CN112380495A - 安全多方乘法运算方法及系统 - Google Patents

安全多方乘法运算方法及系统 Download PDF

Info

Publication number
CN112380495A
CN112380495A CN202011410706.7A CN202011410706A CN112380495A CN 112380495 A CN112380495 A CN 112380495A CN 202011410706 A CN202011410706 A CN 202011410706A CN 112380495 A CN112380495 A CN 112380495A
Authority
CN
China
Prior art keywords
sharing
multiplication
matrix
shared
equal
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
Application number
CN202011410706.7A
Other languages
English (en)
Other versions
CN112380495B (zh
Inventor
徐艺
马敏耀
刘卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Education University
Original Assignee
Guizhou Education University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guizhou Education University filed Critical Guizhou Education University
Priority to CN202011410706.7A priority Critical patent/CN112380495B/zh
Publication of CN112380495A publication Critical patent/CN112380495A/zh
Application granted granted Critical
Publication of CN112380495B publication Critical patent/CN112380495B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Multi Processors (AREA)

Abstract

本发明涉及分布式联合计算技术领域,公开一种安全多方乘法运算方法及系统,以通过一轮最优的通信来实现重复共享。本发明方法包括:基于数据共享二分图划分的乘法共享分量计算协议,通过对进行乘法计算的数据共享进行二分图建模,并用邻接矩阵表示乘法结果共享分量的划分,使得n个参与方只需一轮通信就可在本地计算乘法共享分量。

