一种基于隐私保护的数字出版物畅销度预测方法

1.本发明涉及信息安全领域，特别是涉及一种基于隐私保护的数字出版物畅销度预测方法。


背景技术：

2.充分挖掘和利用海量读者阅读数据所蕴含的价值，为数字图书商务网站、出版商、书店等出版企业提供在经营、出版、销售等方面决策上的帮助，是大数据在数字出版领域的一种应用，具有非常重要的实际价值。同时，大数据时代隐私问题越发凸显和受到关注。个体隐私得不到很好的保护势必会影响大数据相关应用的使用和推广。读者阅读的信息蕴含着大量关于读者的隐私信息，如年龄、爱好、性格等。数字图书商务网站、出版商、书店等出版企业提出的服务需求也蕴含着企业投资偏好、出版偏好、未来营销倾向等商业敏感信息。因此，如何在不泄漏读者隐私信息和数字图书商务网站、出版商、书店等出版企业隐私信息情况下实现对海量读者阅读数据进行与出版企业服务需求相匹配的统计分析是一个非常具有应用价值的重要课题。


技术实现要素：

3.本发明的目的是提供一种基于隐私保护的数字出版物畅销度预测方法，在不泄漏服务请求者隐私(即请求者的统计偏好)和读者隐私(即读者的阅读信息)的情况下获得图书畅销排行榜、新书畅销程度预测、某位作家作品受欢迎程度分析等服务。
4.为实现上述目的，本发明提供了如下方案：
5.一种基于隐私保护的数字出版物畅销度预测方法，所述方法包括：
6.s1：对系统进行初始化；所述系统包括：数字出版服务平台和多个服务请求者user；所述数字出版服务平台包括：平台服务器ps、多个边缘设备es以及海量读者reader；
7.s2：user明确本次统计分析的目标类别ocname的值，生成对应的统计偏好{isbn1,isbn2,
…
,isbnv}；
8.s3：user生成一个长度为l的向量bf，并初始化为0，即bf[1]＝bf[2]＝...＝bf[l]＝0，同时生成k个哈希函数h1,h2,
…
,hk，其中hk:任意长度字符串
→
[1
…
l]，k＝1,2,
…
,k；
[0009]
s4：user根据统计偏好{isbn1,isbn2,
…
,isbnv}利用k个哈希函数设置向量bf：bf[hk(isbnv)]＝1，其中k＝1,2,
…
,k，v＝1,2,
…
,v；
[0010]
s5：user收集步骤s4中bf中值为1的所有位置信息得到一个位置集合los；
[0011]
s6：user从{1,2,
…
,l}/los中随机选择k/2个位置，将随机选择的位置并入到所述集合los中得到过滤位置集合flos；
[0012]
s7：user利用超递增序列{b1＝1,b2,b3,
…
}将所述集合flos中的位置信息封装为一个整数，用符号b表示所述整数；
[0013]
s8：user利用平台服务器的公钥和加密算法e加密整数b和目标类别名称ocname得到密文c1＝e(pk
ps
,b)和c2＝e(pk
ps
,ocname)；
[0014]
s9：user将(h1,h2,
…
,hk，c1，c2)作为服务请求提交给平台服务器ps；
[0015]
s10：平台服务器ps利用自己的私钥对收到的密文c2进行解密得到目标类别名称ocname＝d(sk
ps
,c2)；
[0016]
s11：平台服务器ps将(h1,h2,
…
,hk，ocname)广播给平台的海量读者；
[0017]
s12：第i个读者readeri，i＝1,2,
…
,n，根据接收到的目标类别名称ocname整理自己相关的阅读信息；所述阅读信息包括：阅读过该类别图书的isbn列表；
[0018]
s13：第i个读者readeri生成一个长度为l的向量bfi并将所述向量bfi所有位置上的值初始化为0，然后依次将自己整理得到的isbn列表中的每个值代入到k个哈希函数得到k个哈希值，将向量中所述k个哈希值所指示位置上的值设置为1，最后该读者得到的设置结果bfi(s
i,1
,s
i,2
,
…
,s
i,l
)；
[0019]
s14：第i个读者readeri在大小为p的有限域内构造个一元m阶多项式；
[0020]
s15：第i个读者readeri基于得到的设置结果bfi(s
i,1
,s
i,2
,
…
,s
i,l
)和步骤s14中的t个多项式构造t个一元m阶多项式；
[0021]
s16：第i个读者readeri为平台服务器ps生成秘密份额；
