基于隐私信息检索的大规模用电增信查询方法

摘要

用电信用报告已经成为企业增信的重要凭证，但现有电力金融服务平台在提供用电信用报告查询时存在未保护查询方的查询偏好隐私信息，并且难以支持大规模数据库查询两方面问题。针对上述两个问题，提出一种基于隐私信息检索和不经意多项式计算的安全高效检索方法Effi-Retrieval。具体地，使用Paillier同态加密和不经意多项式计算实现查询方的偏好隐私和电力金融平台的数据库安全。此外，基于k-匿名方法在实现查询方的个性化隐私需求同时，结合哈希映射设计了最优分桶策略，用以降低查询方和电力金融服务平台间的通信开销。综上两方面策略，Effi-Retrieval将传统隐私信息检索的复杂度由数据库规模的指数函数降低为匿名参数k。最后，给出了Effi-Retrieval的安全性分析和用户隐私需求和承担费用对通信开销影响的数值实验。本文使用python的paillier同态加密库编写实验代码并在单台主机上模拟客户端与服务器间的交互，在FATE开源联邦平台提供的Credit Card数据集上进行了实验。结果表明，在数据规模300及以上的数据库上使用8 192密钥位数加密时，与不使用分桶策略的传统方法相比，Effi-Retrieval的密态多项式生成时间可降低50%以上，与不使用k-匿名方法的查询算法相比，Effi-Retrieval的检索时间可降低30%以上。

关键词

电力增信查询 / 隐私信息检索 / 不经意多项式计算 / k-匿名 / 通信开销