CN112257081A - 纵向联邦标准离差综合评分方法、系统、介质及设备 - Google Patents
纵向联邦标准离差综合评分方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN112257081A CN112257081A CN202011065780.XA CN202011065780A CN112257081A CN 112257081 A CN112257081 A CN 112257081A CN 202011065780 A CN202011065780 A CN 202011065780A CN 112257081 A CN112257081 A CN 112257081A
- Authority
- CN
- China
- Prior art keywords
- scoring
- data
- participant
- intermediate data
- standard deviation
- 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.)
- Granted
Links
Images
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
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Abstract
本发明涉及数据建模技术领域,特别涉及一种纵向联邦标准离差综合评分方法、系统、介质及设备,其中,一种纵向联邦标准离差综合评分方法,应用于评分参与方,包括如下步骤,对齐数据样本,对数据定性分析及归一化处理,计算数据的标准差值;接收协调第三方发送的公钥,利用公钥对中间数据进行加密;向协调第三方发送加密中间数据,以使协调第三方接收加密中间数据对其解密计算,向评分参与方返回计算结果;接收计算结果,所述计算结果为数据的综合评分;在共建数据模型的过程中,各评分参与方对其他评分参与方的原始数据及中间计算结果均是未知的,从而确保了在共建数据模型时,各评分参与方数据的隐私安全性。
Description
技术领域
本发明涉及数据建模技术领域,特别涉及一种纵向联邦标准离差综合评分方法、系统、介质及设备。
背景技术
数据建模是一种用于定义和分析数据的要求和其需要的相应支持的信息系统的过程,数据建模与企业的利益和用户的信息系统密切相关。而对于不同类型的数据,采用综合评分方法进行评分作为当前数据处理应用的一个重要方面,也越来越受到人们的关注。
综合评分法是通过打分来对数据进行量化处理,可用来进行定性排序问题的综合评价。其核心内容是对评价的不同等级赋予不同的分值,并以此为基础进行综合评价。
但是现有对数据的评分一般应用于单方机构内部对自身的数据进行综合评分建模,当涉及到多方联合共建综合评分模型时,会涉及数据隐私的问题,各参与方存在向其他人泄露自己数据的风险。
发明内容
为解决上述现有中数据泄露的风险,本发明提供的一种纵向联邦标准离差综合评分方法、系统、介质及设备,在共建综合评分模型时,避免数据泄露,确保了数据隐私安全性。
第一方面,本申请实施例提供了一种纵向联邦标准离差综合评分方法,应用于评分参与方,所述方法包括:
对齐数据样本,对数据定性分析及归一化处理,计算数据的标准差值;
接收协调第三方发送的公钥,利用公钥对中间数据进行加密;
向所述协调第三方发送加密中间数据,以使所述协调第三方接收加密中间数据对其解密计算,向所述评分参与方返回计算结果;
接收计算结果,所述计算结果为数据的综合评分。
进一步地,所述评分参与方包括多个,通过加密实体对齐找出对齐全部所述评分参与方数据共有的样本。
进一步地,所述定性分析包括正向指标和反向指标,所述归一化处理包括正向指标归一化和反向指标归一化;
所述第一评分参与方和所述第二评分参与方分别接收所述协调第三方发送的公钥,所述第一评分参与方利用公钥对第一中间数据进行加法同态加密发送给所述第二评分参与方,所述第二评分参与方在加密的第一中间数据基础上利用公钥对第二中间数据进行加法同态加密后发送给所述协调第三方。
并发送给所述协调第三方,其中,DB为所述第二评分参与方的样本空间。
进一步地,所述第一评分参与方和所述第二评分参与方接收所述协调第三方发送的计算结果,根据所述计算结果进行分值转换以对数据进行综合评分。
第二方面,本申请实施例提供了一种纵向联邦标准离差综合评分方法,应用于评分协调第三方,所述方法包括:
向评分参与方发送公钥,以使所述评分参与方利用公钥对中间数据进行加密,其中,所述中间数据包括各所述评分参与方对齐数据的样本,对数据定性分析及归一化处理后,计算得出的数据标准差值;
接收加密中间数据对其解密后进行运算;
向评分参与方返回计算结果,以使所述评分参与方接收计算结果,所述计算结果为数据的综合评分。
第三方面,本申请实施例提供了一种纵向联邦标准离差综合评分系统,应用于评分参与方,所述系统包括:
计算模块,用于对齐数据样本,对数据定性分析及归一化处理,计算数据的标准差值;