[0022]
s17：第i个读者readeri将所述第i个读者readeri为平台服务器ps生成的秘密份额发送给平台服务器ps；
[0023]
s18：第i个读者readeri为第j个边缘设备edj，j＝1,2,
…
,m，生成秘密份额；
[0024]
s19：第i个读者readeri将所述第i个读者readeri为第j个边缘设备edj，生成的秘密份额发送给第j个边缘设备edj和第jmod m 1个边缘设备ed
jmod m 1
；
[0025]
s20：第j个边缘设备edj将收到来自n个读者的秘密份额进行聚合；
[0026]
s21：第j个边缘设备edj将计算得到的聚合份额发送给平台服务器ps；
[0027]
s22：平台服务器ps将收到来自n个读者的秘密份额进行聚合；
[0028]
s23：如果平台服务器ps没有收到来自第j个边缘设备edj的聚合份额，则平台服务器通知第j-1个边缘设备ed
j-1
发送聚合份额，如果平台服务器没有收到来自第1个边缘设备ed1的聚合份额，那么平台服务器通知第m个边缘设备edm发送聚合份额；
[0029]
s24：平台服务器ps基于收到的聚合份额和自己计算得到的聚合份额利用拉格朗日插值公式重构2t个多项式[f1(x)，f2(x)，
…
，f
t
(x)，f1′
(x)，f2′
(x)，
…
，f
t
′
(x)]；
[0030]
s25：平台服务器ps依次检查的多项式f1(x)和f
′1(x)至多项式f
t
(x)和f
′
t
(x)的常数项是否相等，如果存在不相等，则平台服务器重启本次服务响应，否则执行下面的步骤；
[0031]
s26：平台服务器ps通过计算f1(x)-f
′1(x)、f2(x)-f
′2(x)、
……
、f
t
(x)-f
′
t
(x)并提取得到的多项式的系数，获得统计结果
[0032]
s27：平台服务器ps利用自己的私钥对收到的密文c1进行解密得到b＝d(sk
ps
,c1)，并利用超递增序列{b1＝1,b2,b3,
…
}解析b得到过滤位置集合flos；
[0033]
s28：平台服务器ps根据过滤位置集合flos过滤统计结果s28：平台服务器ps根据过滤位置集合flos过滤统计结果得到服务请求者的服务响应
[0034]
s29:：平台服务器ps利用服务请求者的公钥加密服务响应得到密文
并将密文{c
l
′
}
l∈flos
作为服务响应返回给服务请求者user；
[0035]
s30：服务请求者user利用自己的私钥解密收到的密文获得服务响应
[0036]
s31：服务请求者user根据自己的统计偏好{isbn1,isbn2,
…
,isbnv}、k个哈希函数和服务响应得到序列中每个isbn的统计结果；所述统计结果为：有多少平台读者已经阅读过该isbn对应的图书，读者已经阅读过该isbn对应的图书，其中v＝1,2,
…
,v。
[0037]
可选的，所述系统初始化具体包括以下步骤：
[0038]
平台服务器选择一个大素数p；系统里的操作在大小为p的有限域内完成；
[0039]
平台服务器选择一个超递增序列，所述递增序列用来压缩封装传输的数据；
[0040]
平台服务器设置两个系统公开参数l和k的值，参数l的值用来限定后续阶段中生成的向量的长度，参数k的值用来限定后续阶段中生成的哈希函数的个数；
[0041]
平台服务器选择一个高效的加密算法，(例如，基于椭圆曲线的elgamal算法)并生成所述加密算法的相应参数以及自己的公私钥对。
[0042]
可选的，所述步骤s14中个一元m阶多项式的表达式如下所示：
[0043]f′
i,1
(x)＝a
′
i,1,0
a
′
i,1,1
x
…
a
′
i,1,m
xm(modp)
[0044]f′
i,2
(x)＝a
′
i,2,0
a
′
i,2,1
x
…
a
′
i,2,m
xm(modp)
[0045]
……
[0046]f′
i,t
(x)＝a
′
i,t,0
a
′
i,t,1
x
…
a
′
i,t,m
xm(modp)
[0047]
所述多项式中的系数a
′
i,t,0
,a
′
i,t,1
,
…
,a
′
i,t,m
均是从有限域中随机选择的非零值，其中t＝1,2,
…
,t；所述多项式中的x为一元变量。
[0048]
