1.一种岭回归训练方法,其特征在于,包括如下步骤:参数初始化,生成系统公共参数,生成DPs、CSP、ACS、DR的公私钥对,计算ACS与DR的重加密密钥;
接收训练请求时,计算CSP与ACS的联合公钥,用联合公钥加密私有数据,生成密文一;
通过CSP对密文一进行部分解密,对密文一的每个数据项加噪声以盲化,生成数据包一;
通过ACS对数据包一进行解密后再加密,生成数据包二;
利用加法同态性质,通过CSP对数据包二进行去盲,加入正则化矩阵,得到中间值,并引入随机值对中间值进行盲化,同时将随机值用重加密密钥加密,生成包括盲化后中间值、加密后随机值的数据包三;
通过ACS对加密后随机值进行重加密、对盲化后中间值进行解密操作,生成密文二;
通过DR对密文二进行解密,得到模型的最终训练结果。
2.根据权利要求1所述的岭回归训练方法,其特征在于,所述重加密密钥由ACS私钥和DR公钥计算得出。
3.根据权利要求1所述的岭回归训练方法,其特征在于,通过引入常数对密文一每个数据项加噪声。
4.一种计算设备,其特征在于,用于实现权利要求1-3任一项的岭回归训练方法,具体包括:存储设备,用于存储用户数据;
存储器,用于存储用于处理的数据以及处理器;
所述处理器被配置为:参数初始化,生成系统公共参数,生成DPs、CSP、ACS、DR的公私钥对,计算ACS与DR的重加密密钥;
接收训练请求时,计算CSP与ACS的联合公钥,用联合公钥加密私有数据,生成密文一;
通过CSP对密文一进行部分解密,对每个数据项加噪声,生成数据包一;
通过ACS对数据包一进行解密后再加密,生成数据包二;
利用加法同态性质,通过CSP对数据包二进行去盲,加入正则化矩阵,得到中间值,并引入随机值对中间值进行盲化,同时将随机值用重加密密钥加密,生成包括盲化后中间值、加密后随机值的数据包三;
通过ACS对加密后随机值进行重加密、对盲化后中间值进行解密操作,生成密文二;
通过DR对密文二进行解密,得到模型的最终训练结果。
5.根据权利要求4所述的计算设备,其特征在于,所述计算设备还包括用于连接到网络的网络连接。
6.根据权利要求4所述的计算设备,其特征在于,所述CSP和ACS实现在分离的计算设备上。
7.一种介质,其特征在于,为包含指令的机器可读介质,所述指令在被执行时实现权利要求1-3任一项岭回归训练方法的步骤。