加密模块,用于接收协调第三方发送的公钥,利用公钥对中间数据进行加密;
发送模块,用于向所述协调第三方发送加密中间数据,以使所述协调第三方接收加密中间数据对其解密计算,向所述评分参与方返回计算结果;
接收模块,用于接收计算结果,所述计算结果为数据的综合评分。
第四方面,本申请实施例提供了一种纵向联邦标准离差综合评分系统,应用于协调第三方,所述系统包括:
发送模块,用于向评分参与方发送公钥,以使所述评分参与方利用公钥对中间数据进行加密,其中,所述中间数据包括各所述评分参与方对齐数据的样本,对数据定性分析及归一化处理后计算得出的数据标准差值;
接收模块,用于接收加密中间数据对其解密后进行运算;
返回模块,用于向评分参与方返回计算结果,以使所述评分参与方接收计算结果,所述计算结果为数据的综合评分。
第五方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机被处理器执行时实现如上任一项所述的一种纵向联邦标准离差综合评分方法。
第六方面,本申请实施例提供了一种电子设备,包括至少一个处理器、及与所述处理器通信连接的存储器,其中所述存储器存储可被至少一个处理器执行的指令,所述指令被至少一个处理器执行,以使所述处理器执行如上任一项所述的一种纵向联邦标准离差综合评分方法。
与现有技术相比,本发明提供的一种纵向联邦标准离差综合评分方法,各评分参与方通过对齐数据的样本,对数据定性分析及归一化处理后,计算数据的标准差值,再利用公钥对中间数据加密发送至协调第三方,协调第三方对加密中间数据加密计算,将计算结果返回至各评分参与方,计算结果即为数据的综合评分;在共建数据模型的过程中,各评分参与方对其他评分参与方的原始数据及中间计算结果均是未知的,从而确保了在共建数据模型时,各评分参与方数据的隐私安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的实施例一综合评分方法的流程图;
图2为本发明提供的实施例二综合评分方法的流程图;
图3为本发明提供的实施例三综合评分系统的结构示意图;
图4为本发明提供的实施例四综合评分系统的结构示意图;
图5为本发明提供的实施例六电子设备的架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,下面所描述的本发明不同实施方式中所设计的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例一
图1为本申请实施例一提供的纵向联邦标准离差综合评分方法的流程图,如图1所示,一种纵向联邦标准离差综合评分方法,应用于评分参与方,所述方法包括:
S101:对齐数据样本,对数据定性分析及归一化处理,计算数据的标准差值
S102:接收协调第三方发送的公钥,利用公钥对中间数据进行加密
S103:向所述协调第三方发送加密中间数据,以使所述协调第三方接收加密中间数据对其解密计算,向所述评分参与方返回计算结果
S104:接收计算结果,所述计算结果为数据的综合评分。
具体实施时,本实施例中,在多方联合共建综合评分模型时,需要利用多方的数据联合进行综合评分,但各评分参与方不希望泄露自己的数据隐私,而各方有重复的样本和特征,因此,各评分参与方需要找出相同的样本进行纵向合并,使得各评分参与方均能充分利用对方的特征。
如图1所示,为了保证采用综合评分方法的数据建模过程中的保密性,首先通过加密实体对齐技术对齐各评分参与方的样本,在加密实体对齐过程中,各评分参与方对哪些样本是对方没有的及对方具体的样本数据均是未知的,加密实体对齐属于现有技术中常见的技术手段,在此不再赘述。
接着,各评分参与方对数据进行定性分析,定性分析包括正向指标和反向指标,正向指标代表数据的综合评分是越高越好,反向指标代表数据的综合评分越低越好,各评分参与方在共建数据模型时,对各自数据进行定性分析,并指定正向指标或反向指标其中一个进行定性分析;若各评分参与方的数据均不属于正向指标或反向指标,则根据各自的理解对数据进行符合逻辑的变换,使数据的定性分析满足正向指标或反向指标之一。
在定性分析后,对数据进行归一化处理,归一化处理包括正向指标归一化和反向指标归一化,其中,正向指标归一化为
具体地,本实施例中,评分参与方包括第一评分参与方和第二评分参与方,第一评分参与方和第二评分参与方对齐数据样本,第一评分参与方和第二评分参与方选择正向指标或反向指标,对各自数据进行正向指标归一化或反向指标归一化处理后,计算各自数据的标准差值,第一评分参与方的数据标准差值为第二评分参与方的数据标准差值
然后,如图1所示,第一评分参与方和第二评分参与方分别接收协调第三方发送的公钥,用以对中间数据进行加密,本实施例中,协调第三方可以是安全计算节点或权威机关节点,协调第三方可以是各评分参与方信任的第三方节点;