可选的，所述步骤s15中t个一元m阶多项式的表达式如下：
[0049]fi,1
(x)＝a
′
i,1,0
a
i,1,1
x
…
a
i,1,m
xm(modp)
[0050]fi,2
(x)＝a
′
i,2,0
a
i,2,1
x
…
a
i,2,m
xm(modp)
[0051]
……
[0052]fi,t
(x)＝a
′
i,t,0
a
i,t,1
x
…
a
i,t,m
xm(modp)
[0053]
所述多项式中的常数项系数a
′
i,1,0
,a
′
i,2,0
,
…
,a
′
i,t,0
为上述步骤s14中构造的多项式的常数项系数，它们均是非零随机数；
[0054]
所述多项式中的非常数项系数分别为：
[0055]ai,1,1
＝a
′
i,1,1
s
i,1
,a
i,1,2
＝a
′
i,1,2
s
i,2
,
…
,a
i,1,m
＝a
′
i,1,m
s
i,m
[0056]ai,2,1
＝a
′
i,2,1
s
i,m 1
,a
i,2,2
＝a
′
i,2,2
s
i,m 2
,
…
,a
i,2,m
＝a
′
i,2,m
s
i,2m
[0057]
……
，
[0058]ai,t-1,1
＝a
′
i,t-1,1
s
i,(t-2)m 1
,a
i,t-1,2
＝a
′
i,t-1,2
s
i,(t-2)m 2
,
…
,a
i,t-1,m
＝a
′
i,t-1,m
s
i,(t-1)m
[0059]ai,t,1
＝a
′
i,t,1
s
i,(t-1)m 1
,a
i,t,2
＝a
′
i,t,2
s
i,(t-1)m 2
,
…
,a
i,t,l-(t-1)m
＝a
′
i,t,l-(t-1)m
s
i,l
,
[0060]ai,t,l-(t-1)m 1
＝a
′
i,t,l-(t-1)m 1
,
…
,a
i,t,tm
＝a
′
i,t,tm
，
[0061]
其中a
′
i,t,1
,a
′
i,t,2
,
…
,a
′
i,t,m
，t＝1,2,
…
,t，均是上述步骤s14中构造的多项式的非常数项系数，它们均是非零随机数，s
i,1
,s
i,2
,
…
,s
i,m
,s
i,m 1
,
…
,s
i,2m
,s
i,2m 1
,
…
,s
i,(t-1)m
,s
i,(t-1)m 1
,
…
,s
i,l
为步骤s13中得到的设置结果bfi(s
i,1
,s
i,2
,
…
,s
i,l
)；所述多项式中的x为一元变量。
[0062]
可选的，所述步骤s16中第i个读者readeri为平台服务器ps生成的秘密份额如下所示：
[0063]fi,1
(m 1),f
i,2
(m 1),
…
,f
i,t
(m 1)；f
′
i,1
(m 1),f
′
i,2
(m 1),
…
,f
′
i,t
(m 1)。
[0064]
可选的，所述步骤s18中第i个读者readeri为第j个边缘设备edj，j＝1,2,
…
,m，生成的秘密份额如下所示：
[0065]fi,1
(j),f
i,2
(j),
…
,f
i,t
(j)；f
′
i,1
(j),f
′
i,2
(j),
…
,f
′
i,t
(j)。
[0066]
可选的，所述步骤s20中第j个边缘设备edj将收到来自n个读者的秘密份额进行聚合具体采用以下公式：
[0067][0068][0069]
其中f
i,1
(j),f
i,2
(j),
…
,f
i,t
(j)；f
′
i,1
(j),f
′
i,2
(j),
…
,f
′
i,t
(j)是第i个读者readeri为第j个边缘设备edj生成的秘密份额；f1(j)是n个读者利用各自在步骤s15中构造的第一个多项式为第j个边缘设备edj生成的秘密份额的聚合秘密份额，f2(j)是n个读者利用各自在步骤s15中构造的第二个多项式为第j个边缘设备edj生成的秘密份额的聚合秘密份额，
……
，f
t
(j)是n个读者利用各自在步骤s15中构造的第t个多项式为第j个边缘设备edj生成的秘密份额的聚合秘密份额；f
′1(j)是n个读者利用各自在步骤s14中构造的第一个多项式为第j个边缘设备edj生成的秘密份额的聚合秘密份额，f
′2(j)是n个读者利用各自在步骤s14中构造的第二个多项式为第j个边缘设备edj生成的秘密份额的聚合秘密份额，
……
，f
′
