[發明專利]一種三角式隱私計算方法在審
| 申請號: | 202111052972.1 | 申請日: | 2021-09-09 |
| 公開(公告)號: | CN113780530A | 公開(公告)日: | 2021-12-10 |
| 發明(設計)人: | 張金琳;俞學勱;高航 | 申請(專利權)人: | 浙江數秦科技有限公司 |
| 主分類號: | G06N3/04 | 分類號: | G06N3/04;G06N3/08;G06F7/544;G06F7/548;G06F7/552;G06F7/556;G06F21/62 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 311121 浙江省杭州*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 三角 隱私 計算方法 | ||
本發明涉及大數據技術領域,具體涉及一種三角式隱私計算方法,建立模型方、協作方和數據方,模型方擁有目標函數,數據方擁有隱私數;模型方建立神經網絡模型擬合目標函數;將連接拆分為兩個連接;模型方生成協作權系數;數據方隨機生成協作比例系數和保留比例系數,將協作數,發送給協作方;協作方計算獲得協作中間值;數據方將協作比例系數和保留比例系數發送給模型方,獲得保留權系數;數據方計算獲得保留中間值,發送給協作方;協作方獲得第1層神經元的輸入,獲得協作神經網絡模型的輸出,即為隱私計算的結果。本發明的實質性效果是:提高隱私計算的應用范圍,提高了安全多方計算的計算效率;同時還能夠使神經網絡模型保密。
技術領域
本發明涉及大數據技術領域,具體涉及一種三角式隱私計算方法。
背景技術
數據常被比作是數字時代的石油,又有資料將數據稱為和土地、勞動力、資本、技術并列的第五大生產要素。但數據資源擁有其特殊性。與其他傳統生產要素相比,數據的獨特性在于,一旦被使用或被看見,就會導致數據包含的信息被泄露。而且就能被無限地傳播或者復制,造成數據大量傳播,降低了數據的價值。數據的價值發揮和隱私保護成了一對矛盾。數據發揮價值時,就會導致數據的泄露。數據一旦被泄露傳播,數據源方就難以再次利用數據獲取價值,帶來十分不利的結果。同時,由于數據泄露難以追溯泄露源,泄露者和濫用者的責任就難以追究。加之部分機構及企業的數據還涉及用戶的隱私,為了保護用戶隱私,更加限制了數據的流通和價值的發揮。雖然本領域提出了同態加密技術,用于實現數據價值的挖掘和隱私保護的兼顧。但同態加密技術目前僅能夠實現加法和乘法運算,應用范圍十分有限。因而需要繼續研究隱私計算的技術。
如中國專利CN111047450A,公開日2020年4月21日,一種鏈上數據的鏈下隱私計算方法及裝置,該方法包括:區塊鏈節點根據客戶端提交的交易,確定用于隱私計算的鏈上數據;上述區塊鏈節點將經過加密的鏈上數據傳輸至鏈下隱私計算節點,該鏈下隱私計算節點處部署了用于對上述鏈上數據執行隱私計算的鏈下可信執行環境;上述區塊鏈節點獲取上述鏈下隱私計算節點在鏈下可信執行環境內生成并加密后反饋的計算結果,并根據該計算結果更新區塊鏈賬本數據。通過其技術方案可以在鏈下隱私計算的過程中實現隱私保護。但其并不能解決不同機構、企業之間進行數據流通和價值挖掘的問題。
發明內容
本發明要解決的技術問題是:目前隱私計算的應用范圍窄的技術問題。提出了一種三角式隱私計算方法,能夠擴大隱私計算的應用范圍。
為解決上述技術問題,本發明所采取的技術方案為:一種三角式隱私計算方法,包括以下步驟:建立模型方、協作方和數據方,模型方擁有目標函數,數據方擁有隱私數;模型方建立神經網絡模型擬合目標函數,模型方將神經網絡模型除輸入層及輸入層涉及的連接以外的部分,作為協作神經網絡模型發送給協作方;模型方將神經網絡模型的輸入層神經元涉及的連接拆分為兩個連接,分別記為協作連接和保留連接,協作連接和保留連接的權系數分別記為協作權系數和保留權系數,為每個協作連接建立協作輸入神經元,為每個保留連接建立保留輸入神經元;模型方為協作連接生成協作權系數,將協作輸入神經元、協作連接及協作連接權系數發送給協作方,將保留輸入神經元及保留連接發送給數據方;數據方隨機生成協作比例系數和保留比例系數,將協作連接對應的隱私數與協作比例系數相乘,作為協作數,發送給協作方,數據方將隱私數與保留比例系數相乘,作為保留數;協作方將協作數與協作權系數相乘,作為協作連接的值,將連接同一個第1層神經元的協作連接的值相加,作為第1層神經元的協作中間值;數據方將協作比例系數和保留比例系數發送給模型方,模型方通過計算獲得適配的保留權系數,將保留權系數反饋給數據方;數據方將保留數與保留權系數相乘,作為保留連接的值,將連接同一個第1層神經元的保留連接的值相加,作為第1層神經元的保留中間值,發送給協作方;協作方將第1層神經元的協作中間值、保留中間值和偏移值相加,獲得第1層神經元的輸入,代入協作神經網絡模型,獲得協作神經網絡模型的輸出,即為隱私計算的結果,將結果發送給模型方。
作為優選,所述目標函數為多元函數或不具有反函數的一元函數。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于浙江數秦科技有限公司,未經浙江數秦科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111052972.1/2.html,轉載請聲明來源鉆瓜專利網。