中间数据包括第一中间数据和第二中间数据,第一中间数据包括第一评分参与方的数据标准差值和第一评分参与方的样本空间DA与第一评分参与方的数据标准差值乘积,第二中间数据包括第一评分参与方的数据标准差值和第二评分参与方的数据标准差值之和、以及第一评分参与方的样本空间DA与第一评分参与方的数据标准差值的乘积和第二评分参与方的样本空间DB与第二评分参与方的数据标准差值的乘积之和。
第二评分参与方在加密的第一中间数据基础上利用公钥对第二中间数据进行加法同态加密后发送至协调第三方,第二评分参与方计算
并发送给所述协调第三方。
较佳地,本实施例中,对第一中间数据和第二中间数据加密采用加法同态加密,[[*]]表示对*进行加法同态加密,明文空间群和密文空间群的二元运算符均取“+”,即密文的加法运算的结果解密后与明文的加法运算结果一致。
最后,第一评分参与方和第二评分参与方接收协调第三方返回的计算结果,此时综合评分的分值在[0,1]之间,协调第三方返回的计算结果即综合评分;
优选地,第一评分参与方和第二评分参与方可以根据各自需要的分值进行转化,例如,若最终的综合评分需要显示百分制,将计算结果乘以100得到最终的综合评分。
采用本实施例提供的纵向联邦标准离差综合评分方法共建数据模型时,各评分参与方对其他评分参与方的原始数据及中间计算结果均是未知的,从而确保了在共建数据模型时,各评分参与方数据的隐私安全性。
实施例二
如图2所示,本申请实施例二提供了一种纵向联邦标准离差综合评分方法,应用于协调第三方,所述方法包括:
S201:向评分参与方发送公钥,以使所述评分参与方利用公钥对中间数据进行加密,其中,所述中间数据包括各所述评分参与方对齐数据的样本,对数据定性分析及归一化处理后,计算得出的数据标准差值;
S202:接收加密中间数据对其解密后进行运算;
S203:向评分参与方返回计算结果,以使所述评分参与方接收计算结果,所述计算结果为数据的综合评分。
具体实施时,协调第三方分别向各评分参与方发送公钥,使各评分参与方利用公钥对中间数据进行加密后返回至协调第三方,协调第三方接收加密中间数据利用私钥对其解密并计算,向各评分参与方返回计算结果,计算结果即为数据的综合评分,具体描述参照本申请其他实施例的相关描述,在此不作赘述。
与现有技术相比,本发明提供的一种纵向联邦标准离差综合评分方法,各评分参与方通过对齐数据的样本,对数据定性分析及归一化处理后,计算数据的标准差值,再利用公钥对中间数据加密发送至协调第三方,协调第三方对加密中间数据加密计算,将计算结果返回至各评分参与方,计算结果即为数据的综合评分;在共建数据模型的过程中,各评分参与方对其他评分参与方的原始数据及中间计算结果均是未知的,从而确保了在共建数据模型时,各评分参与方数据的隐私安全性。
实施例三
如图3所示,本实施例提供的纵向联邦标准离差综合评分系统,包括计算模块、加密模块、发送模块和接收模块,上述计算模块、加密模块、发送模块和接收模块可以实现评分参与方一侧的方法。
具体实施时,计算模块用于对齐数据样本,对数据定性分析及归一化处理,计算数据的标准差值;加密模块用于接收协调第三方发送的公钥,利用公钥对中间数据进行加密;发送模块用于向所述协调第三方发送加密中间数据,以使所述协调第三方接收加密中间数据对其解密计算,向所述评分参与方返回计算结果;接收模块用于接收计算结果,所述计算结果为数据的综合评分。
本申请实施例三提供的纵向联邦标准离差综合评分系统,可以执行上述各方法中评分参与方的技术方案,其实现原理和技术效果类似,在此不再赘述。
实施例四
如图4所示,本实施例提供的一种纵向联邦标准离差综合评分系统,应用于协调第三方,所述系统包括发送模块、接收模块和返回模块,上述发送模块、接收模块和返回模块可以实现协调第三方一侧的方法。
具体实施时,发送模块用于向评分参与方发送公钥,以使评分参与方利用公钥对中间数据进行加密,其中,所述中间数据包括各所述评分参与方对齐数据的样本,对数据定性分析及归一化处理后计算得出的数据标准差值;接收模块用于接收加密中间数据对其解密后进行运算;返回模块用于向评分参与方返回计算结果,以使评分参与方接收计算结果,计算结果为数据的综合评分。
本申请实施例四提供的纵向联邦标准离差综合评分系统,可以执行上述各方法中协调第三方的技术方案,其实现原理和技术效果类似,在此不再赘述。
实施例五
本申请实施例五提供的计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,该计算机指令被处理器执行时可实现上述任一项所述的一种纵向联邦标准离差综合评分方法。
具体实施时,计算机可读存储介质为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;计算机可读存储介质还可以包括上述种类的存储器的组合。
实施例六
如图5所示,本申请实施例六提供的电子设备,如图所示,该电子设备包括至少一个处理器及与所述处理器通信连接的存储器,其中所述存储器存储可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述处理器执行如上述方法实施例中描述的对应于评分参与方或协调第三方的方法,具体参见上述方法实施例中的说明。