t
(j)是n个读者利用各自在步骤s14中构造的第t个多项式为第j个边缘设备edj生成的秘密份额的聚合秘密份额。
[0070]
当j＝2,3,
…
,m时，执行
[0071][0072][0073]
其中f
i,1
(j-1),f
i,2
(j-1),
…
,f
i,t
(j-1)；f
′
i,1
(j-1),f
′
i,2
(j-1),
…
,f
′
i,t
(j-1)是第i个读者readeri为第j-1个边缘设备ed
j-1
生成的秘密份额；f1(j-1)是n个读者利用各自在步骤s15中构造的第一个多项式为第j-1个边缘设备ed
j-1
生成的秘密份额的聚合秘密份额，f2(j-1)是n个读者利用各自在步骤s15中构造的第二个多项式为第j-1个边缘设备ed
j-1
生成的秘密份额的聚合秘密份额，
……
，f
t
(j-1)是n个读者利用各自在步骤s15中构造的第t个多项式为第j-1个边缘设备ed
j-1
生成的秘密份额的聚合秘密份额；f
′1(j-1)是n个读者利用各自在步骤s14中构造的第一个多项式为第j-1个边缘设备ed
j-1
生成的秘密份额的聚合秘密份额，f
′2(j-1)是n个读者利用各自在步骤s14中构造的第二个多项式为第j-1个边缘设备ed
j-1
生成的秘密份额的聚合秘密份额，
……
，f
′
t
(j-1)是n个读者利用各自在步骤s14
中构造的第t个多项式为第j-1个边缘设备ed
j-1
生成的秘密份额的聚合秘密份额。
[0074]
当j＝1时，执行
[0075][0076][0077]
其中f
i,1
(m),f
i,2
(m),
…
,f
i,t
(m)；f
′
i,1
(m),f
′
i,2
(m),
…
,f
′
i,t
(m)是第i个读者readeri为第m个边缘设备edm生成的秘密份额；f1(m)是n个读者利用各自在步骤s15中构造的第一个多项式为第m个边缘设备edm生成的秘密份额的聚合秘密份额，f2(m)是n个读者利用各自在步骤s15中构造的第二个多项式为第m个边缘设备edm生成的秘密份额的聚合秘密份额，
……
，f
t
(m)是n个读者利用各自在步骤s15中构造的第t个多项式为第m个边缘设备edm生成的秘密份额的聚合秘密份额；f
′1(m)是n个读者利用各自在步骤s14中构造的第一个多项式为第m个边缘设备edm生成的秘密份额的聚合秘密份额，f
′2(m)是n个读者利用各自在步骤s14中构造的第二个多项式为第m个边缘设备edm生成的秘密份额的聚合秘密份额，
……
，f
′
t
(m)是n个读者利用各自在步骤s14中构造的第t个多项式为第m个边缘设备edm生成的秘密份额的聚合秘密份额。
[0078]
可选的，所述步骤s22中平台服务器ps将收到来自n个读者的秘密份额进行聚合具体采用以下公式：
[0079][0080][0081]
其中f
i,1
(m 1),f
i,2
(m 1),
…
,f
i,t
(m 1)；f
′
i,1
(m 1),f
′
i,2
(m 1),
…
,f
′
i,t
(m 1)是第i个读者readeri为平台服务器ps生成的秘密份额；f1(m 1)是n个读者利用各自在步骤s15中构造的第一个多项式为平台服务器ps生成的秘密份额的聚合秘密份额，f2(m 1)是n个读者利用各自在步骤s15中构造的第二个多项式为平台服务器ps生成的秘密份额的聚合秘密份额，
……
，f
t
(m 1)是n个读者利用各自在步骤s15中构造的第t个多项式平台服务器ps生成的秘密份额的聚合秘密份额；f
′1(m 1)是n个读者利用各自在步骤s14中构造的第一个多项式为平台服务器ps生成的秘密份额的聚合秘密份额，f
′2(m 1)是n个读者利用各自在步骤s14中构造的第二个多项式为平台服务器ps生成的秘密份额的聚合秘密份额，
……
，f
′
t
(m 1)是n个读者利用各自在步骤s14中构造的第t个多项式为平台服务器ps生成的秘密份额的聚合秘密份额。
[0082]
可选的，所述步骤s24中，2t个多项式[f1(x)，f2(x)，
…
，f
t
(x)，f1’
(x)，f2’
(x)，
…
，f
t’(x)]的表达式如下所示：
[0083][0084][0085]
……
，
[0086][0087]
其中f
t
(x)(t＝1,2,
…
