机器学习的数据安全处理及远程证明模型保护系统及方法

本发明公开了机器学习的数据安全处理及远程证明模型保护系统及方法，属于计算机程序分析技术，信息安全以及数据服务领域，通过结合皮尔森相关系数、FP‑Growth算法和余弦相似度作用于离散型数据填补缺失值，基于SMOTE的少数群体过采样，以及构造度量引擎，并在机器学习模型程序代码中插桩来完成对建模过程、建模结果完整性度量。本发明采用上述的机器学习的数据安全处理及远程证明模型保护系统及方法，通过广度优先搜索的方式遍历静态模型程序代码的控制流图来计算每个子过程的可信执行过程度量值，并将各度量值与可信度量值进行比对实现对度量结果的验证，来保证建模过程中代码、结果没有受到篡改。