具体实施时,处理器的数量可以是一个或多个,处理器可以为中央处理器,(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器与处理器可以通过总线或其他方式通信连接,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使处理器执行如上实施例一或实施例二中任一项所述的一种纵向联邦标准离差综合评分方法。
实施例七
本申请实施例七提供采用如上任一项所述的一种纵向联邦标准离差综合评分方法在公司之间共建数据模型的应用,其中,公司包括A公司和B公司,A公司和B公司采用综合评分方法共建数据模型时,首先通过加密实体对齐找出双方数据中共有的样本;
接着,A公司和B公司根据自己的业务理解对自己的数据进行定性分析,定性分析包括正向指标和反向指标,分析指标取值对于最终的综合评分是越高越好还是越低越好,即正向指标代表数据的综合评分是越高越好,反向指标代表数据的综合评分越低越好;若A公司和B公司的数据均不属于正向指标或反向指标,则根据各自的理解对数据进行符合逻辑的变换,使数据的定性分析满足正向指标或反向指标之一;
在对各自的数据进行定性分析后进行归一化处理,归一化处理包括正向指标归一化和反向指标归一化,具体地,A公司和B公司根据各自数据的定性分析选择正向指标归一化或反向指标归一化其中,正向指标归一化为
由于用户隐私和数据安全的原因,A公司和B公司不能直接交换数据,为了保证共建数据模型过程中的数据隐私性,A公司和B公司分别接收协调第三方发送的公钥,对双方的中间数据进行加密;
B公司在A公司加密的中间数据基础上,利用公钥对其自身的中间数据进行加密,B公司计算
并发送给所述协调第三方。
最后,A公司和B公司分别接收协调第三方返回的计算结果,协调第三方返回的计算结果即综合评分,但此时综合评分的分值在[0,1]之间,A公司和B公司还可以根据各自需要的分值进行转化,若最终的综合评分需要显示百分制,将计算结果乘以100得到最终的综合评分。
与现有技术相比,本发明提供的一种纵向联邦标准离差综合评分方法、系统、介质及设备,各评分参与方通过对齐数据的样本,对数据定性分析及归一化处理后,计算数据的标准差值,再利用公钥对中间数据加密发送至协调第三方,协调第三方对加密中间数据加密计算,将计算结果返回至各评分参与方,计算结果即为数据的综合评分;在共建数据模型的过程中,各评分参与方对其他评分参与方的原始数据及中间计算结果均是未知的,从而确保了在共建数据模型时,各评分参与方数据的隐私安全性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种纵向联邦标准离差综合评分方法,其特征在于,应用于评分参与方,所述方法包括:
对齐数据样本,对数据定性分析及归一化处理,计算数据的标准差值;
接收协调第三方发送的公钥,利用公钥对中间数据进行加密;
向所述协调第三方发送加密中间数据,以使所述协调第三方接收加密中间数据对其解密计算,向所述评分参与方返回计算结果;
接收计算结果,所述计算结果为数据的综合评分。
2.根据权利要求1所述的一种纵向联邦标准离差综合评分方法,其特征在于:所述评分参与方包括多个,通过加密实体对齐找出对齐全部所述评分参与方数据共有的样本。
7.根据权利要求6所述的一种纵向联邦标准离差综合评分方法,其特征在于:所述第一评分参与方和所述第二评分参与方接收所述协调第三方发送的计算结果,根据所述计算结果进行分值转换以对数据进行综合评分。
8.一种纵向联邦标准离差综合评分方法,其特征在于,应用于协调第三方,所述方法包括:
向评分参与方发送公钥,以使所述评分参与方利用公钥对中间数据进行加密,其中,所述中间数据包括各所述评分参与方对齐数据的样本,对数据定性分析及归一化处理后,计算得出的数据标准差值;
接收加密中间数据对其解密后进行运算;
向评分参与方返回计算结果,以使所述评分参与方接收计算结果,所述计算结果为数据的综合评分。
9.一种纵向联邦标准离差综合评分系统,其特征在于,应用于评分参与方,所述系统包括:
计算模块,用于对齐数据样本,对数据定性分析及归一化处理,计算数据的标准差值;
加密模块,用于接收协调第三方发送的公钥,利用公钥对中间数据进行加密;
发送模块,用于向所述协调第三方发送加密中间数据,以使所述协调第三方接收加密中间数据对其解密计算,向所述评分参与方返回计算结果;
接收模块,用于接收计算结果,所述计算结果为数据的综合评分。
10.一种纵向联邦标准离差综合评分系统,其特征在于,应用于协调第三方,所述系统包括:
发送模块,用于向评分参与方发送公钥,以使所述评分参与方利用公钥对中间数据进行加密,其中,所述中间数据包括各所述评分参与方对齐数据的样本,对数据定性分析及归一化处理后计算得出的数据标准差值;
接收模块,用于接收加密中间数据对其解密后进行运算;
返回模块,用于向评分参与方返回计算结果,以使所述评分参与方接收计算结果,所述计算结果为数据的综合评分。
