CN111832034B - 多方数据融合方法及装置 - Google Patents
多方数据融合方法及装置 Download PDFInfo
- Publication number
- CN111832034B CN111832034B CN201910327619.6A CN201910327619A CN111832034B CN 111832034 B CN111832034 B CN 111832034B CN 201910327619 A CN201910327619 A CN 201910327619A CN 111832034 B CN111832034 B CN 111832034B
- Authority
- CN
- China
- Prior art keywords
- identity
- list
- identities
- data
- added
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000012163 sequencing technique Methods 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000007499 fusion processing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Mobile Radio Communication Systems (AREA)
- Storage Device Security (AREA)
Abstract
本公开提供一种多方数据融合方及装置。在该方法中，对各个数据方所具有的第一身份标识进行排序。然后，对排序后的各个数据方的各个身份标识之间进行多方安全计算，以将各个身份标识按照身份标识大小顺序地添加到各个数据方的身份标识列表中。所述各个数据方处的身份标识列表是经过数据融合后的该数据方的身份标识列表，并且在所述身份标识列表中，该数据方的身份标识以原有身份标识的形式添加，以及其余数据方的身份标识以非明文身份标识的形式添加。利用该方法，能够在保证各方数据的身份标识不被泄露的情况下实现多方数据融合。
Description
技术领域
本公开通常涉及数据处理领域，更具体地，涉及用于多方数据融合的方法及装置。
背景技术
多方数据融合是当前众多商业公司及企事业单位广泛关注的技术问题。一方面，各个数据持有方不希望暴露自己的数据隐私，即，用户层面的隐私需要严格保证。另一方面，多方数据共同融合可以提高未来基于数据分析的模型质量或问题挖掘深度。比如，多个医院需要共同利用各自的病例信息做出更为精确的诊断；多个金融机构需要共同利用各自的信用记录发现可能潜在的诈骗等等。
发明内容
鉴于上述，本公开提供了一种多方数据融合方法及装置。利用该多方数据融合方法及装置，能够通过使用多方数据计算来进行数据融合，安全地得到多方数据的数据并集，同时保证各方数据的身份标识不被泄露。
根据本公开的一个方面，提供了一种基于多方安全计算的数据融合方法，包括：对第一数据方所具有的至少一个第一数据的至少一个第一身份标识进行排序；以及对排序后的至少一个第一身份标识以及至少一个第二数据方所具有的至少一个第二数据的至少一个第二身份标识进行多方安全计算，以将至少一个第一身份标识和至少一个第二身份标识添加到第一数据方的身份标识列表中，所述身份标识列表是经过数据融合后的第一数据方的身份标识列表，在所述身份标识列表中，所述至少一个第一身份标识中的各个第一身份标识以原有身份标识的形式添加到对应的第一身份标识位置，所述第一身份标识位置是基于该第一身份标识与其余身份标识之间的身份标识大小比较而确定出的，以及所述至少一个第二身份标识以非明文身份标识的形式添加到所述身份标识列表的剩余位置处。
可选地，在上述方面的一个示例中，对排序后的至少一个第一身份标识以及至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中包括：针对排序后的所述至少一个第一身份标识以及所述至少一个第二身份标识，循环执行下述过程，直到所有第一身份标识和所有第二身份标识被添加到所述身份标识列表中：在当前第一身份标识和各个第二数据方的当前第二身份标识之间进行多方安全计算，以确定该当前第一身份标识与各个当前第二身份标识之间的比较结果；在所确定出的比较结果指示该当前第一身份标识最小时，将该当前第一身份标识以原有身份标识的形式添加到所述身份标识列表的结尾，并且在该当前第一身份标识不是最后的第一身份标识时，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，在所确定出的比较结果指示该当前第一身份标识不是最小时，在所述身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应，其中，具有被确定为最小的身份标识的第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识。
可选地，在上述方面的一个示例中，所述方法还可以包括：在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，确定所述至少一个第二数据方所具有的未被添加到所述身份标识列表中的第二身份标识的未添加标识数目；以及在所述身份标识列表中，在所述最后的第一身份标识之后添加第一数目个非明文身份标识，所述第一数目等于所述未添加标识数目。
可选地，在上述方面的一个示例中，在向所述最后的第一身份标识之后添加第一数目个非明文身份标识之前，所述方法还可以包括：在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，从各个具有未被添加到所述身份标识列表中的第二身份标识的第二数据方获取用于指示未被添加到所述身份标识列表中的第二身份标识的数目的未添加标识数目指示消息；以及基于所获取的未添加标识数目指示消息，确定所述未添加标识数目。
可选地，在上述方面的一个示例中，在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，将特定身份标识设置为所述第一数据方的用于下一多方安全计算的当前第一身份标识，其中，在与所述至少一个第二数据方的剩余身份标识进行多方安全计算时，所述特定身份标识不小于所述剩余身份标识中的任何身份标识。
可选地，在上述方面的一个示例中，所述多方安全计算是使用百万富翁问题解决方案来实现的。
可选地，在上述方面的一个示例中，所述非明文身份标识包括下述标识中的一种：乱码、随机码或随机串。