,t)中的常数项是n个读者在步骤s15中构造的第t个多项式的常数项之和，f
t
(x)(t＝1,2,
…
,t)中的非常数项是n个读者在步骤s15中构造的第t个多项式的第一个非常数项a
1,t,1
,a
2,t,1
,
…
,a
n,t,1
之和，f
t
(x)(t＝1,2,
…
,t)中的非常数项是n个读者在步骤s15中构造的第t个多项式的第2个非常数项a
1,t,2
,a
2,t,2
,
…
,a
n,t,2
之和，
……
，f
t
(x)(t＝1,2,
…
,t)中的非常数项是n个读者在步骤s15中构造的第t个多项式的第m个非常数项a
1,t,m
,a
2,t,m
,
…
,a
n,t,m
之和；
[0088][0089][0090]
……
，
[0091][0092]
其中f
′
t
(x)(t＝1,2,
…
,t)中的常数项是n个读者在步骤s14中构造的第t个多项式的常数项之和，f
′
t
(x)(t＝1,2,
…
,t)中的非常数项是n个读者在步骤s14中构造的第t个多项式的第一个非常数项a
1,t,1
,a
2,t,1
,
…
,a
n,t,1
之和，f
′
t
(x)(t＝1,2,
…
,t)中的非常数项是n个读者在步骤s14中构造的第t个多项式的第2个非常数项a
1,t,2
,a
2,t,2
,
…
,a
n,t,2
之和，
……
，f
′
t
(x)(t＝1,2,
…
,t)中的非常数项是n个读者在步骤s14中构造的第t个多项式的第m个非常数项a
1,t,m
,a
2,t,m
,
…
,a
n,t,m
之和。
[0093]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0094]
(1)本发明解决了如何在不泄漏读者隐私信息和数字图书商务网站、出版商、书店等出版企业隐私信息情况下实现对海量读者阅读数据进行与出版企业服务需求相匹配的统计分析，具有非常好的实际应用价值；
[0095]
(2)本发明在实现数字出版领域隐私保护匹配统计分析的同时，在不增加额外硬件设备的情况下实现了很强的系统鲁棒性；
[0096]
(3)本发明提出的数字出版领域隐私保护匹配统计分析系统与方法灵活地基于服务请求者提交的服务请求为其提供多方位的服务。
附图说明
[0097]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0098]
图1为本发明实施例系统结构框图；
[0099]
图2为本发明实施例基于隐私保护的数字出版物畅销度预测方法流程图。
具体实施方式
[0100]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0101]
本发明的目的是提供一种基于隐私保护的数字出版物畅销度预测方法，在不泄漏服务请求者隐私(即请求者的统计偏好)和读者隐私(即读者的阅读信息)的情况下获得图书畅销排行榜、新书畅销程度预测、某位作家作品受欢迎程度分析等服务。
[0102]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0103]
图1为本发明实施例系统结构框图，如图1所示，本发明中的系统包括：数字出版服务平台和多个服务请求者；所述数字出版服务平台包括：平台服务器、多个边缘设备以及海量读者。
[0104]
将平台服务器表示为ps，将边缘设备表示为es，将读者表示为reader，将服务请求者表示为user。假设有n个读者，将第i个读者表示为readeri，i＝1,2,
…
,n，并假设有m个边缘设备，将第i个边缘设备表示为edj，j＝1,2,
…
,m。
[0105]
所述平台服务器、平台读者、边缘设备、服务请求者均正确地遵循协议，但企图以最大的可能获得其他结点的私有信息；所述方法可以抵抗边缘服务器发动的共谋攻击，可以抵抗最多m-1个边缘服务器与平台服务器发动的共谋攻击。
[0106]
系统可以在非相邻边缘设备同时发生故障的情况下继续正常运行；极端情况下，系统可以支持近一半的边缘设备同时发生故障。
[0107]