11.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机指令,所述计算机被处理器执行时实现如权利要求1-8任一项所述的一种纵向联邦标准离差综合评分方法。
12.一种电子设备,其特征在于:包括至少一个处理器、及与所述处理器通信连接的存储器,其中所述存储器存储可被至少一个处理器执行的指令,所述指令被至少一个处理器执行,以使所述处理器执行如权利要求1-8任一项所述的一种纵向联邦标准离差综合评分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065780.XA CN112257081B (zh) | 2020-09-30 | 2020-09-30 | 纵向联邦标准离差综合评分方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065780.XA CN112257081B (zh) | 2020-09-30 | 2020-09-30 | 纵向联邦标准离差综合评分方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112257081A true CN112257081A (zh) | 2021-01-22 |
CN112257081B CN112257081B (zh) | 2023-02-28 |
Family
ID=74234843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011065780.XA Active CN112257081B (zh) | 2020-09-30 | 2020-09-30 | 纵向联邦标准离差综合评分方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257081B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537516A (zh) * | 2021-09-15 | 2021-10-22 | 北京百度网讯科技有限公司 | 分布式机器学习模型的训练方法、装置、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070143827A1 (en) * | 2005-12-21 | 2007-06-21 | Fiberlink | Methods and systems for intelligently controlling access to computing resources |
CN110992032A (zh) * | 2019-12-04 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 多方联合进行可信用户评估的方法及装置 |
CN111340558A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 基于联邦学习的线上信息处理方法、装置、设备及介质 |
-
2020
- 2020-09-30 CN CN202011065780.XA patent/CN112257081B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070143827A1 (en) * | 2005-12-21 | 2007-06-21 | Fiberlink | Methods and systems for intelligently controlling access to computing resources |
CN110992032A (zh) * | 2019-12-04 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 多方联合进行可信用户评估的方法及装置 |
CN111340558A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 基于联邦学习的线上信息处理方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
ABDULAHI MONDAY JUBRIN 等: "Fully Homomorphic Encryption: An Antidote to Cloud Data Security and Privacy Concems", 《2019 15TH INTERNATIONAL CONFERENCE ON ELECTRONICS, COMPUTER AND COMPUTATION (ICECCO)》 * |
杨至元等: "电力系统信息物理网络安全综合分析与风险研究", 《南方能源建设》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537516A (zh) * | 2021-09-15 | 2021-10-22 | 北京百度网讯科技有限公司 | 分布式机器学习模型的训练方法、装置、设备和介质 |