根据本公开的另一方面，提供一种基于多方安全计算的数据融合装置，包括：排序单元，被配置为对第一数据方所具有的至少一个第一数据的至少一个第一身份标识进行排序；以及标识添加单元，被配置为对排序后的至少一个第一身份标识以及至少一个第二数据方所具有的至少一个第二数据的至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中，所述至少一个第二身份标识是经过排序处理后的身份标识，其中，所述身份标识列表是经过数据融合后的所述第一数据方的身份标识列表，在所述身份标识列表中，所述至少一个第一身份标识中的各个第一身份标识以原有身份标识的形式添加对应的第一身份标识位置，所述第一身份标识位置是基于该第一身份标识与其余身份标识之间的身份标识大小比较而确定出的，以及所述至少一个第二身份标识以非明文身份标识的形式添加到所述身份标识列表的剩余位置处。
可选地，在上述方面的一个示例中，所述标识添加单元包括：多方安全计算模块，被配置为在第一数据方的当前第一身份标识和各个第二数据方的当前第二身份标识之间进行多方安全计算，以确定该当前第一身份标识与各个当前第二身份标识之间的比较结果；以及标识添加模块，被配置为在所确定出的比较结果指示该当前第一身份标识最小时，将该第一身份标识以原有身份标识的形式添加到所述身份标识列表的结尾，并且在该当前第一身份标识不是最后的第一身份标识时，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，以及在所确定出的比较结果指示该当前第一身份标识不是最小时，在所述身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应，其中，具有被确定为最小的身份标识的第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识，其中，所述多方安全计算模块和所述标识添加模块被配置为：针对排序后的所述至少一个第一身份标识以及所述至少一个第二身份标识来循环执行操作，直到所有第一身份标识和所有第二身份标识被添加到所述身份标识列表中。
可选地，在上述方面的一个示例中，所述标识添加单元还包括：未添加标识数目确定模块，被配置为在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，确定所述至少一个第二数据方所具有的未被添加到所述身份标识列表中的第二身份标识的未添加标识数目，其中，所述标识添加模块还被配置为在所述身份标识列表中，在所述最后的第一身份标识之后添加第一数目个非明文身份标识，所述第一数目等于所述未添加标识数目。
可选地，在上述方面的一个示例中，所述未添加标识确定模块包括：消息获取子模块，被配置为在向所述最后的第一身份标识之后添加第一数目个非明文身份标识之前，在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，从各个具有未被添加到所述身份标识列表中的第二身份标识的第二数据方获取用于指示未被添加到所述身份标识列表中的第二身份标识的数目的未添加标识数目指示消息；以及数目确定子模块，被配置为基于所获取的未添加标识数目指示消息，确定所述未添加标识数目。
可选地，在上述方面的一个示例中，所述标识添加单元还可以包括：标识设置模块，被配置为在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，将特定身份标识设置为所述第一数据方的用于下一多方安全计算的当前第一身份标识设置，其中，在与所述至少一个第二数据方的剩余身份标识进行多方安全计算时，所述特定身份标识不小于所述剩余身份标识中的任何身份标识。
根据本公开的另一方面，提供一种计算设备，包括：至少一个处理器，以及与所述至少一个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的用于多方数据融合的方法。
根据本公开的另一方面，提供一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的用于多方数据融合的方法。
附图说明
通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。
图1示出了根据本公开的实施例的多方数据融合方法的流程图；
图2示出了根据本公开的实施例的身份标识添加过程的一个示例的流程图；
图3示出了根据本公开的实施例的身份标识添加过程的另一示例的流程图；
图4示出了根据本公开的实施例的多方数据融合的结果示意图；
图5示出了根据本公开的实施例的多方数据融合装置的方框图；
图6示出了根据本公开的实施例的标识添加单元的一个实现示例的方框图；
图7示出了根据本公开的实施例的标识添加单元的另一实现示例的方框图；
图8示出了根据本公开的实施例的用于多方数据融合的计算设备的方框图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。
在本公开中，术语“多方安全计算”是指指多个数据方各自持有部分数据，通过相互之间安全通信协议的方式来最终计算出全量数据上的任意函数的过程。整个计算过程需要保证：(1)通信协议结束阶段，参与协议的各方都可以得到所需求解的全量数据之上的函数值；(2)通信协议的整个过程中，参与协议的各方都没有办法获得其他任何一方数据的任何信息。
在本公开中，术语“多方数据融合”是指多方具有不同的数据样本或相同数据样本的不同特征，最终希望通过多方安全计算协议实现数据融合。最终数据融合的效果为：(1)包含所有各方的数据样本；(2)包含所有各方数据的特征维度。
在本公开中，术语“百万富翁问题”是指假设两个数据持有者Alice和Bob分别持有数据Xa和Xb，最终想比较数据Xa和Xb之间的大小，但是在比较过程中，Alice不知道数据Xb，以及Bob不知道数据Xa。
下面将结合附图来详细描述根据本公开的实施例的多方数据融合方法及装置。
图1示出了根据本公开的实施例的多方数据融合方法的流程图。
如图1所示，在块110，对第一数据方所具有的至少一个第一数据的至少一个第一身份标识进行排序。例如，可以通过对至少一个第一身份标识进行散列计算，然后基于所计算出的散列值来进行排序。此外，也可以采用本领域的其它合适的方法来计算出身份标识的值，然后基于所计算出的标识值来进行排序。