Description

安全多方乘法运算方法及系统
技术领域
本发明涉及分布式联合计算技术领域,尤其涉及一种安全多方乘法运算方法及系统。
背景技术
安全多方计算MPC(Multy-party computation)是一种重要的密码技术,该技术可以在多个互不信任的参与方之间,在不透露各方隐私数据的情况下进行分布式联合计算,最终各方可拥有约定计算的函数的明文结果。随着大数据和人工智能的发展,如何在保护数据隐私的前提下,实现多个网络节点间数据的高效利用和协同计算,成为研究的热点问题。影响安全多方计算效率的主要是多个参与方之间计算共享乘法时的开销。
目前最新的高吞吐的安全多方计算技术只涉及3-方或4-方共享计算场景,针对n-方参与场景都是基于用户-云服务器模型,假设n个数据拥有者将数据进行3-方或者4-方共享后上传至3或4个云服务器进行处理,这种方案在一些现实应用中不具有实用性。因为在现实中,各种权威机构现实的要求是基于各自本地的服务器,通过安全交互来进行计算,这样各方可以安全、公平地实现联合计算,我们称这类场景为安全n-方计算场景。例如,在医疗领域多家医院希望在不泄漏用户隐私的条件下联合训练医疗影像诊断模型,在银行领域多家银行希望共同联合训练用户信用模型。然而医疗数据和银行个人信用数据由于法规和责任规避等问题不可能共享至公共云服务器,只能存储在各机构的本地服务器中。
然而现有的解决方案在进行乘法计算时,由于需要各方进行交互计算交叉项,n-方之间会进行多轮交互,每轮交互都会产生大量的通信,使得方案效率不高,这也是当前安全n-方计算场景的瓶颈所在。
发明内容
本发明目的在于公开一种安全多方乘法运算方法及系统,以通过一轮最优的通信来实现重复共享。
为达上述目的,本发明公开一种安全多方乘法运算方法,包括:
步骤S1、确定乘法共享参与方的数量,将共享分量的通信和计算过程抽象为共享二分图;
设有大于或等于4的n个参与方P1,P2…Pn共同计算z=xy,将x、y进行n方共享,
Figure BDA0002817697180000011
Figure BDA0002817697180000021
Pi拥有(xi,yi);共享xi构成集合A={xi},共享yi构成集合B={yi},i=1…n,将A和B作为图G中的顶点集合;将每一个求和分量xiyj作为图G中集合A中的顶点与集合B中的顶点连接对应的边(xi,yj),i,j=1…n;数据共享二分图G=(V,{E}),其中,E={(xi,yj)},边(xi,yj)对应的权值为xiyj,V={A∪B},对所有的边对应的权值进行求和得到:
Figure BDA0002817697180000022
步骤S2、对所述数据共享二分图进行n等份划分;对所述共享二分图中的边划分为n个互不相交的集合{E1,E2,…,En};具体包括:
将共享二分图的划分使用邻接矩阵H[i][j]表示,矩阵的横向由共享二分图G中集合A中的顶点组成,纵向由集合B中的顶点组成,矩阵中的每一个元素表示集合A中的顶点到集合B中的顶点的边;矩阵中的每一个值表示边(xi,yj)被划分到哪一个参与方;所述邻接矩阵的生成包括下述两种情况:
情况一、当n为大于4的奇数时:
Step1:初始化一个n×n的矩阵H为全0;
Step2:将从H[k][k]开始的第k行和第k列连续的
Figure BDA0002817697180000023
个元素赋值为k,k从1开始,到
Figure BDA0002817697180000024
结束;
Step3:按k从小到大的顺序,依次将矩阵H中第k行和第k列中等于0的元素赋值为k,k从
Figure BDA0002817697180000025
开始,到n结束;
情况二、当n为大于或等于4的偶数时:
Step1:初始化一个n×n的矩阵H为全0;
Step2:将从H[k][k]开始的第k行和第k列连续的
Figure BDA0002817697180000026
个元素赋值为k,k从1开始,到
Figure BDA0002817697180000027
结束;
Step3:按k从小到大的顺序,依次将H中第k行和第k列中等于0的元素赋值为k,k从
Figure BDA0002817697180000028
开始,到n结束;
其中,所生成的邻接矩阵中,值相同的点和边组合成子图,Ei对应的顶点集合为Vi,则划分的子图为Gi=(Vi,{Ei});
步骤S3、各所述参与方根据所述邻接矩阵进行一轮通信,且Pj在向Pi发送数据时,同时将xj、yj发送到Pi,使得每个参与方Pi拥有子图Gi中的顶点集合Vi对应的所有共享分量值;
步骤S4、各参与方分别计算乘积z=xy的共享分量值zi,通过所有参与方共享分量的累加恢复z=xy的乘法结果;具体包括:
Pi接收到Pj发送来的共享分量(xj,yj)后,Pj∈Vi,乘法共享分量值的计算公式为:
Figure BDA0002817697180000031
优选地,所述n大于或等于5。
当n=5时,所述邻接矩阵为:
