1 |
1
입력 데이터를 암호화하고, 암호화된 입력 데이터에 따라 생성된 분류결과를 외부로부터 전달받아 해독하여 분류 값을 추출하는 사용자; 그리고,데이터 제공자로부터 수집한 정보를 기계학습하여 모델을 생성하고, 상기 사용자로부터 암호화된 입력 데이터를 전달받아, 이를 상기 모델에서 분류하여 분류 결과를 생성하고, 생성된 상기 분류 결과를 상기 사용자에게 전달하는 서버;를 포함하고,상기 서버는 제1 암호화부, 선택부 및 분류부를 포함하는 것이고,상기 제1 암호화부는 상기 데이터 제공자로부터 수집한 정보를 기계학습하여 상기 모델을 생성하고 이를 암호화하여 상기 선택부 및 분류부로 전달하는 것이고,상기 선택부는 상기 사용자로부터 전달받은 상기 암호화된 입력 데이터를 테이블로 생성하여 상기 분류부로 전달하는 것이고,상기 분류부는 상기 제1 암호화부로부터 전달받은 암호화된 모델정보와 상기 선택부로부터 전달받은 테이블을 이용하여 분류결과를 생성하고 로테이션 연산을 수행하여 이를 상기 사용자의 해독부로 전달하는 것을 특징으로 하는 비대화식 통신을 이용한 암호화 데이터의 기계학습 시스템
|
2 |
2
제1항에 있어서,상기 서버는 FHE(fully homomorphic encryption)의 자기동형을 이용하고, 의료 데이터를 상기 입력 데이터로서 생성하며, 상기 서버는 암호화된 상기 의료 데이터에 따라 진단결과를 분류 결과로서 생성하는 것을 특징으로 하는 비대화식 통신을 이용한 암호화 데이터의 기계학습 시스템
|
3 |
3
제1항에 있어서,상기 서버는 암호문 형태의 데이터를 이용하여 상기 암호화된 입력 데이터로부터 분류결과를 생성하는 것을 특징으로 하는 비대화식 통신을 이용한 암호화 데이터의 기계학습 시스템
|
4 |
4
데이터 제공자로부터 수집한 정보를 기계학습하여 모델을 생성하고, 입력 데이터에 따라 이를 상기 모델에서 분류하여 R1 구조의 분류 결과를 생성하고 로테이션 연산하여 생성된 R1 구조의 분류 결과를 외부로 전달하는 사용자; 그리고,상기 사용자로부터 상기 로테이션 연산하여 생성된 R1 구조의 분류 결과를 전달받아 로테이션 연산하여 R2 구조의 분류 결과를 생성하여 상기 사용자에게 다시 전달하는 서버;를 포함하고,상기 사용자는 상기 서버로부터 전달받은 상기 R2 구조의 분류 결과에 로테이션 연산하여 최종 분류 결과를 추출하는 것을 특징으로 하는는 비대화식 통신을 이용한 암호화 데이터의 기계학습 시스템
|
5 |
5
제4항에 있어서,상기 사용자는 FHE(fully homomorphic encryption)의 자기동형을 이용하고, 의료 데이터를 상기 입력 데이터로서 생성하며, 상기 사용자는 암호화된 상기 의료 데이터에 따라 진단결과를 분류 결과로서 생성하는 것을 특징으로 하는 비대화식 통신을 이용한 암호화 데이터의 기계학습 시스템
|
6 |
6
제4항에 있어서,상기 사용자는 암호문 형태의 데이터를 이용하여 상기 입력 데이터로부터 분류결과를 생성하는 것을 특징으로 하는 비대화식 통신을 이용한 암호화 데이터의 기계학습 시스템
|