然后，在块120，对排序后的至少一个第一身份标识以及至少一个第二数据方所具有的至少一个第二数据的至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中。这里，所述至少一个第二身份标识是在对应的第二数据方处经过排序处理后的身份标识，例如，采用块110中描述的排序方法来进行排序。所述身份标识列表是经过数据融合后的所述第一数据方的身份标识列表，在所述身份标识列表中，记录有待进行数据融合的所有数据方所具有的身份标识，其中，所述至少一个第一身份标识以原有身份标识(即，明文身份标识)的形式添加到对应的第一身份标识位置处，所述第一身份标识位置是基于该第一身份标识与其余身份标识之间的身份标识大小比较而确定出的。所述至少一个第二身份标识以非明文身份标识的形式添加到身份标识列表的剩余位置处。在本公开中，所述非明文身份标识可以包括下述标识中的一种：乱码、随机码或随机串等。例如，“--”等。
图2示出了根据本公开的实施例的身份标识添加过程的一个示例的流程图，该过程在第一数据方A处，由第一数据方A和至少一个第二数据方B协同执行。
如图2所示，在块210，设置身份标识处理指针PA，并且将该身份标识处理指针PA初始化为指向已经经过排序处理后的至少一个第一身份标识中的第一个第一身份标识。同样地，在至少一个第二数据方B(比如，B1和B2)处，设置至少一个身份标识处理指针PB(比如，PB1和PB2)，并且将该身份标识处理指针PB初始化为指向已经经过排序处理后的至少一个第二身份标识中的第一个第二身份标识，比如，身份标识处理指针PB1指向第二数据方B1的第一个第二身份标识，以及身份标识处理指针PB2指向第二数据方B2的第一个第二身份标识。
然后，循环执行块220到块270的操作，直到将所有第一身份标识和所有第二身份标识添加到第一数据方A的身份标识列表中。
具体地，在块220，对身份标识处理指针PA所指向的当前第一身份标识和至少一个身份标识处理指针PB所指向的至少一个当前第二身份标识进行多方安全计算，以确定该当前第一身份标识和该至少一个当前第二身份标识之间的比较结果。所述多方安全计算可以使用本领域中的各种适合的算法来实现，比如，可以使用百万富翁问题解决方案来进行多方安全计算。在第一次多方安全计算时，第一数据方A的当前第一身份标识为第一个第一身份标识，以及至少一个第二数据方B的当前第二身份标识为各个第二数据方B的第一个第二身份标识。
此外，在第二数据方B包括多于两个第二数据方(比如，第二数据方B1和B2)时，可以针对第一数据方A的当前第一身份标识和第二数据方B1的当前第二身份标识进行多方安全计算来确定第一数据方A的当前第一身份标识和第二数据方B1的当前第二身份标识之间的比较结果，并且针对第一数据方A的当前第一身份标识和第二数据方B2的当前第二身份标识进行多方安全计算来确定第一数据方A的当前第一身份标识和第二数据方B2的当前第二身份标识之间的比较结果。然后基于两次比较结果来确定当前第一身份标识是否最小。
在所确定出的比较结果指示该当前第一身份标识最小时，在块230，将该当前第一身份标识以原有身份标识的形式添加到所述身份标识列表的结尾。接着，在块250，判断该当前第一身份标识是否是最后的第一身份标识。
在当前第一身份标识不是最后的第一身份标识时，在块260，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，并且随后返回到块220进行下一多方安全计算。在该下一多方安全计算过程中，使用新的当前第一身份标识(即，下一第一身份标识)和上一多方安全计算过程中的各个第二身份标识来进行多方安全计算。
在当前第一身份标识是最后的第一身份标识时，在块270，将特定身份标识设置为第一数据方A的当前身份标识。在本公开中，所述特定身份标识被设置为使得在与所述至少一个第二数据方的剩余身份标识进行多方安全计算时，所述特定身份标识不小于所述剩余身份标识中的任何身份标识。例如，可以将特定身份标识设置为被认为是无穷大。
在所确定出的比较结果指示该当前第一身份标识不是最小时，在块240，在所述身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应。并且，在具有被确定为最小的身份标识的第二数据方处，将该第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识。这里，至少一个第二数据方中的哪个第二数据方的当前第二身份标识最小，可以通过对应的数据方处的处理确定出，并且在该数据方处，将指针移动到下一第二身份标识作为新的当前第二身份标识。然后，返回到块220执行下一多方安全计算。在该下一多方安全计算过程中，使用该新的当前第二身份标识以及上一多方安全计算过程中的第一数据方的当前第一身份标识(即，下一第一身份标识)以及其余第二数据方的各自第二身份标识来进行多方安全计算。
此外，当在块220中的多方安全计算中所使用的第一数据方的当前第一身份标识和各个第二数据方的当前第二身份标识都是特定身份标识时，说明所有数据方的身份标识都已经添加到身份标识列表中，并且在块220中的多方安全计算也无法确定出比较结果。在这种情况下，多方数据融合过程结束。
利用图2中示出的多方数据融合方法，通过使用多方安全计算方法，可以在保证各方数据的身份标识不被泄露的情况下确定出各个第一身份标识和各个第二身份标识之间的大小，并且将所有身份标识按照身份标识大小顺序地添加到各个数据方的身份标识列表中，从而实现多个数据方的数据融合。
图3示出了根据本公开的实施例的身份标识添加过程的另一示例的流程图。
如图3所示，在块310，设置身份标识处理指针PA，并且将该身份标识处理指针PA初始化为指向已经经过排序处理后的至少一个第一身份标识中的第一个第一身份标识。同样地，在至少一个第二数据方B(比如，B1和B2)处，设置至少一个身份标识处理指针PB(比如，PB1和PB2)，并且将该身份标识处理指针PB初始化为指向已经经过排序处理后的至少一个第二身份标识中的第一个第二身份标识，比如，身份标识处理指针PB1指向第二数据方B1的第一个第二身份标识，以及身份标识处理指针PB2指向第二数据方B2的第一个第二身份标识。
然后，循环执行块320到块395的操作，直到将所有第一身份标识和所有第二身份标识添加到第一数据方A的身份标识列表中。
具体地，在块320，对身份标识处理指针PA所指向的当前第一身份标识和至少一个身份标识处理指针PB所指向的至少一个当前第二身份标识进行多方安全计算，以确定该当前第一身份标识和该至少一个当前第二身份标识之间的比较结果。
在所确定出的比较结果指示该当前第一身份标识最小时，在块330，将该当前第一身份标识以原有身份标识的形式添加到所述身份标识列表的结尾。接着，在块350，判断该当前第一身份标识是否是最后的第一身份标识。