Figure BDA0002817697180000032
当n=6时,所述邻接矩阵为:
Figure BDA0002817697180000033
为达上述目的,本发明还公开一种安全多方乘法运算系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明具有以下有益效果:
基于本发明的邻接矩阵,满足以下约束:
E1∪E2∪…∪En=E
即:所有的子图可以构成原二分图,也就是说每个参与方按照划分计算乘法共享后,所有共享的和就是乘法的结果;且同时满足:
Figure BDA0002817697180000034
即:每个子图是独立的,没有共同的边,也就是没有一个乘法分量被重复计算;且同时满足:
Figure BDA0002817697180000036
即:平均每个子图的边的数量为n,表示每个参与方计算的分量是基本均等的;且同时还满足:
Figure BDA0002817697180000035
即:每个子图中的顶点是最少的,所有Vi中的平均顶点数也最少。
藉此,本发明只需一轮通信则可以实现n方安全计算中的乘法计算,且基于邻接矩阵的二分图共享划分实现了一轮通信最优。与此同时,本发明的实现以
Figure BDA0002817697180000041
的概率抵抗不合谋的半诚实攻击,确保了安全性,可实现参与方可扩展的高吞吐安全乘法计算。
综上,本发明基于数据共享二分图划分的乘法共享分量计算协议,通过对进行乘法计算的数据共享进行二分图建模,并用邻接矩阵表示乘法结果共享分量的划分,使得n个参与方只需一轮通信就可在本地计算乘法共享分量。且本发明运算简单,通信开销少,易于使用并行计算,进一步提升计算效率。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的4个参与方所对应的共享二分图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本发明公开一种安全多方乘法运算方法,包括:
步骤S1、确定乘法共享参与方的数量,将共享分量的通信和计算过程抽象为共享二分图。
参照图1,设有大于或等于4的n个参与方P1,P2…Pn共同计算z=xy,将x、y进行n方共享,
Figure BDA0002817697180000042
Pi拥有(xi,yi);共享xi构成集合A={xi},共享yi构成集合B={yi},i=1…n,将A和B作为图G中的顶点集合;将每一个求和分量xiyj作为图G中集合A中的顶点与集合B中的顶点连接对应的边(xi,yj),i,j=1…n;数据共享二分图G=(V,{E}),其中,E={(xi,yj)},边(xi,yj)对应的权值为xiyj,V={A∪B},对所有的边对应的权值进行求和得到:
z=xy=(x1+x2+…+xn)(y1+y2+…+yn)=∑i,jxiyj
步骤S2、对所述数据共享二分图进行n等份划分;对所述共享二分图中的边划分为n个互不相交的集合{E1,E2,…,En}。具体包括:
将共享二分图的划分使用邻接矩阵H[i][j]表示,矩阵的横向由共享二分图G中集合A中的顶点组成,纵向由集合B中的顶点组成,矩阵中的每一个元素表示集合A中的顶点到集合B中的顶点的边;矩阵中的每一个值表示边(xi,yj)被划分到哪一个参与方;所述邻接矩阵的生成包括下述两种情况:
情况一、当n为大于4的奇数时:
Step1:初始化一个n×n的矩阵H为全0。
Step2:将从H[k][k]开始的第k行和第k列连续的
Figure BDA0002817697180000051
个元素赋值为k,k从1开始,到
Figure BDA0002817697180000052
结束。
Step3:按k从小到大的顺序,依次将矩阵H中第k行和第k列中等于0的元素赋值为k,k从
Figure BDA0002817697180000053
开始,到n结束。
情况二、当n为大于或等于4的偶数时:
Step1:初始化一个n×n的矩阵H为全0。
Step2:将从H[k][k]开始的第k行和第k列连续的
Figure BDA0002817697180000054
个元素赋值为k,k从1开始,到
Figure BDA0002817697180000055
结束。
Step3:按k从小到大的顺序,依次将H中第k行和第k列中等于0的元素赋值为k,k从
Figure BDA0002817697180000056
Figure BDA0002817697180000057
开始,到n结束。
其中,所生成的邻接矩阵中,值相同的点和边组合成子图,Ei对应的顶点集合为Vi,则划分的子图为Gi=(Vi,{Ei})。
其中,所生成的邻接矩阵中,值相同的点和边组合成子图,Ei对应的顶点集合为Vi,则划分的子图为Gi=(Vi,{Ei})。
步骤S3、各所述参与方根据所述邻接矩阵进行一轮通信,且Pj在向Pi发送数据时,同时将xj、yj发送到Pi,使得每个参与方Pi拥有子图Gi中的顶点集合Vi对应的所有共享分量值xi∈Vi,yj∈Vi