服务请求者可以基于平台反馈的统计结果获得诸多不同的服务。例如，服务请求者可以通过得到的统计结果得到统计偏好所涉及的图书的排行榜；如果服务请求者将服务请求中的目标类别改为某位作者的名字，那么服务请求者可以根据平台反馈的统计结果获得统计偏好中该作者的图书排行榜；如果服务请求者在服务请求中给出了多个目标类别或者多个作者名字，那么服务请求者可以根据平台反馈的统计结果获得多个类别图书的综合排行榜或者多个作者图书的综合排行榜；如果服务请求者针对某类别的新书持续向平台提出服务请求(例如持续一个月每天发送一次相同的服务请求)，那么服务请求者可以根据平台反馈的一系列统计结果获得该类新书一段时间内在读者中的推广情况，从而可以预测该类新书的畅销程度。
[0108]
图2为本发明实施例基于隐私保护的数字出版物畅销度预测方法流程图，如图2所示，本发明中的上述方法大致包括四个阶段：
[0109]
阶段1：系统初始化。
[0110]
阶段2：服务请求；用户向平台注册后即可发送服务请求，用户在注册过程中生成自己的公私钥对。
[0111]
阶段3：服务响应。
[0112]
阶段4：服务获取。
[0113]
下面对每个阶段进行一一详细介绍：
[0114]
阶段1：系统初始化的具体实现包括以下步骤：
[0115]
步骤1：平台服务器选择一个大素数p，系统里的操作是在大小为p的有限域内完成；
[0116]
步骤2：平台服务器选择一个超递增序列{b1＝1,b2,b3,
…
}；
[0117]
步骤3：平台服务器设置两个系统公开参数l和k的值，参数l的值用来限定后续阶段中生成的向量的长度，参数k的值用来限定后续阶段中生成的哈希函数的个数；
[0118]
步骤4：平台服务器生成基于椭圆曲线的elgamal算法相关的系统参数以及自己的公私钥对(pk
ps
,sk
ps
)。
[0119]
阶段2：服务请求的具体实现包括以下步骤：
[0120]
用户首先向平台注册成为平台用户，才能作为服务请求者向平台发送服务请求。在注册阶段，用户生成自己的公私钥对(pk
user
,sk
user
)。
[0121]
步骤1：user生成与本次服务请求相关的参数；
[0122]
步骤1.1：user明确本次统计分析的目标类别ocname的值，生成对应的统计偏好{isbn1,isbn2,
…
,isbnv}；
[0123]
步骤1.2：user生成一个长度为l的向量bf并初始化为0，即bf[1]＝bf[2]＝...＝bf[l]＝0，同时生成k个哈希函数h1,h2,
…
,hk，其中hk:任意长度字符串
→
[1
…
l]，k＝1,2,
…
,k；
[0124]
服务请求者(即注册后的用户)为目标类别图书生成一个长度为l的向量，向量的l个位置上的值均初始化为0，同时生成k个哈希函数，每个哈希函数均是将一个字符串映射到向量中的某个位置。
[0125]
图书类别指的是图书所属领域，例如科幻类小说、寓言小说、育儿教育、计算机专业书等等；目标图书类别反映了服务请求者的统计偏好。服务请求者的统计偏好为一个isbn序列，该序列对应的书籍均属于目标类别的书籍。
[0126]
一次服务请求中可以包含多个目标图书类别，服务请求者需要为每个目标图书类别分别生成一个长度为l的向量和对应的k个哈希函数；因为对每个目标图书类别的统计分析过程类似，所以后续步骤和阶段的处理过程以一个目标类别为例进行阐述。目标类别的名称用符号ocname表示。
[0127]
步骤2：user根据统计偏好{isbn1,isbn2,
…
,isbnv}利用k个哈希函数设置向量bf：bf[hk(isbnv)]＝1，其中k＝1,2,
…
,k，v＝1,2,
…
,v；
[0128]
步骤3：user收集bf中值为1的所有位置信息得到一个位置集合los；
[0129]
步骤4：user从{1,2,
…
,l}/los中随机选择k/2个位置，将其并入到集合los中得到过滤位置集合flos；
[0130]
步骤5：user利用超递增序列{b1＝1,b2,b3,
…
}将flos中的位置信息封装为一个整数，用符号b表示该整数；
[0131]
例如，假设flos＝{4,7,21,30}，则利用超递增序列{b1＝1,b2,b3,
…
}将{4,7,21,30}封装为一个整数b1×
4 b2×
7 b3×
21 b4×
30。
[0132]
步骤6：user利用平台服务器的公钥和基于椭圆曲线elgamal密码体制中的加密算法(用符号e表示)加密整数b和目标类别名称ocname得到密文c1＝e(pk