在当前第一身份标识不是最后的第一身份标识时，在块370，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，并且随后返回到块320进行下一多方安全计算。在该下一多方安全计算过程中，使用新的当前第一身份标识(即，下一第一身份标识)和上一多方安全计算过程中的各个第二身份标识来进行多方安全计算。
在当前第一身份标识是最后的第一身份标识时，在块380，确定至少一个第二数据方所具有的未被添加到所述身份标识列表中的第二身份标识的未添加标识数目。例如，可以从各个具有未被添加到所述身份标识列表中的第二身份标识的第二数据方获取用于指示未被添加到所述身份标识列表中的第二身份标识的数目的未添加标识数目指示消息，然后，基于所获取的未添加标识数目指示消息，确定所述未添加标识数目。
例如，在一个示例中，第一数据方A可以通过向各个第二数据方B发送请求来获取该未添加标识数目指示消息。或者，在另一示例中，第一数据方A可以通过向各个具有未被添加到所述身份标识列表中的第二身份标识的第二数据方B发送请求来获取该未添加标识数目指示消息。例如，在各个数据方处，如果该数据方的所有身份标识都已经添加，则向其余数据方发送添加完成消息，由此各个数据方可以获知具有未被添加到所述身份标识列表中的身份标识的其它数据方。
或者，在本公开的另一示例中，各个数据方可以通过与其余数据方之间的信息交互来获取所有数据方所具有的身份标识总数，随后从该身份标识总数中减去已经添加到身份标识列表中的身份标识的数目来获得未添加标识数目。
随后，在块385，在所述身份标识列表中，在所述最后的第一身份标识之后添加第一数目个非明文身份标识，所述第一数目等于所述未添加标识数目。此外，为了便于其它数据方的身份标识添加，还可以在块390，将特定身份标识设置为第一数据方的当前第一身份标识，然后返回到块320来进行下一多方安全计算(如果需要的话)。
在所确定出的比较结果指示该当前第一身份标识不是最小时，在块340，在所述身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应。
接着，在块360，判断是否所有第二数据方的第二身份标识都已经添加到身份标识列表中。例如，可以通过在各个数据方处，如果该数据方的所有身份标识都已经添加，则向其余数据方发送添加完成消息，并且，当在所述身份标识列表的结尾处添加非明文身份标识后，判断是否从所有第二数据方都接收到标识添加完成消息。如果接收到所有第二数据方发送的标识添加完成消息，则认为所有第二数据方的第二身份标识都已经添加到身份标识列表中。否则，认为还存在未被添加到身份标识列表中，并且，在具有被确定为最小的身份标识的第二数据方处，将该第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识。或者，在该被添加的第二身份标识是该第二数据方的最后一个第二身份标识时，将特定身份标识作为该第二数据方的当前第二身份标识。
如果在块360判断为从所有第二数据方都接收到第二身份标识添加完成消息，则返回到块320，继续执行下一多方安全计算。在该下一多方安全计算过程中，使用该新的当前第二身份标识以及上一多方安全计算过程中的第一数据方的当前第一身份标识(即，下一第一身份标识)以及其余第二数据方的各自第二身份标识来进行多方安全计算。
如果在块360判断为从所有第二数据方都接收到第二身份标识添加完成消息，则在块395，将剩余第一身份标识按序添加到所述身份标识列表中，由此多方数据融合过程结束。
利用图3中示出的多方数据融合方法，通过在确定出数据方的本地身份标识都已经完成标识添加处理或者在确定出其它数据方的身份标识都已经完成标识添加处理，仅仅在身份标识列表的结尾处添加上与未添加标识相等数目个非明文身份标识或者按序添加未被添加的本地身份标识，而无需再次进行多方安全计算，从而可以提高多方数据融合效率。
图4示出了根据本公开的实施例的多方数据融合的结果示意图。
如图4所示，在数据融合前，数据方Alice具有4个身份标识Id1、Id3、Id5和Id6，以及数据方Bob具有4个身份标识Id2、Id3、Id4和Id7，并且经过多方安全计算后，各个身份标识的大小关系为Id1<Id2<Id3<Id4<Id5<Id6<Id7，则在数据融合后，数据方Alice的身份标识列表中顺序记录有：Id1，--，Id3，--，Id5，Id6和--，以及数据方Bob的身份标识列表中顺序记录有：--，Id2，Id3，Id4，--，--和Id7。由此可以看出，在按照根据本公开的多方数据融合后，各个数据方都知道存在7个身份标识，并且知道自己拥有的身份标识在身份标识列表中的位置，但并不知道其他数据方的身份标识信息。
图5示出了根据本公开的实施例的数据融合装置500的方框图。如图5所示，数据融合装置500包括排序单元510和标识添加单元520。
排序单元510被配置为对第一数据方所具有的至少一个第一数据的至少一个第一身份标识进行排序。
标识添加单元520被配置为对排序后的至少一个第一身份标识以及至少一个第二数据方所具有的至少一个第二数据的至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中。这里，所述至少一个第二身份标识是经过排序处理后的身份标识。所述身份标识列表是经过数据融合后的身份标识列表，在所述身份标识列表中，所述至少一个第一身份标识以原有身份标识的形式添加到对应的第一身份标识位置处，所述第一身份标识位置是基于该第一身份标识与其余身份标识之间的身份标识大小比较而确定出的。所述至少一个第二身份标识以非明文身份标识的形式添加到身份标识列表的剩余位置处。
图6示出了根据本公开的实施例的标识添加单元520的一个实现示例的方框图。如图6所示，标识添加单元520包括多方安全计算模块521、标识添加模块523和标识设置模块529。
在进行身份标识添加时，多方安全计算模块521和标识添加模块523被配置为针对排序后的至少一个第一身份标识以及至少一个第二身份标识来循环执行操作，直到所有第一身份标识和所有第二身份标识被添加到所述身份标识列表中。
具体地，多方安全计算模块521被配置为在第一数据方的当前第一身份标识和各个第二数据方的当前第二身份标识之间进行多方安全计算，以确定该当前第一身份标识与各个当前第二身份标识之间的比较结果。
标识添加模块523被配置为在所确定出的比较结果指示该当前第一身份标识最小时，将该第一身份标识以原有身份标识的形式添加到身份标识列表的结尾，并且在该当前第一身份标识不是最后的第一身份标识时，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，以及在所确定出的比较结果指示该当前第一身份标识不是最小时，在身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应，其中，具有被确定为最小的身份标识的第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识。