步骤S4、各参与方分别计算乘积z=xy的共享分量值zi,通过所有参与方共享分量的累加恢复z=xy的乘法结果。具体包括:
Pi接收到Pj发送来的共享分量(xj,yj)后,Pj∈Vi,乘法共享分量值的计算公式为:
zi=∑j≠ixi*yj+∑j≠iyi*xj+xiyi+ri,∑ri=0,(xi,yj)∈Ei,(xj,yi)∈Ei
在该步骤中,ri是利用PRSS子协议可以在n方之间,通过预先产生一次零和种子,然后使用伪随机发生器,多方在无需交互的情况下生成的零和随机共享变量。
优选地,所述n大于或等于5。
例如,当n=5时,所述邻接矩阵的生成步骤具体包括:
Step1:初始化一个n×n的矩阵H为全0。
Step2:将从H[k][k]开始的第k行和第k列连续的
Figure BDA0002817697180000061
个单元赋值为k,k从1开始,到
Figure BDA0002817697180000062
结束。
Figure BDA0002817697180000063
藉此,n=5,k的范围为1到3,所以依次给第一行和第一列从H[1][1]开始的连续的3个元素赋值为1,然后给第二行第二列从H[2][2]开始的连续的3个元素赋值为2,然后给第三行第三列从H[3][3]开始的连续的3个元素赋值为3。得到第一阶段的邻接矩阵H1为:
Figure BDA0002817697180000064
Step3:将H中第k行和第k列中等于0的单元赋值为k,k从
Figure BDA0002817697180000065
开始,到n结束。
如果H[i][k]=H[i][k]=0,则H[i][k]=H[i][k]=k,
Figure BDA0002817697180000066
藉此,把第四行,第四列为0的对应位置的元素赋值为4,第五行和第五列为0的对应元素赋值为5,则完成了划分。得到最终的邻接矩阵为:
Figure BDA0002817697180000067
同理,依照本实施例的上述生成规则,当n=6时,所述邻接矩阵为:
Figure BDA0002817697180000068
针对上述步骤S3及步骤S4,以n等于5为例,包括:
子图1表示H[1][i]=1和H[i][1]=1所对应的顶点和边:Vi={P1,P2,P3}Ei={(x1,y1),{x1,y2},{x2,y1},{x1,y3},{x3,y1}},分别对应矩阵的H[1][1]=1,H[1][2]=1,H[2][1]=1,H[1][3]=1,H[3][1]=1,所以P2将共享(x2,y2)发送给P1,P3将共享(x3,y3)发送给P1,则P1拥有共享{(x1,y1),(x2,y2),(x3,y3)},然后再根据子图划分计算乘法共享分量z1=x1y1+x1y2+x2y1+x1y3+x3y1+r1。其中,r1为预先生成的零和随机共享变量。
子图2表示H[2][i]=2和H[i][2]=2所对应的顶点和边:Vi={P2,P3,P4}Ei={(x2,y2),{x2,y3},{x3,y2},{x2,y4},{x4,y2}},分别对应矩阵的H[2][2]=1,H[2][3]=1,H[3][2]=1,H[2][4]=1,H[4][2]=1,所以P3将共享(x3,y3)发送给P2,P4将共享(x4,y4)发送给P2,则P2拥有共享{(x2,y2),(x3,y3),(x4,y4)},然后再根据子图划分计算乘法共享分量z2=x2y2+x2y3+x3y2+x2y4+x4y2+r2。其中,r2为预先生成的零和随机共享变量。
以此类推,同理可得到子图3、4及5的划分及共享通信方式。
实施例2
本实施例公开一种安全多方乘法运算系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例相对应的方法步骤。
综上,本发明上述各实施例所分别公开的安全多方乘法运算方法及系统,具有以下有益效果:
基于本发明的邻接矩阵,满足以下约束:
E1∪E2∪…∪En=E
即:所有的子图可以构成原二分图,也就是说每个参与方按照划分计算乘法共享后,所有共享的和就是乘法的结果;且同时满足:
Figure BDA0002817697180000071
即:每个子图是独立的,没有共同的边,也就是没有一个乘法分量被重复计算;且同时满足:
Figure BDA0002817697180000072
即:平均每个子图的边的数量为n,表示每个参与方计算的分量是基本均等的;且同时还满足:
Figure BDA0002817697180000073
即:每个子图中的顶点是最少的,所有Vi中的平均顶点数也最少。
藉此,本发明只需一轮通信则可以实现n方安全计算中的乘法计算,且基于邻接矩阵的二分图共享划分实现了一轮通信最优。与此同时,本发明的实现以
Figure BDA0002817697180000074
的概率抵抗不合谋的半诚实攻击,确保了安全性,可实现参与方可扩展的高吞吐安全乘法计算。