KR20230040278A (ko) * | 2021-09-15 | 2023-03-22 | 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 | 분산형 기계 학습 모델의 트레이닝 방법, 장치, 설비 및 매체 |
KR102515682B1 (ko) | 2021-09-15 | 2023-03-29 | 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 | 분산형 기계 학습 모델의 트레이닝 방법, 장치, 설비 및 매체 |
US11748661B2 (en) | 2021-09-15 | 2023-09-05 | Beijing Baidu Netcom Science Technology Co., Ltd. | Training method and apparatus for a distributed machine learning model and medium |
Also Published As
Publication number | Publication date |
---|---|
CN112257081B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021197037A1 (zh) | 双方联合进行数据处理的方法及装置 | |
US20230087864A1 (en) | Secure multi-party computation method and apparatus, device, and storage medium | |
CN113162752B (zh) | 基于混合同态加密的数据处理方法和装置 | |
US20210328778A1 (en) | Verifying a result using encrypted data provider data on a public storage medium | |
CN116204912B (zh) | 基于全同态加密的数据处理方法和装置 | |
US11411742B2 (en) | Private set calculation using private intersection and calculation, and applications thereof | |
WO2023098294A1 (zh) | 异构数据处理方法、装置及电子设备 | |
WO2018220541A1 (en) | Protocol-based system and method for establishing a multi-party contract | |
CN111555880A (zh) | 数据碰撞方法、装置、存储介质及电子设备 | |
CN116488789A (zh) | 一种数据处理方法、装置、设备和介质 | |
CN114186263A (zh) | 一种基于纵向联邦学习的数据回归方法及电子装置 | |
CN112257081B (zh) | 纵向联邦标准离差综合评分方法、系统、介质及设备 | |
CN112241537A (zh) | 纵向联邦学习建模方法、系统、介质及设备 | |
CN111917533A (zh) | 具有减少泄漏的区间统计量的隐私保护基准分析 | |
Wu et al. | A study on blockchain-based circular economy credit rating system | |
CN111931221B (zh) | 数据处理方法、装置和服务器 | |
Lu et al. | Multicenter privacy-preserving cox analysis based on homomorphic encryption | |
CN113676317A (zh) | 保护参与方隐私且可获取参与方统计数据的方法及系统 | |
CN112434026A (zh) | 一种基于哈希链的安全知识产权质押融资方法 | |
CN117034338A (zh) | 基于隐私保护的分布式文旅数据计算方法 | |
CN117036005A (zh) | 基于隐私求交的贷款风险评估方法及装置、电子设备 | |
CN115599959A (zh) | 数据共享方法、装置、设备及存储介质 | |
CN113746621B (zh) | 一种基于区块链技术的多链架构信息共享系统 | |
CN114629620A (zh) | 同态加密计算方法及系统、同态请求、计算和密钥系统 | |
CN115098883A (zh) | 一种基于安全多方计算的数据隐私保护方法和系统 |
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 |