基于纵向联邦学习算法的隐私数据防篡改加密方法

摘要

针对在隐私数据防篡改加密过程中，为确保数据的完整性和安全性，同时保持数据的隐私性的问题，提出一种基于纵向联邦学习算法的隐私数据防篡改加密方法。通过纵向联邦学习算法组建网络恶意用户检测层次化结构进行恶意用户检测，确保隐私数据的完整性和安全性。运用随机森林回归模型对隐私数据精确分类，借助复合混沌序列生成隐私数据的混沌随机序列。在序列编码阶段，采用二值化寻优方法，确保编码的高效性和准确性。采用密钥控制方法设计隐私数据的加密密钥，通过特征聚类和编码融合技术，实现隐私数据防篡改加密。实验结果表明，所提方法在保护隐私数据的安全性方面表现出色，能有效防止隐私数据遭受篡改和泄露的风险。

关键词

纵向联邦学习算法 / 隐私数据 / 随机森林回归模型 / 复合混沌序列 / 防篡改加密

基金资助

陕西省自然科学基金资助项目(202164603362)