综上,本发明基于数据共享二分图划分的乘法共享分量计算协议,通过对进行乘法计算的数据共享进行二分图建模,并用邻接矩阵表示乘法结果共享分量的划分,使得n个参与方只需一轮通信就可在本地计算乘法共享分量。且本发明运算简单,通信开销少,易于使用并行计算,进一步提升计算效率。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种安全多方乘法运算方法,其特征在于,包括:
步骤S1、确定乘法共享参与方的数量,将共享分量的通信和计算过程抽象为共享二分图;
设有大于或等于4的n个参与方P1,P2…Pn共同计算z=xy,将x、y进行n方共享,
Figure FDA0002817697170000011
Figure FDA0002817697170000012
Pi拥有(xi,yi);共享xi构成集合A={xi},共享yi构成集合B={yi},i=1…n,将A和B作为图G中的顶点集合;将每一个求和分量xiyj作为图G中集合A中的顶点与集合B中的顶点连接对应的边(xi,yj),i,j=1…n;数据共享二分图G=(V,{E}),其中,E={(xi,yj)},边(xi,yj)对应的权值为xiyj,V={A∪B},对所有的边对应的权值进行求和得到:
z=xy=(x1+x2+…+xn)(y1+y2+…+yn)=∑i,jxiyj
步骤S2、对所述数据共享二分图进行n等份划分;对所述共享二分图中的边划分为n个互不相交的集合{E1,E2,…,En};具体包括:
将共享二分图的划分使用邻接矩阵H[i][j]表示,矩阵的横向由共享二分图G中集合A中的顶点组成,纵向由集合B中的顶点组成,矩阵中的每一个元素表示集合A中的顶点到集合B中的顶点的边;矩阵中的每一个值表示边(xi,yj)被划分到哪一个参与方;所述邻接矩阵的生成包括下述两种情况:
情况一、当n为大于4的奇数时:
Step1:初始化一个n×n的矩阵H为全0;
Step2:将从H[k][k]开始的第k行和第k列连续的
Figure FDA0002817697170000013
个元素赋值为k,k从1开始,到
Figure FDA0002817697170000014
结束;
Step3:按k从小到大的顺序,依次将矩阵H中第k行和第k列中等于0的元素赋值为k,k从
Figure FDA0002817697170000015
开始,到n结束;
情况二、当n为大于或等于4的偶数时:
Step1:初始化一个n×n的矩阵H为全0;
Step2:将从H[k][k]开始的第k行和第k列连续的
Figure FDA0002817697170000016
个元素赋值为k,k从1开始,到
Figure FDA0002817697170000017
结束;
Step3:按k从小到大的顺序,依次将H中第k行和第k列中等于0的元素赋值为k,k从
Figure FDA0002817697170000018
开始,到n结束;
其中,所生成的邻接矩阵中,值相同的点和边组合成子图,Ei对应的顶点集合为Vi,则划分的子图为Gi=(Vi,{Ei});
步骤S3、各所述参与方根据所述邻接矩阵进行一轮通信,且Pj在向Pi发送数据时,同时将xj、yj发送到Pi,使得每个参与方Pi拥有子图Gi中的顶点集合Vi对应的所有共享分量值;
步骤S4、各参与方分别计算乘积z=xy的共享分量值zi,通过所有参与方共享分量的累加恢复z=xy的乘法结果;具体包括:
Pi接收到Pj发送来的共享分量(xj,yj)后,Pj∈Vi,乘法共享分量值的计算公式为:
zi=∑j≠ixi*yj+∑j≠iyi*xj+xiyi+ri,∑ri=0,(xi,yj)∈Ei,(xj,yi)∈Ei
2.根据权利要求1所述的方法,其特征在于,所述n大于或等于5。
3.根据权利要求2所述的方法,其特征在于,当n=5时,所述邻接矩阵为:
Figure FDA0002817697170000021
4.根据权利要求1或2所述的方法,其特征在于,当n=6时,所述邻接矩阵为:
Figure FDA0002817697170000022
5.一种安全多方乘法运算系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至4任一所述方法的步骤。
CN202011410706.7A 2020-12-04 2020-12-04 安全多方乘法运算方法及系统 Active CN112380495B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011410706.7A CN112380495B (zh) 2020-12-04 2020-12-04 安全多方乘法运算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011410706.7A CN112380495B (zh) 2020-12-04 2020-12-04 安全多方乘法运算方法及系统

