论文部分内容阅读
在多数聚类计算的实际应用中,样本数据通常来自于不同的用户,聚类算法往往需要在用户的联合数据集上进行计算.而出于隐私保护的目的,用户并不希望与其他参与方共享其私有数据.因此,如何以隐私保护的方式实现多用户的聚类计算便得到了人们的广泛关注.针对多用户持有数据的场景,研究了k-均值(k-means)聚类算法的安全计算问题,设计了常数轮交互的多用户k-means聚类安全计算协议.在该协议中,用户使用加法同态加密方案对样本数据加密并上传至独立的辅助计算服务器.服务器通过与持有私钥的聚类计算方交互,实现了乘法和欧氏距