ps
,b)和c2＝e(pk
ps
,
ocname)；
[0133]
步骤7：user将(h1,h2,
…
,hk，c1，c2)作为服务请求提交给平台服务器ps。
[0134]
阶段3：服务响应的具体实现包括以下步骤：
[0135]
步骤1：平台服务器ps利用自己的私钥对收到的密文c2进行解密得到目标类别名称ocname＝d(sk
ps
,c2)；
[0136]
步骤2：平台服务器ps将(h1,h2,
…
,hk，ocname)广播给平台的海量读者；
[0137]
步骤3：第i个读者readeri(i＝1,2,
…
,n)根据接收到的目标类别名称ocname整理自己相关的阅读信息(例如，阅读过该类别图书的isbn列表)；
[0138]
步骤4：第i个读者readeri生成一个长度为l的向量bfi并将其所有位置上的值初始化为0，然后依次将自己整理得到的isbn列表中的每个值代入到k个哈希函数得到k个哈希值，将向量中该k个哈希值所指示位置上的值设置为1，最后该读者得到的设置结果bfi(s
i,1
,s
i,2
,
…
,s
i,l
)；
[0139]
步骤5：第i个读者readeri在大小为p的有限域内构造个m阶多项式:
[0140]f′
i,1
(x)＝a
′
i,1,0
a
′
i,1,1
x
…
a
′
i,1,m
xm(modp)，
[0141]f′
i,2
(x)＝a
′
i,2,0
a
′
i,2,1
x
…
a
′
i,2,m
xm(modp)，
[0142]
……
，
[0143]f′
i,t
(x)＝a
′
i,t,0
a
′
i,t,1
x
…
a
′
i,t,m
xm(modp)，
[0144]
多项式中的系数均是从有限域中随机选择的非零值；
[0145]
步骤6：第i个读者readeri基于得到的设置结果bfi(s
i,1
,s
i,2
,
…
,s
i,l
)和上述t个多项式构造如下t个m阶多项式：
[0146]fi,1
(x)＝a
′
i,1,0
a
i,1,1
x
…
a
i,1,m
xm(modp)
[0147]fi,2
(x)＝a
′
i,2,0
a
i,2,1
x
…
a
i,2,m
xm(modp)
[0148]
……
，
[0149]fi,t
(x)＝a
′
i,t,0
a
i,t,1
x
…
a
i,t,m
xm(modp)，
[0150]
其中，
[0151]ai,1,1
＝a
′
i,1,1
s
i,1
,a
i,1,2
＝a
′
i,1,2
s
i,2
,
…
,a
i,1,m
＝a
′
i,1,m
s
i,m
，
[0152]ai,2,1
＝a
′
i,2,1
s
i,m 1
,a
i,2,2
＝a
′
i,2,2
s
i,m 2
,
…
,a
i,2,m
＝a
′
i,2,m
s
i,2m
，
[0153]
……
，
[0154]ai,t-1,1
＝a
′
i,t-1,1
s
i,(t-2)m 1
,a
i,t-1,2
＝a
′
i,t-1,2
s
i,(t-2)m 2
,
…
,a
i,t-1,m
＝a
′
i,t-1,m
s
i,(t-1)m
,
[0155]ai,t,1
＝a
′
i,t,1
s
i,(t-1)m 1
,a
i,t,2
＝a
′
i,t,2
s
i,(t-1)m 2
,
…
,a
i,t,l-(t-1)m
＝a
′
i,t,l-(t-1)m
s
i,l
,
[0156]ai,t,l-(t-1)m 1
＝a
′
i,t,l-(t-1)m 1
,
…
,a
i,t,tm
＝a
′
i,t,tm
,
[0157]
步骤7：第i个读者readeri为平台服务器ps生成如下秘密份额：
[0158]fi,1
(m 1),f
i,2
(m 1),
…
,f
i,t
(m 1)；f
′
i,1
(m 1),f
′
i,2
(m 1),
…
,f
′
i,t
(m 1)
[0159]
步骤8：第i个读者readeri将(f
i,1
(m 1),f
i,2
(m 1),
…
,f
i,t
(m 1)；f
′
i,1
(m 1),f
′
i,2
(m 1),
…
,f
′
i,t
(m 1))发送给平台服务器ps；
[0160]
步骤9：第i个读者readeri为第j个边缘设备edj(j＝1,2,
…