Publications (2)

Publication Number Publication Date
CN112380495A true CN112380495A (zh) 2021-02-19
CN112380495B CN112380495B (zh) 2023-06-16

Family

ID=74590497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011410706.7A Active CN112380495B (zh) 2020-12-04 2020-12-04 安全多方乘法运算方法及系统

Country Status (1)

Country Link
CN (1) CN112380495B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114448631A (zh) * 2022-04-07 2022-05-06 华控清交信息科技(北京)有限公司 一种多方安全计算方法、系统和用于多方安全计算的装置
CN115829561A (zh) * 2022-12-23 2023-03-21 星环信息科技(上海)股份有限公司 数据产品的交易方法、系统、计算节点和存储介质
CN115982747A (zh) * 2023-03-20 2023-04-18 建信金融科技有限责任公司 安全多方乘法运算方法及其装置、设备、介质及产品

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109067538A (zh) * 2018-07-06 2018-12-21 数安时代科技股份有限公司 安全协议方法、计算机设备及存储介质
CN109362076A (zh) * 2018-11-30 2019-02-19 武汉大学 一种具有隐私保护特性的动态频谱分配方法
CN110334548A (zh) * 2019-07-16 2019-10-15 桂林电子科技大学 一种基于差分隐私的数据异常检测方法
CN111401913A (zh) * 2020-03-19 2020-07-10 支付宝(杭州)信息技术有限公司 一种私有数据保护的模型学习方法、装置及系统
CN111984984A (zh) * 2020-08-28 2020-11-24 山东大学 基于集合运算的保密统计数据共享方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109067538A (zh) * 2018-07-06 2018-12-21 数安时代科技股份有限公司 安全协议方法、计算机设备及存储介质
CN109362076A (zh) * 2018-11-30 2019-02-19 武汉大学 一种具有隐私保护特性的动态频谱分配方法
CN110334548A (zh) * 2019-07-16 2019-10-15 桂林电子科技大学 一种基于差分隐私的数据异常检测方法
CN111401913A (zh) * 2020-03-19 2020-07-10 支付宝(杭州)信息技术有限公司 一种私有数据保护的模型学习方法、装置及系统
CN111984984A (zh) * 2020-08-28 2020-11-24 山东大学 基于集合运算的保密统计数据共享方法及系统

Non-Patent Citations (12)