标识设置模块529被配置为在被添加到身份标识列表的结尾的第一身份标识是最后的第一身份标识时，将特定身份标识设置为第一数据方的用于下一多方安全计算的当前第一身份标识，其中，在与至少一个第二数据方的剩余身份标识进行多方安全计算时，该特定身份标识不小于剩余身份标识中的任何身份标识。
图7示出了根据本公开的实施例的标识添加单元520的另一实现示例的方框图。如图7所示，标识添加单元520包括多方安全计算模块521、未添加标识数目确定模块522、标识添加模块523和标识设置模块529。
在进行身份标识添加时，多方安全计算模块521、未添加标识数目确定模块522和标识添加模块523被配置为针对排序后的至少一个第一身份标识以及至少一个第二身份标识来循环执行操作，直到所有第一身份标识和所有第二身份标识被添加到所述身份标识列表中。
具体地，多方安全计算模块521被配置为在第一数据方的当前第一身份标识和各个第二数据方的当前第二身份标识之间进行多方安全计算，以确定该当前第一身份标识与各个当前第二身份标识之间的比较结果。
标识添加模块523被配置为在所确定出的比较结果指示该当前第一身份标识最小时，将该第一身份标识以原有身份标识的形式添加到身份标识列表的结尾，并且在该当前第一身份标识不是最后的第一身份标识时，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，以及在所确定出的比较结果指示该当前第一身份标识不是最小时，在身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应，其中，具有被确定为最小的身份标识的第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识。
标识设置模块529被配置为在被添加到身份标识列表的结尾的第一身份标识是最后的第一身份标识时，将特定身份标识设置为第一数据方的用于下一多方安全计算的当前第一身份标识，其中，在与至少一个第二数据方的剩余身份标识进行多方安全计算时，该特定身份标识不小于剩余身份标识中的任何身份标识。
未添加标识数目确定模块522被配置为在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，确定所述至少一个第二数据方所具有的未被添加到所述身份标识列表中的第二身份标识的未添加标识数目。然后，标识添加模块523被配置为在所述身份标识列表中，在所述最后的第一身份标识之后添加第一数目个非明文身份标识，所述第一数目等于所述未添加标识数目。
在本公开的一个示例中，未添加标识数目确定模块可以包括消息获取子模块(未示出)和未添加标识数目确定子模块(未示出)。消息获取子模块被配置为在向最后的第一身份标识之后添加第一数目个非明文身份标识之前，在被添加到身份标识列表的结尾的第一身份标识是最后的第一身份标识时，从各个具有未被添加到身份标识列表中的第二身份标识的第二数据方获取用于指示未被添加到身份标识列表中的第二身份标识的数目的未添加标识数目指示消息。数目确定子模块被配置为基于所获取的未添加标识数目指示消息，确定所述未添加标识数目。
此外，在本公开的一个示例中，在身份标识列表的结尾处添加非明文身份标识后，如果针对所有第二数据方都完成身份标识添加处理，则标识添加模块523还可以被配置为将第一数据方的剩余第一身份标识按序添加到身份标识列表的结尾。
如上参照图1到图7，对根据本公开的数据融合方法及数据融合装置的实施例进行了描述。上面的数据融合装置可以采用硬件实现，也可以采用软件或者硬件和软件的组合来实现。
图8示出了根据本公开的实施例的用于实现多方数据融合的计算设备800的硬件结构图。如图8所示，计算设备800可以包括至少一个处理器810、存储器820、内存830和通信接口840，并且至少一个处理器810、存储器820、内存830和通信接口840经由总线860连接在一起。至少一个处理器810执行在存储器820中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。
在一个实施例中，在存储器中存储计算机可执行指令，其当执行时使得至少一个处理器810：对第一数据方所具有的至少一个第一数据的至少一个第一身份标识进行排序；以及对排序后的至少一个第一身份标识以及至少一个第二数据方所具有的至少一个第二数据的至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中，所述至少一个第二身份标识是经过排序处理后的身份标识，其中，所述身份标识列表是经过数据融合后的所述第一数据方的身份标识列表，在所述身份标识列表中，所述至少一个第一身份标识以原有身份标识的形式添加到对应的第一身份标识位置处，所述第一身份标识位置是基于该第一身份标识与其余身份标识之间的身份标识大小比较而确定出的，以及所述至少一个第二身份标识以非明文身份标识的形式添加到所述身份标识列表的剩余位置处。
应该理解，在存储器中存储的计算机可执行指令当执行时使得至少一个处理器810进行本公开的各个实施例中以上结合图1-7描述的各种操作和功能。
在本公开中，计算设备800可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。
根据一个实施例，提供了一种比如机器可读介质的程序产品。机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本公开的各个实施例中以上结合图1-7描述的各种操作和功能。具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。
本领域技术人员应当理解，上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此，本发明的保护范围应当由所附的权利要求书来限定。
需要说明的是，上述各流程和各系统结构图中不是所有的步骤和单元都是必须的，可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的，可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构，也可以是逻辑结构，即，有些单元可能由同一物理实体实现，或者，有些单元可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
