移动大数据的高效保护隐私的点积计算

许多移动大数据应用程序需要计算两个向量的点积。 例如，通过身体区域网络收集的个人基因组数据的点积和健康中心的基因生物标记物可以帮助检测m-Health中的疾病，而两个人的利益也可以促进移动社交网络中的个人资料匹配。 然而，移动大数据通常包含敏感的个人信息，并且由于是由人类携带的移动设备收集的，因此公众更易于访问。 因此，公开点积计算的输入会泄露有关两个参与者的敏感信息，从而导致严重的侵犯隐私行为。 作者解决了针对移动大数据应用的私有点积计算问题，在这些应用中，很难建立安全通道，并且非常需要计算效率。 我们首先提出两种基本方案，然后提出相应的高级版本以提高计算效率并增强隐私保护强度。 此外，我们从理论上证明了我们提出的方案可以同时实现隐私保护，不可否认性和问责制。 我们的数值结果在通信和计算开销方面验证了所提出方案的性能。