日前，第十五届计算与通信信任、安全和隐私会议（IEEE TrustCom 2016）在天津举行。我院硕士研究生胡胜山、王敬军在软件所王骞教授指导下完成的论文《Securing Fast Learning! Efficient and Privacy-preserving Ridge Regression over Massive Data》被大会录用发表，获得本届大会最佳论文奖，研究生胡胜山参加了大会并做现场报告。

论文《Securing Fast Learning! Efficient and Privacy-preserving Ridge Regression over Massive Data》针对大数据中数据来源的分布式和敏感性特征，利用同态加密技术设计了一个带隐私保护的岭回归（Ridge Regression）分析方案。岭回归分析能够刻画多种变量间的关系，是机器学习中的重要技术，被广泛研究并应用于人们的日常生活中，例如在线推荐和分类系统等。论文提出了一种能应用于加密实数上的安全乘法协议，通过将岭回归问题转换为求解线性方程问题，论文提出了基于高斯消元和雅各比迭代的安全求解方案，在得到学习模型的同时有效的保护了数据隐私。在实际数据集上的测试表明，该方案具有较高的通信和计算效率，和基于明文数据运行的原始岭回归算法相比，能达到良好的学习精度。

TrustCom (IEEE International Conference on Trust, Security and Privacy in Computing and Communications)关注系统和网络中的安全和隐私问题，是中国计算机学会（CCF）推荐的国际学术会议。