38、可更新顺序揭示加密的决策树训练与KIVR认证加密方案

可更新顺序揭示加密的决策树训练与KIVR认证加密方案

在当今的数据安全与机器学习领域，如何在保护数据隐私的前提下进行高效的模型训练，以及如何增强认证加密方案的安全性，是两个备受关注的重要问题。下面将详细介绍可更新顺序揭示加密（Updatable Order-Revealing Encryption）在决策树训练中的应用，以及一种新的认证加密模式KIVR。

可更新顺序揭示加密在决策树训练中的应用

在决策树训练的场景中，我们面临着既要保护数据隐私，又要保证训练效率的挑战。传统的一些方法在处理这些问题时存在明显的不足。

运行时间分析

以泰坦尼克号数据集为例，当$N = 357$，$m = 5$，生成的决策树深度$\Delta = 25$时，使用某些方法的运行时间估计约为$2.2 \cdot 10^7$秒。而我们提出的方法在相同数据集上的表现则要好得多。当将决策树深度限制为$\Delta = 10$时，我们的方法运行时间受影响不大，因为大部分运行时间来自于加密和更新训练数据。而其他方法的运行时间则显著减少，估计约为$672$秒，但仍然比我们的方法慢很多。这主要是因为其他方法的训练算法在树深度上具有指数级的运行时间。

方法	决策树深度$\Delta = 25$运行时间	决策树深度$\Delta = 10$运行时间
其他方法	$\approx2.2 \cdot 10^7$秒	$\appro