传。
该方法利用密文的同态性对密文进行计算，具有较高的安全性。
3. 基于量子技术的加密

随着量子技术的发展，传统的密码技术可轻易被量子技术破解而受到威胁。
为解决这个问题，量子游走（Quantum Walks，QWs）被提出，它是一种通用的
量子计算模型，具有固有的密码学特征，可用于构建高效的密码机制。Latif 等
利用 QWs 的特点，构造了一种新的 s-box 方法，该方法在 5G 物联网分组密码技

术中发挥了重要作用；并基于 5G 物联网技术和 s-box 机制及可控交替量子游走
的应用，提出了一种新的鲁棒视频加密机制。
在满足 5G-IoT 中各种文件加密需求的同时，提出者利用 QWs 的特点，又提
出了一种新的 5G-IoT 模式下敏感文件安全传输的加密策略。对所提密码系统的

分析和结果表明，该密码系统在密码性能方面具有较好的安全性和有效性。Xu
等提出了一种基于 QWs 的安全跨层认证框架。该框架对多域物理层资源进行随

·123·