以上各实施例中，硬件单元或模块可以通过机械方式或电气方式实现。例如，一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器，FPGA或ASIC)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (17)
1.一种基于多方安全计算的数据融合方法，包括：
对第一数据方所具有的至少一个第一数据的至少一个第一身份标识进行排序；以及
对排序后的至少一个第一身份标识以及至少一个第二数据方所具有的至少一个第二数据的至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中，所述至少一个第二身份标识是经过排序处理后的身份标识，
其中，所述身份标识列表是经过数据融合后的所述第一数据方的身份标识列表，在所述身份标识列表中，所述至少一个第一身份标识中的各个第一身份标识以原有身份标识的形式添加到对应的第一身份标识位置，所述第一身份标识位置是基于该第一身份标识与所述身份标识列表中的其余身份标识之间的身份标识大小比较而确定出的，以及所述至少一个第二身份标识以非明文身份标识的形式添加到所述身份标识列表的剩余位置处。
2.如权利要求1所述的方法，其中，对排序后的至少一个第一身份标识以及至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中包括：
针对排序后的所述至少一个第一身份标识以及至少一个第二身份标识，循环执行下述过程，直到所有第一身份标识以及所有第二身份标识被添加到所述身份标识列表中：
在当前第一身份标识和各个第二数据方的当前第二身份标识之间进行多方安全计算，以确定该当前第一身份标识与各个当前第二身份标识之间的比较结果；
在所确定出的比较结果指示该当前第一身份标识最小时，将该当前第一身份标识以原有身份标识的形式添加到所述身份标识列表的结尾，并且在该当前第一身份标识不是最后的第一身份标识时，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，
在所确定出的比较结果指示该当前第一身份标识不是最小时，在所述身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应，其中，具有被确定为最小的身份标识的第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识。
3.如权利要求2所述的方法，还包括：
在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，确定所述至少一个第二数据方所具有的未被添加到所述身份标识列表中的第二身份标识的未添加标识数目；以及
在所述身份标识列表中，在所述最后的第一身份标识之后添加第一数目个非明文身份标识，所述第一数目等于所述未添加标识数目。
4.如权利要求3所述的方法，其中，获取所述至少一个第二数据方所具有的未被添加到所述身份标识列表中的第二身份标识的未添加标识数目包括：
在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，从各个具有未被添加到所述身份标识列表中的第二身份标识的第二数据方获取用于指示未被添加到所述身份标识列表中的第二身份标识的数目的未添加标识数目指示消息；以及
基于所获取的未添加标识数目指示消息，确定所述未添加标识数目。
5.如权利要求2所述的方法，还包括：
在所述身份标识列表的结尾处添加非明文身份标识后，如果针对所有第二数据方都完成身份标识添加处理，则将所述第一数据方的剩余第一身份标识按序添加到所述身份标识列表的结尾。
6.如权利要求2到5中任一所述的方法，其中，在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，将特定身份标识设置为所述第一数据方的用于下一多方安全计算的当前第一身份标识，其中，在与所述至少一个第二数据方的剩余身份标识进行多方安全计算时，所述特定身份标识不小于所述剩余身份标识中的任何身份标识。
7.如权利要求1所述的方法，其中，所述多方安全计算是使用百万富翁问题解决方案来实现的。
8.如权利要求1到5或7中任一所述的方法，其中，所述非明文身份标识包括下述标识中的一种：乱码、随机码或随机串。
9.如权利要求6所述的方法，其中，所述非明文身份标识包括下述标识中的一种：乱码、随机码或随机串。
10.一种基于多方安全计算的数据融合装置，包括：
排序单元，被配置为对第一数据方所具有的至少一个第一数据的至少一个第一身份标识进行排序；以及
标识添加单元，被配置为对排序后的至少一个第一身份标识以及至少一个第二数据方所具有的至少一个第二数据的至少一个第二身份标识进行多方安全计算，以将所述至少一个第一身份标识和所述至少一个第二身份标识添加到所述第一数据方的身份标识列表中，所述至少一个第二身份标识是经过排序处理后的身份标识，
其中，所述身份标识列表是经过数据融合后的所述第一数据方的身份标识列表，在所述身份标识列表中，所述至少一个第一身份标识中的各个第一身份标识以原有身份标识的形式添加到对应的第一身份标识位置，所述第一身份标识位置是基于该第一身份标识与所述身份标识列表中的其余身份标识之间的身份标识大小比较而确定出的，以及所述至少一个第二身份标识以非明文身份标识的形式添加到所述身份标识列表的剩余位置处。
11.如权利要求10所述的装置，其中，所述标识添加单元包括：
多方安全计算模块，被配置为在第一数据方的当前第一身份标识和各个第二数据方的当前第二身份标识之间进行多方安全计算，以确定该当前第一身份标识与各个当前第二身份标识之间的比较结果；以及
标识添加模块，被配置为在所确定出的比较结果指示该当前第一身份标识最小时，将该第一身份标识以原有身份标识的形式添加到所述身份标识列表的结尾，并且在该当前第一身份标识不是最后的第一身份标识时，将下一第一身份标识作为下一多方安全计算时的当前第一身份标识，以及在所确定出的比较结果指示该当前第一身份标识不是最小时，在所述身份标识列表的结尾处添加非明文身份标识，该非明文身份标识与被确定为最小的当前第二身份标识相对应，
其中，具有被确定为最小的身份标识的第二数据方的下一第二身份标识被设置为该第二数据方的用于下一多方安全计算的当前第二身份标识，
其中，所述多方安全计算模块和所述标识添加模块被配置为：针对排序后的所述至少一个第一身份标识以及所述至少一个第二身份标识来循环执行操作，直到所有第一身份标识和所有第二身份标识被添加到所述身份标识列表中。
12.如权利要求11所述的装置，其中，所述标识添加单元还包括：
