一种基于全同态加密的医疗数据隐私保护方法

本发明公开了一种基于全同态加密的医疗数据隐私保护方法，涉及信息安全技术领域，解决了现有技术中基于同态加密的隐私保护决策树训练方案较少，且在训练阶段需要数据拥有者在线协助计算，导致应用场景受限的问题，该方法包括：辅助云服务器生成加密体统的公私钥；医疗机构将数据初始的化后上传加密到云服务器上；云服务器和辅助云服务器在全同态加密下进行决策树桩模型训练，得到本轮分类规则；云服务器和辅助云服务器在全同态下进行参数训练，对本轮决策树桩的分类器权重计算和样本权重的更新；云服务器判断是否达到设定的迭代次数，并根据迭代出书输出训练结果；实现了节省了医疗机构的时间和计算资源，增加了应用场景。