* Cited by examiner, † Cited by third party
Title
BALAMURUGAN ANANDAN ET AL: "Secure minimum weighted bipartite matching", 2017 IEEE CONFERENCE ON DEPENDABLE AND SECURE COMPUTING, pages 1 - 10 *
DEEPESH DATA ET AL: "On the Communication Complexity of Secure Computation", pages 1 - 37, Retrieved from the Internet <URL:https://arxiv.org/abs/1311.7584> *
MARINA BLANTON ET AL: "Oblivious Maximum Bipartite Matching Size Algorithm with Applications to Secure Fingerprint Identification", COMPUTER SECURITY -- ESORICS 2015, pages 384 *
QIANG ZHENG ET AL: "Research on the Secure Multi-Party Computation of some Linear Algebra Problems", APPLIED MECHANICS AND MATERIALS, vol. 20, pages 265 - 270 *
STEFAN WÜLLER ET AL: "Using Secure Graph Algorithms for the Privacy-Preserving Identification of Optimal Bartering Opportunities", PROCEEDINGS OF THE 2017 ON WORKSHOP ON PRIVACY IN THE ELECTRONIC SOCIETY, pages 123 *
YI XU ET AL: "High-throughput secure multiparty multiplication protocol via bipartite graph partitioning", PEER-TO-PEER NETWORKING AND APPLICATIONS, pages 1414 *
叶云: "保护私有数据的合作计算问题及其应用研究", 中国博士学位论文全文数据库信息科技辑, no. 1, pages 138 - 5 *
孙崇敬: "面向属性与关系的隐私保护数据挖掘理论研究", 中国博士学位论文全文数据库信息科技辑, no. 3, pages 138 - 20 *
彭飞;曾学文;邓浩江;刘磊;: "一种基于群组推荐的用户隐私保护方法", 计算机应用研究, vol. 32, no. 3, pages 869 - 872 *
耿魁;万盛;李凤华;何媛媛;王瀚仪;: "基于隐私匹配的服务代理发现方法", 通信学报, vol. 37, no. 08, pages 136 - 143 *
董业 等: "基于秘密分享和梯度选择的高效安全联邦学习", 计算机研究与发展, vol. 57, no. 10, pages 2241 - 2250 *
魏琼 等: "图交集和并集的安全多方计算", 密码学报, vol. 7, no. 6, pages 774 - 788 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114448631A (zh) * 2022-04-07 2022-05-06 华控清交信息科技(北京)有限公司 一种多方安全计算方法、系统和用于多方安全计算的装置
CN114448631B (zh) * 2022-04-07 2022-06-07 华控清交信息科技(北京)有限公司 一种多方安全计算方法、系统和用于多方安全计算的装置
CN115829561A (zh) * 2022-12-23 2023-03-21 星环信息科技(上海)股份有限公司 数据产品的交易方法、系统、计算节点和存储介质
CN115829561B (zh) * 2022-12-23 2023-12-19 星环信息科技(上海)股份有限公司 数据产品的交易方法、系统、计算节点和存储介质
CN115982747A (zh) * 2023-03-20 2023-04-18 建信金融科技有限责任公司 安全多方乘法运算方法及其装置、设备、介质及产品

Also Published As

Publication number Publication date
CN112380495B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN112380495A (zh) 安全多方乘法运算方法及系统
Chaudhari et al. Trident: Efficient 4pc framework for privacy preserving machine learning
CN109684855B (zh) 一种基于隐私保护技术的联合深度学习训练方法
CN112910631B (zh) 一种基于云服务器辅助的高效隐私集合交集计算方法及系统
CN112668044B (zh) 面向联邦学习的隐私保护方法及装置
CN113033712B (zh) 一种基于联邦学习的多用户协同训练人流统计方法及系统
CN111008256B (zh) 一种基于安全多方计算的空间数据分布模式分析方法
Mendis et al. A blockchain-powered decentralized and secure computing paradigm
CN106453285B (zh) 一种秘密数据共享的验证方法及装置
CN106452745A (zh) 一种秘密数据共享的验证方法及装置
CN114595835B (zh) 基于联邦学习的模型训练方法及装置、设备、存储介质
CN113408001B (zh) 多方安全确定最值的方法、装置、设备及存储介质
CN113221183A (zh) 实现隐私保护的多方协同更新模型的方法、装置及系统
CN111865581B (zh) 基于张量网络的量子秘密共享方法及量子通信系统
Ying Shared MF: A privacy-preserving recommendation system
Krasnoselskii et al. No-dealer: Byzantine fault-tolerant random number generator
CN115759289A (zh) 基于用户分组协同的联邦学习方法、系统及装置
Zhang et al. Desirable companion for vertical federated learning: New zeroth-order gradient based algorithm
CN116595589B (zh) 基于秘密共享机制的分布式支持向量机训练方法及系统
CN114580661A (zh) 基于联邦学习的数据处理方法、装置和计算机设备
CN116388954A (zh) 通用密态数据安全计算方法
CN115473633A (zh) 一种多方协同产生sm2数字签名的方法及装置
CN115204374A (zh) 基于分割神经网络的联邦学习及预测的系统、方法和设备
Luo et al. DFRD: data-free robustness distillation for heterogeneous federated learning
CN112751667A (zh) 密钥生成方法、签名和验签方法、装置、设备和介质

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