(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111272950.6 (22)申请日 2021.10.2 9 (71)申请人 西南科技大 学 地址 621010 四川省绵阳市涪城区青龙 大 道中段59号 申请人 中国空气动力研究与发展中心计算 空气动力研究所 (72)发明人 吴珏　杨福军　杨雷　张培红　 吴晓军　 (74)专利代理 机构 北京远大卓悦知识产权代理 有限公司 1 1369 代理人 张忠庆 (51)Int.Cl. G06F 30/28(2020.01) G06F 30/27(2020.01)G06F 16/2458(2019.01) G06F 16/27(2019.01) G06F 21/62(2013.01) G06F 111/10(2020.01) G06F 111/04(2020.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 基于隐私保护的气动力预测方法以及数据 挖掘系统 (57)摘要 本发明公开了一种基于隐私保护的气动力 预测方法， 包括： 步骤一， 各参与方， 在本地的原 数据文件集中通过添加服 从正态分布的噪声， 得 到带有扰动的数据集； 步骤二， 各参与方根据扰 动数据集计算局部非线性核； 步骤三， 所有参与 方将计算得到局部非线性核设置为共享， 以使基 于共享的局部非线性核计算对应的全局核； 步骤 四， 基于得到的全局核函数求解最优化问题， 得 到参数的最优解； 步骤五， 利用步骤四所得到的 参数最优解建立预测模型， 进行气动力预测。 本 发明提供一种基于隐私保护的气动力预测方法， 通过在分布式系统中， 每个节点都添加了噪声， 生成带有扰动的数据集和带有扰动的局部核。 外 部节点不能得到该节点的原始数据， 起到隐私保 护的作用。 权利要求书2页 说明书8页 附图1页 CN 114036862 A 2022.02.11 CN 114036862 A 1.一种基于隐私保护的气动力预测方法， 其特 征在于， 包括： 步骤一， 各参与 方， 在本地的原数据文件集中通过添加服从正态分布的噪声， 得到带有 扰动的数据集； 步骤二， 各参与方根据步骤一计算所 得到的本地扰动数据集计算局部非线性核； 步骤三， 所有参与方均将其计算得到局部非线性核设置为共享， 以使其他参与方能够 基于共享的局部非线性核计算对应的全局核； 步骤四， 基于得到的全局核函数求 解最优化问题， 得到参数的最优解； 步骤五， 利用步骤四所 得到的参数最优解建立预测模型， 进行气动力预测。 2.如权利要求1所述的基于隐私保护的气动力预测方法， 其特征在于， 在步骤一中， 数 据集的获取 过程被配置为包括： S10， 在针对离散型数据的线性 中心支持向量机PSVM中， 通过引入核函数以将线性PSVM 调整非线性P SVM， 并将P SVM调整为能适用于连续 性数据的非线性中心 支持向量机P SVR； S11， 在PSVR中引入随机扰动技术， 通过在本地的原始数据集中添加服从正态分布的噪 声， 得到带有扰动的数据集。 3.如权利要求2所述的基于隐私保护的气动力预测方法， 其特征在于， 在PSVM中引入核 函数的方法被 配置为包括： S101， 在PSVM中定义两类样本的类中心为两类样本的均值， 正类和负类分别为X+， 和 X‑， 均值记为 得到原始最优化问题如下： s.t.(ω·xi)+b‑yi≤ ε， i＝1,2,...l； yi‑(ω·xi)‑b≤ ε， i＝1,2,...,l； 其中X表示输入的样本数据， xi表示X的第i个分量， ω表示权值， b表示阈值， ε表示松弛 变量， yi表示对应的输出值； 通过对原始优化问题的变换使得目标函数具有严格凸性， 得到对应每类点的中心超平 面； 引入拉格朗日函数 得该优化问题得对偶问题为： s.t. αi, βi≥0,i＝1,2,...,l yi∈R 其中， α ＝( α1， α2，…， αl)T， β ＝( β1, β2,..., βl)T为拉格朗日乘子， R表示实数； 假设α*＝( α1, α2,..., αl, β1, β2,..., βl)是该最优化问题的最优解， 则f(x)＝ω*T·x+b* 其中 S102， 根据PSVM我们可以得到 的PSVR的优化问题,在线性回归的方法中通过引入核函 数将上述原 始最优化问题调整为：权　利　要　求　书 1/2 页 2 CN 114036862 A 2s.t. αi, βi≥0,i＝1,2,...,l yi∈R； 其中， K()为核函数。 4.如权利要求1所述的基于隐私保护的气动力预测方法， 其特征在于， 在步骤二中， 所 述局部非线性核的获取 方式被配置为包括： S20， 基于公式Ai＝Ai+Ni将PSVR中所有的参与方均生成带有扰动的对应保护数据， 其 中， Ai表示各参与方的数据集， Ni表示所添加的服从正态分布的噪声； S21， 对各个参与方的数据计算局部非线性核K， 且在所有的参与方中共享非线性核。 5.如权利要求1所述的基于隐私保护的气动力预测方法， 其特征在于， 在步骤三中， 在 分布式数据库系统在使用PSVR进行回归时， 全局核可以通过先求各节点的局部核， 然后对 各个节点的局部核求和以得到 。 6.如权利要求1所述的基于隐私保护的气动力预测方法， 其特征在于， 在步骤五利用步 骤四所求得的最优解， 建立对应的预测模型； 其中， 所述预测模型为： 其中， 7.一种应用权利要求1 ‑6任一项所述气动力预测方法的数据挖掘系统， 其特征在于， 包 括： 隐私保护模块， 用于根据预制加入干扰策略将原数据集 转换为授权数据集； 联合计算模块， 各参与方根据变换后的数据集计算机局部核， 各参与方都可以基于各 局部核推导计算全局核， 并计算出最优解； 预测模块， 上位机根据 各参与方进行联合计算出的最优解， 建立预测模型， 采用预测模 型对气动力进行分析 预测。权　利　要　求　书 2/2 页 3 CN 114036862 A 3