未添加标识数目确定模块，被配置为在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，确定所述至少一个第二数据方所具有的未被添加到所述身份标识列表中的第二身份标识的未添加标识数目，
其中，所述标识添加模块还被配置为在所述身份标识列表中，在所述最后的第一身份标识之后添加第一数目个非明文身份标识，所述第一数目等于所述未添加标识数目。
13.如权利要求12所述的装置，其中，所述未添加标识数目确定模块包括：
消息获取子模块，被配置为在向所述最后的第一身份标识之后添加第一数目个非明文身份标识之前，在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，从各个具有未被添加到所述身份标识列表中的第二身份标识的第二数据方获取用于指示未被添加到所述身份标识列表中的第二身份标识的数目的未添加标识数目指示消息；以及
数目确定子模块，被配置为基于所获取的未添加标识数目指示消息，确定所述未添加标识数目。
14.如权利要求11所述的装置，其中，所述标识添加模块还被配置为：
在所述身份标识列表的结尾处添加非明文身份标识后，如果针对所有第二数据方都完成身份标识添加处理，则将所述第一数据方的剩余第一身份标识按序添加到所述身份标识列表的结尾。
15.如权利要求11到14中任一所述的装置，其中，所述标识添加单元还包括：
标识设置模块，被配置为在被添加到所述身份标识列表的结尾的第一身份标识是最后的第一身份标识时，将特定身份标识设置为所述第一数据方的用于下一多方安全计算的当前第一身份标识，
其中，在与所述至少一个第二数据方的剩余身份标识进行多方安全计算时，所述特定身份标识不小于所述剩余身份标识中的任何身份标识。
16.一种计算设备，包括：
至少一个处理器，以及
与所述至少一个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1到9中任一所述的方法。
17.一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到9中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910327619.6A CN111832034B (zh) | 2019-04-23 | 2019-04-23 | 多方数据融合方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910327619.6A CN111832034B (zh) | 2019-04-23 | 2019-04-23 | 多方数据融合方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111832034A CN111832034A (zh) | 2020-10-27 |
| CN111832034B true CN111832034B (zh) | 2024-04-30 |
Family
ID=72911931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910327619.6A Active CN111832034B (zh) | 2019-04-23 | 2019-04-23 | 多方数据融合方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111832034B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6772339B1 (en) * | 2000-03-13 | 2004-08-03 | Lucent Technologies Inc. | Mix and match: a new approach to secure multiparty computation |
| CN102984156A (zh) * | 2012-11-30 | 2013-03-20 | 无锡赛思汇智科技有限公司 | 一种可验证的分布式隐私数据比较与排序方法及装置 |
| WO2014180395A1 (zh) * | 2013-12-10 | 2014-11-13 | 中兴通讯股份有限公司 | 海量数据融合存储方法及系统 |
| US9038177B1 (en) * | 2010-11-30 | 2015-05-19 | Jpmorgan Chase Bank, N.A. | Method and system for implementing multi-level data fusion |
| CN104899239A (zh) * | 2015-03-03 | 2015-09-09 | 江苏科技大学 | 基于语义技术的路面谱与gis矢量数据的融合方法及系统 |
| WO2016045367A1 (zh) * | 2014-09-24 | 2016-03-31 | 中兴通讯股份有限公司 | 一种多数据源数据融合的方法及装置 |
| CN106980874A (zh) * | 2017-03-13 | 2017-07-25 | 南京邮电大学 | 一种面向配网大数据的多时态维度数据融合方法 |
| WO2017216801A1 (en) * | 2016-06-16 | 2017-12-21 | Bar-Ilan University | Secure sharing of confidential digital data |
| CN108364223A (zh) * | 2017-12-29 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 一种数据审计的方法及装置 |
| CN109543453A (zh) * | 2018-11-30 | 2019-03-29 | 北京八分量信息科技有限公司 | 一种基于安全多方计算的订单信息处理方法、装置及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9286162B2 (en) * | 2012-02-02 | 2016-03-15 | Netapp, Inc. | System and method for guaranteeing consistent data synchronization from a volatile data source |
| CN104978383B (zh) * | 2015-02-12 | 2018-01-09 | 腾讯科技（深圳）有限公司 | 一种数据互通的方法，及数据互通设备 |