,m)生成如下秘密份额：f
i,1
(j),f
i,2
(j),
…
,f
i,t
(j)；f
′
i,1
(j),f
′
i,2
(j),
…
,f
′
i,t
(j)；
[0161]
步骤10：第i个读者readeri将(f
i,1
(j),f
i,2
(j),
…
,f
i,t
(j)；f
′
i,1
(j),f
′
i,2
(j),
…
,f
′
i,t
(j))发送给第j个边缘设备edj和第jmod m 1个边缘设备ed
jmodm 1
；
[0162]
步骤11：第j个边缘设备edj将收到来自n个读者的秘密份额进行聚合：
[0163][0164][0165]
当j＝2,3,
…
,m时，执行
[0166][0167][0168]
当j＝1时，执行
[0169][0170][0171]
步骤12：第j个边缘设备edj将计算得到的聚合份额(f1(j),f2(j),
…
,f
t
(j))以及聚合份额(f
′1(j),f
′2(j),
…
,f
′
t
(j))发送给平台服务器ps；
[0172]
步骤13：平台服务器ps将收到来自n个读者的秘密份额进行聚合：
[0173][0174][0175]
步骤14：如果平台服务器ps没有收到来自第j个边缘设备edj的聚合份额，那么平台服务器通知第j-1个边缘设备ed
j-1
发送聚合份额(f1(j),f2(j),
…
,f
t
(j))以及聚合份额(f
′1(j),f
′2(j),
…
,f
′
t
(j))，这里j＝2,3,
…
,m，如果平台服务器没有收到来自第1个边缘设备ed1的聚合份额，那么平台服务器通知第m个边缘设备edm发送聚合份额(f1(1),f2(1),
…
,f
t
(1))以及聚合份额(f
′1(1),f
′2(1),
…
,f
′
t
(1))；
[0176]
步骤15：平台服务器ps基于收到的聚合份额和自己计算得到的聚合份额利用拉格朗日插值公式重构如下2t个多项式：
[0177][0178][0179]
……
，
[0180][0181]
[0182][0183]
……
，
[0184][0185]
步骤16：平台服务器ps检查的多项式f1(x)和f
′1(x)的常数项是否相等、多项式f2(x)和f
′2(x)的常数项是否相等、
……
、多项式f
t
(x)和f
′
t
(x)的常数项是否相等，如果存在不相等，则平台服务器重启本次服务响应，否则执行下面的步骤；
[0186]
步骤17：平台服务器ps通过计算f1(x)-f
′1(x)、f2(x)-f
′2(x)、
……
、f
t
(x)-f
′
t
(x)并提取得到的多项式的系数可以获得统计结果并提取得到的多项式的系数可以获得统计结果
[0187]
步骤18：平台服务器ps利用自己的私钥对收到的密文c1进行解密得到b＝d(sk
ps
,c1)，并利用超递增序列{b1＝1,b2,b3,
…
}解析b得到过滤位置集合flos；
[0188]
步骤19：平台服务器ps根据过滤位置集合flos过滤统计结果步骤19：平台服务器ps根据过滤位置集合flos过滤统计结果得到服务请求者的服务响应
[0189]
步骤20：平台服务器ps利用服务请求者的公钥加密服务响应得到密文并将密文{c
′
l
}
l∈flos
作为服务响应返回给服务请求者user。
[0190]
阶段4：服务获取的具体实现包括以下步骤：
[0191]
步骤1：服务请求者user利用自己的私钥解密收到的密文获得服务响应
[0192]
步骤2：服务请求者user根据自己的统计偏好{isbn1,isbn2,
…
,isbnv}、k个哈希函数和服务响应得到序列中每个isbn的统计结果(即有多少平台读者已经阅读过该isbn对应的图书)：过该isbn对应的图书)：其中v＝1,2,
…
,v。
[0193]
本发明有效地解决了如何在不泄漏读者隐私信息和数字图书商务网站、出版商、书店等出版企业隐私信息情况下实现对海量读者阅读数据进行与出版企业服务需求相匹配的统计分析的问题，具有很高的实用性。
[0194]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0195]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。