| WO2016178291A1 (ja) * | 2015-05-07 | 2016-11-10 | 日本電気株式会社 | 秘密計算データ利用システムと方法と装置並びにプログラム |
| US10824738B2 (en) * | 2017-09-18 | 2020-11-03 | Healthverity, Inc. | Privacy-preserving analysis system for secure multiparty computing |
-
2019
- 2019-04-23 CN CN201910327619.6A patent/CN111832034B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6772339B1 (en) * | 2000-03-13 | 2004-08-03 | Lucent Technologies Inc. | Mix and match: a new approach to secure multiparty computation |
| US9038177B1 (en) * | 2010-11-30 | 2015-05-19 | Jpmorgan Chase Bank, N.A. | Method and system for implementing multi-level data fusion |
| CN102984156A (zh) * | 2012-11-30 | 2013-03-20 | 无锡赛思汇智科技有限公司 | 一种可验证的分布式隐私数据比较与排序方法及装置 |
| WO2014180395A1 (zh) * | 2013-12-10 | 2014-11-13 | 中兴通讯股份有限公司 | 海量数据融合存储方法及系统 |
| WO2016045367A1 (zh) * | 2014-09-24 | 2016-03-31 | 中兴通讯股份有限公司 | 一种多数据源数据融合的方法及装置 |
| CN104899239A (zh) * | 2015-03-03 | 2015-09-09 | 江苏科技大学 | 基于语义技术的路面谱与gis矢量数据的融合方法及系统 |
| WO2017216801A1 (en) * | 2016-06-16 | 2017-12-21 | Bar-Ilan University | Secure sharing of confidential digital data |
| CN106980874A (zh) * | 2017-03-13 | 2017-07-25 | 南京邮电大学 | 一种面向配网大数据的多时态维度数据融合方法 |
| CN108364223A (zh) * | 2017-12-29 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 一种数据审计的方法及装置 |
| CN109543453A (zh) * | 2018-11-30 | 2019-03-29 | 北京八分量信息科技有限公司 | 一种基于安全多方计算的订单信息处理方法、装置及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 基于全同态加密的秘密数据比较方案;汤全有;马传贵;光焱;;信息工程大学学报(06);全文 * |
| 多个字符排序的安全多方计算;李顺东;亢佳;杨晓艺;窦家维;刘新;;计算机学报(05);全文 * |
| 排序问题的安全多方计算协议;唐春明;石桂花;姚正安;;中国科学:信息科学(07);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111832034A (zh) | 2020-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | {Privacy-Preserving} Applications on Smartphones | |
| CN110011954A (zh) | 基于同态加密的生物识别方法、装置、终端及业务服务器 | |
| CN103561148B (zh) | 联系人分组的方法和终端 | |
| CN111160572B (zh) | 一种基于多标签的联邦学习方法、装置和系统 | |
| TW202040399A (zh) | 資料處理方法、裝置和電子設備 | |
| JP6235064B2 (ja) | ソーシャルネットワークサービス関係の確立 | |
| CN110224859B (zh) | 用于识别团伙的方法和系统 | |
| CN109525949A (zh) | 注册方法及装置、存储介质、服务器、用户终端 | |
| CN107634897B (zh) | 群推荐方法和装置 | |
| CN109977684A (zh) | 一种数据传输方法、装置及终端设备 | |
| CN111915019A (zh) | 联邦学习方法、系统、计算机设备和存储介质 | |
| CN109493073A (zh) | 一种基于人脸的身份识别方法、装置及电子设备 | |
| WO2020233014A1 (zh) | 消息发送方法、装置、计算机设备和存储介质 | |
| CN112468521B (zh) | 基于隐私保护的数据处理方法、装置和服务器 | |
| CN111832034B (zh) | 多方数据融合方法及装置 | |
| CN112597525A (zh) | 基于隐私保护的数据处理方法、装置和服务器 | |
| CN102255726A (zh) | 用于执行对称密钥数字签名的装置和方法 | |
| CN105187508A (zh) | 用户关系处理方法及系统 | |
| CN111291093B (zh) | 用于确定业务应用的功能关联规则的方法及装置 | |
| CN113254989A (zh) | 目标数据的融合方法、装置和服务器 | |
| CN114638998A (zh) | 模型更新方法、装置、系统及设备 | |
| US11921787B2 (en) | Identity-aware data management | |
| CN111832591B (zh) | 机器学习模型训练方法及装置 | |
| CN111860655A (zh) | 用户的处理方法、装置和设备 | |
| CN112232639A (zh) | 统计方法、装置和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |