CN113688425A - 基于隐私保护的两方联合特征处理方法、装置和系统 - Google Patents
基于隐私保护的两方联合特征处理方法、装置和系统 Download PDFInfo
- Publication number
- CN113688425A CN113688425A CN202111074303.4A CN202111074303A CN113688425A CN 113688425 A CN113688425 A CN 113688425A CN 202111074303 A CN202111074303 A CN 202111074303A CN 113688425 A CN113688425 A CN 113688425A
- Authority
- CN
- China
- Prior art keywords
- random
- feature
- party
- representation
- representations
- 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.)
- Pending
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
- G06F21/62—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供一种基于隐私保护的两方联合特征处理方法、装置和系统,属于多方安全计算。方法包括:第一方获取g项特征各自的第一随机表示,及目标空间的第二随机表示;第一随机表示、第二随机表示与第二方的第三随机函数和目标空间的第四随机表示之间满足预设关系;针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;向第二方发送第一差值,使第二方根据第一差值、映射函数和第三随机函数,得到第一中间函数;从第二方接收第一中间函数;根据第一中间函数、第一随机表示和第二随机表示,得到第一分片;第一分片与第二方得到的第二分片之和,等于g项特征分别映射在目标空间的嵌入表示之和。具有较低的通信量。
Description
技术领域
本说明书一个或多个实施例涉及计算机领域,尤其涉及基于隐私保护的两方联合特征处理方法、装置和系统。
背景技术
安全多方计算又称为多方安全计算,即多方共同计算出一个函数的结果,而不泄露这个函数各方的输入数据,计算的结果公开给其中的一方或多方。安全多方计算一个典型的应用是隐私保护的多方数据的联合统计分析和机器学习。安全多方计算能让参与的各方在不暴露各自原始数据的情况下,能够计算出基于各方联合数据的统计结果、机器学习结果。这其中多方安全计算的函数是一个统计运算的函数、一个机器学习算法。
在机器学习中,常常会涉及基于隐私保护的两方联合特征处理,一方具有多项特征中的每项特征在其对应的特征空间中的特征表示,另一方具有各项特征分别对应的映射函数,上述联合特征处理用于通过各项特征分别对应的映射函数,将对应特征的特征表示映射到共享的目标空间,并对各映射结果求和。
发明内容
本说明书一个或多个实施例描述了一种基于隐私保护的两方联合特征处理方法、装置和系统,具有较低的通信量。
第一方面,提供了一种基于隐私保护的两方联合特征处理方法,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,该方法由第一方执行,包括:
获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;所述g个第一随机表示、所述第二随机表示与第二方持有的g个第三随机函数和所述目标空间中的第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;
将所述第一差值发送给所述第二方,以使所述第二方根据所述第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数;
从所述第二方接收所述第一中间函数;
根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;所述第一分片与第二方得到的第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
在一种可能的实施方式中,所述特征表示为独热编码向量。
进一步地,所述目标空间为m维空间,所述g项特征包括第一特征,所述第一特征对应的特征空间为n维空间,所述第一特征对应的映射函数用于将n维的独热编码向量与n*m维映射矩阵相乘。
进一步地,所述基于该特征的特征表示与对应的第一随机表示计算第一差值,包括:
确定该特征的特征表示中取值为1的第一位数;
确定该特征的第一随机表示中取值为1的第二位数;
计算第一位数与第二位数之差,得到所述第一差值。
在一种可能的实施方式中,所述获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示,包括:
从第三方获取所述第三方生成的g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示。
在一种可能的实施方式中,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。
进一步地,所述本地计算包括:
针对所述g项特征中的每项特征,利用所述第一中间函数对所述第一随机表示进行处理,得到单项处理结果;
对各单项处理结果进行求和计算,得到总处理结果;
对所述总处理结果和所述第二随机表示进行求和计算,得到所述第一分片。
第二方面,提供了一种基于隐私保护的两方联合特征处理方法,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,方法包括:
所述第一方获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;
所述第二方获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
所述第一方针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;
所述第一方将所述第一差值发送给所述第二方;
所述第二方根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;
所述第二方向所述第一方发送所述第一中间函数;
所述第一方根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;
所述第二方根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
在一种可能的实施方式中,所述第一方获取g项特征各自的特征空间中的g个第一随机表示,包括:
所述第一方从第三方获取所述第三方生成的g项特征各自的特征空间中的g个第一随机表示;
所述第二方获取g个第三随机函数和所述目标空间中的第四随机表示,包括:
所述第二方从所述第三方获取所述第三方生成的g个第三随机函数和所述目标空间中的第四随机表示。
在一种可能的实施方式中,所述预设变换满足:
所述变换函数针对第一随机表示的处理结果,与所述映射函数针对相应特征的特征表示的处理结果,二者相同。
进一步地,所述映射函数对应于映射向量,所述预设变换对应于将所述映射向量循环左移第一差值位。
在一种可能的实施方式中,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。
进一步地,所述本地计算包括:
所述第一方针对所述g项特征中的每项特征,利用所述第一中间函数对所述第一随机表示进行处理,得到单项处理结果;
对各单项处理结果进行求和计算,得到总处理结果;
对所述总处理结果和所述第二随机表示进行求和计算,得到所述第一分片;
所述确定第二分片包括:
所述第二方将所述第四随机表示确定为所述第二分片。
第三方面,提供了一种基于隐私保护的两方联合特征处理装置,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,该装置设置于第一方,包括:
获取单元,用于获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;所述g个第一随机表示、所述第二随机表示与第二方持有的g个第三随机函数和所述目标空间中的第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
差值计算单元,用于针对任一项特征,基于该特征的特征表示与对应的所述获取单元获取的第一随机表示计算第一差值;
发送单元,用于将所述差值计算单元得到的第一差值发送给所述第二方,以使所述第二方根据所述第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数;
接收单元,用于从所述第二方接收所述第一中间函数;
分片计算单元,用于根据所述第一中间函数、所述获取单元获取的所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;所述第一分片与第二方得到的第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
第四方面,提供了一种基于隐私保护的两方联合特征处理系统,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,系统包括:
所述第一方,用于获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;
所述第二方,用于获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
所述第一方,还用于针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;将所述第一差值发送给所述第二方;
所述第二方,还用于根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;向所述第一方发送所述第一中间函数;
所述第一方,还用于根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;
所述第二方,还用于根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
第五方面,提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行第一方面或第二方面的方法。
第六方面,提供了一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面或第二方面的方法。
通过本说明书实施例提供的方法、装置和系统,首先第一方获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;第二方获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;然后第一方针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;将所述第一差值发送给所述第二方;接着第二方根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;向所述第一方发送所述第一中间函数;最后第一方根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;第二方根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。由上可见,本说明书实施例,不是直接利用映射函数对相应特征的特征表示进行映射处理,而是先由第二方根据第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数,再将第一中间函数发送给第一方,由于第一中间函数中包含了随机量,因此不会将映射函数泄露给第一方,第一方根据第一中间函数本地计算,得到第一分片,第二方得到第二分片,具有较低的通信量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其它的附图。
图1为本说明书披露的一个实施例的实施场景示意图;
图2示出根据一个实施例的基于隐私保护的两方联合特征处理的方法交互示意图;
图3示出根据一个实施例的基于隐私保护的两方联合特征处理装置的示意性框图;
图4示出根据一个实施例的基于隐私保护的两方联合特征处理系统的示意性框图。
具体实施方式
下面结合附图,对本说明书提供的方案进行描述。
图1为本说明书披露的一个实施例的实施场景示意图。该实施场景涉及基于隐私保护的两方联合特征处理。参照图1,令Ai和B是阿贝尔群(Abelian group),其中,i=1,…,g。第一方拥有第二方拥有其中,Map(Ai,B)代表用于实现从Ai到B的映射的映射空间。本说明书实施例,通过两方联合特征处理,使得第一方和第二方得到在B中的和共享形式。可以理解的是,表示第一方获得的的分片,表示第二方获得的的分片,与之和为
本说明书实施例,上述xi、fi和可以具有特定的含义。在一个示例中,表示g项特征中每项特征在其对应的特征空间Ai中的特征表示,例如,x1表示特征一在其对应的特征空间A1中的特征表示,x2表示特征二在其对应的特征空间A2中的特征表示,…xg表示特征g在其对应的特征空间Ag中的特征表示。表示g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间B,例如,f1表示特征一对应的映射函数,f2表示特征二对应的映射函数,…fg表示特征g对应的映射函数。表示通过各映射函数将对应特征的特征表示映射到共享的目标空间B,得到g项特征分别映射在目标空间中的嵌入表示,再对各嵌入表示进行求和,例如,f1(x1)表示特征一映射在目标空间B中的嵌入表示,f2(x2)表示特征二映射在目标空间B中的嵌入表示,…fg(xg)表示特征g映射在目标空间B中的嵌入表示。
可以理解的是,各项特征分别对应的特征空间可以称为特征域,表示对每个特征域独立进行嵌入,再求和,可简称为多域嵌入和。在深度学习中,经常需要针对离散型特征进行嵌入操作,即将每一个类别对应一个可训练的预设维度的向量。
本说明书实施例中提到的特征,通常指的为离散型特征,也称为分类性特征,其对应的特征空间中包含有限数目的特征值。例如,表一所示的离散型特征的特征值举例。
表一:离散型特征的特征值举例
用户编号 | 性别 | 民族 | 学历 |
0 | 男 | 汉 | 本科 |
1 | 男 | 满 | 硕士 |
2 | 女 | 蒙 | 博士 |
3 | 男 | 回 | 大专 |
参见表一,性别这项特征包含两种可能的特征值,男和女;民族这项特征包含有限数目种可能的特征值,例如,包括汉、满、蒙、回等特征值;学历这项特征包含有限数目种可能的特征值,例如,包括本科、硕士、博士、大专等特征值。
离散型特征可采用一个整数值作为其特征表示,以性别为例,可以用0代表男,1代表女,或者,用1代表男,2代表女等。
离散型特征还可采用一个向量作为其特征表示,通常采用独热编码得到特征值对应的编码向量作为其特征表示,以性别为例,可以用(0,1)代表男,(1,0)代表女。
独热编码即One-Hot编码,又称一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效。One-Hot编码是分类变量作为二进制向量的表示。将分类值映射到整数值。然后,每个整数值被表示为二进制向量,该向量中除了上述整数值的位置为1,其他位置都是零值。
本说明书实施例,基于隐私保护的两方联合特征处理属于安全多方计算。安全多方计算又称为多方安全计算,即多方共同计算出一个函数的结果,而不泄露这个函数各方的输入数据,计算的结果公开给其中的一方或多方。安全多方计算一个典型的应用是隐私保护的多方数据的联合统计分析和机器学习。安全多方计算能让参与的各方在不暴露各自原始数据的情况下,能够计算出基于各方联合数据的统计结果、机器学习结果。
和共享形式:在双方安全计算中,经常需要把一个0~N-1的整数x以x=x_L+x_Rmod N的形式分布式储存在A、B两方。使得A不知道x_R,B不知道x_L。
在一个示例中,A、B是参与双方安全计算的两方,令G是一个有限阿贝尔群(Abelian group),G中的和共享形式是指将一个元素x in G以a+b的形式存储在A、B两方。其中,a in G存储于A方,对B不可见;b in G存储于B方,对A不可见;a+b中的加法是指阿贝尔群G中的加法。和共享形式下的安全计算要求A、B之间通过一些安全的交互,计算出x在f:G1→G2的值,依然以和共享的形式存储于A、B两方。
其中,第一方和第二方仅为对两方的区分,还可以将第一方称为P1方,将第二方称为P2方,或者将第一方称为A方,将第二方称为B方等。
可以理解的是,隐私数据可以是任何不便于公开的数据,可以但不限于代表用户的个人信息的数据,或者商业秘密等。
本说明书实施例,在基于隐私保护的两方联合特征处理中,不是直接通过各映射函数将对应特征的特征表示映射到共享的目标空间B,得到g项特征分别映射在目标空间中的嵌入表示,再对各嵌入表示进行求和,而是通过对映射函数的变换,利用该变换的性质来确定最终结果的分片,具有较低的通信量。
图2示出根据一个实施例的基于隐私保护的两方联合特征处理的方法交互示意图,该方法可以基于图1所示的实施场景,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间。如图2所示,该实施例中基于隐私保护的两方联合特征处理的方法包括以下步骤:步骤21,第一方获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;步骤22,第二方获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;步骤23,第一方针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;步骤24,第一方将所述第一差值发送给所述第二方;步骤25,第二方根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;步骤26,第二方向所述第一方发送所述第一中间函数;步骤27,第一方根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;步骤28,第二方根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。下面描述以上各个步骤的具体执行方式。
首先在步骤21,第一方获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示。可以理解的是,每项特征具有其相对应的特征空间,g项特征就有g个特征空间,从每个特征空间中得到一个第一随机表示,g个特征空间对应有g个第一随机表示。目标空间只有一个,因此第二随机表示只有一个。
在一个示例中,所述特征表示为独热编码向量。可以理解的是,独热编码向量由0和1组成,且只具有一个1。
进一步地,所述目标空间为m维空间,所述g项特征包括第一特征,所述第一特征对应的特征空间为n维空间,所述第一特征对应的映射函数用于将n维的独热编码向量与n*m维映射矩阵相乘。
在一个示例中,所述第一方获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示,包括:
第一方从第三方获取所述第三方生成的g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示。
然后在步骤22,第二方获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间。可以理解的是,每项特征具有其相对应的映射空间,g项特征就有g个映射空间,从每个映射空间中得到一个第三随机函数,g个映射空间对应有g个第三随机函数。目标空间只有一个,因此第四随机表示只有一个。
在一个示例中,所述第二方获取g个第三随机函数和所述目标空间中的第四随机表示,包括:
第二方从所述第三方获取所述第三方生成的g个第三随机函数和所述目标空间中的第四随机表示。
本说明书实施例,第三方可以先生成满足所述预设关系的前述g个第一随机表示、第二随机表示、g个第三随机函数和第四随机表示,然后将g个第一随机表示和第二随机表示发送给第一方,将g个第三随机函数和第四随机表示发送给第二方。
在一个示例中,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。
举例来说,上述第三方具体为半可信第三方,该半可信第三方随机生成ai in Ai,hi in Map(Ai,B),u in B,v in B,满足并将ai和u发送给第一方,将hi和v发送给第二方。可以理解的是,i的取值从1到g,共有g项特征,Ai代表第i项特征对应的特征空间,Map(Ai,B)代表第i项特征对应的映射空间,B代表目标空间,ai代表第一随机表示,u代表第二随机表示,hi第三随机函数,v代表第四随机表示。
接着在步骤23,第一方针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值。可以理解的是,g项特征对应有g个第一差值。
在一个示例中,所述特征表示为独热编码向量。
所述基于该特征的特征表示与对应的第一随机表示计算第一差值,包括:
确定该特征的特征表示中取值为1的第一位数;
确定该特征的第一随机表示中取值为1的第二位数;
计算第一位数与第二位数之差,得到所述第一差值。
举例来说,该特征的特征表示为(0,1,0,0),从低位到高位依次记为第0、1、2、3位,其中,取值为1的为第2位,也就是说,第一位数为2;该特征的第一随机表示为(0,0,0,1),其中,取值为1的为第0位,也就是说,第二位数为0;计算第一位数2与第二位数0之差,得到所述第一差值为2。
再在步骤24,第一方将所述第一差值发送给所述第二方。可以理解的是,第一方将g项特征对应的g个第一差值发送给所述第二方。
由于第一差值为特征的特征表示与对应的第一随机表示计算得到的,因此不会泄露特征的特征表示。
再在步骤25,第二方根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数。可以理解的是,第一中间函数属于对应特征的映射空间。
在一个示例中,所述预设变换满足:
所述变换函数针对第一随机表示的处理结果,与所述映射函数针对相应特征的特征表示的处理结果,二者相同。
该示例中,通过满足一定条件的预设变换,使得可以将映射函数对特征表示的处理结果的计算,转换为利用变换函数进行的计算。此外,根据变换函数和第三随机函数进行本地处理,得到第一中间函数,可以防止泄露隐私数据。
进一步地,所述映射函数对应于映射向量,所述预设变换对应于将所述映射向量循环左移第一差值位。
本说明书实施例,利用了向量的循环移位不变性,来实现所述预设变换。可以理解的是,若特征的特征表示中取值为1的位数为第一位数,该特征的第一随机表示中取值为1的位数为第二位数,计算第一位数与第二位数之差,得到所述第一差值,将所述映射向量循环左移第一差值位,得到移位向量,则该移位向量的第二位数的数值与映射向量的第一位数的数值相同。
举例来说,第一位数为2,第二位数为0,第一差值为2,映射向量为(1,2,3,4),将该映射向量循环左移2位,得到移位向量(3,4,1,2),该移位向量的第二位数的数值为2,映射向量的第一位数的数值也为2,二者相同。
本说明书实施例,第一中间函数有g个,分别对应于g项特征,通过公式表示为其中,i代表g项特征中的第i项特征,xi-ai代表第一差值,fi代表映射函数,L代表预设变换,hi代表第三随机函数,Map(Ai,B)代表映射空间。
再在步骤26,第二方向所述第一方发送所述第一中间函数。可以理解的是,第二方将g项特征对应的g个第一中间函数发送给所述第一方。
由于第一中间函数为根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理得到的,因此不会泄露特征对应的映射函数。
再在步骤27,第一方根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片。可以理解的是,上述本地计算的具体方式与所述预设关系相关。
在一个示例中,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。也就是说,满足其中,ai代表第一随机表示,u代表第二随机表示,hi第三随机函数,v代表第四随机表示。
进一步地,所述本地计算包括:
针对所述g项特征中的每项特征,利用所述第一中间函数对所述第一随机表示进行处理,得到单项处理结果;
对各单项处理结果进行求和计算,得到总处理结果;
对所述总处理结果和所述第二随机表示进行求和计算,得到所述第一分片。
最后在步骤28,第二方根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。可以理解的是,第一分片与第二分片二者的确定方式是互相关联的,只要保证二者之和等于所述嵌入表示之和,确定方式并不唯一。
在一个示例中,所述确定第二分片包括:
所述第二方将所述第四随机表示确定为所述第二分片。
结合前面的示例,v代表第四随机表示,第二分片可以表示为v。
通过本说明书实施例提供的方法,首先第一方获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;第二方获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;然后第一方针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;将所述第一差值发送给所述第二方;接着第二方根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;向所述第一方发送所述第一中间函数;最后第一方根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;第二方根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。由上可见,本说明书实施例,不是直接利用映射函数对相应特征的特征表示进行映射处理,而是先由第二方根据第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数,再将第一中间函数发送给第一方,由于第一中间函数中包含了随机量,因此不会将映射函数泄露给第一方,第一方根据第一中间函数本地计算,得到第一分片,第二方得到第二分片,具有较低的通信量。
根据另一方面的实施例,还提供一种基于隐私保护的两方联合特征处理装置,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,所述装置设置于第一方,所述装置用于执行本说明书实施例提供的方法中第一方执行的动作。图3示出根据一个实施例的基于隐私保护的两方联合特征处理装置的示意性框图。如图3所示,该装置300包括:
获取单元31,用于获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;所述g个第一随机表示、所述第二随机表示与第二方持有的g个第三随机函数和所述目标空间中的第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
差值计算单元32,用于针对任一项特征,基于该特征的特征表示与对应的所述获取单元31获取的第一随机表示计算第一差值;
发送单元33,用于将所述差值计算单元32得到的第一差值发送给所述第二方,以使所述第二方根据所述第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数;
接收单元34,用于从所述第二方接收所述第一中间函数;
分片计算单元35,用于根据所述第一中间函数、所述获取单元31获取的所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;所述第一分片与第二方得到的第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
可选地,作为一个实施例,所述特征表示为独热编码向量。
进一步地,所述目标空间为m维空间,所述g项特征包括第一特征,所述第一特征对应的特征空间为n维空间,所述第一特征对应的映射函数用于将n维的独热编码向量与n*m维映射矩阵相乘。
进一步地,所述差值计算单元32包括:
第一确定子单元,用于确定该特征的特征表示中取值为1的第一位数;
第二确定子单元,用于确定该特征的第一随机表示中取值为1的第二位数;
差值计算子单元,用于计算所述第一确定子单元得到的第一位数与所述第二确定子单元得到的第二位数之差,得到所述第一差值。
可选地,作为一个实施例,所述获取单元31,具体用于从第三方获取所述第三方生成的g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示。
可选地,作为一个实施例,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。
进一步地,所述分片计算单元35包括:
单项处理子单元,用于针对所述g项特征中的每项特征,利用所述第一中间函数对所述第一随机表示进行处理,得到单项处理结果;
第一求和子单元,用于对所述单项处理子单元得到的各单项处理结果进行求和计算,得到总处理结果;
第二求和子单元,用于对所述第一求和子单元得到的总处理结果和所述第二随机表示进行求和计算,得到所述第一分片。
本说明书实施例提供的装置,不是直接利用映射函数对相应特征的特征表示进行映射处理,而是先由第二方根据第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数,再将第一中间函数发送给第一方,由于第一中间函数中包含了随机量,因此不会将映射函数泄露给第一方,第一方根据第一中间函数本地计算,得到第一分片,第二方得到第二分片,具有较低的通信量。
根据另一方面的实施例,还提供一种基于隐私保护的两方联合特征处理系统,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,所述系统用于执行本说明书实施例提供的方法中第一方和第二方执行的动作。图4示出根据一个实施例的基于隐私保护的两方联合特征处理系统的示意性框图。如图4所示,该系统400包括:
所述第一方41,用于获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;
所述第二方42,用于获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
所述第一方41,还用于针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;将所述第一差值发送给所述第二方42;
所述第二方42,还用于根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;向所述第一方41发送所述第一中间函数;
所述第一方41,还用于根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;
所述第二方42,还用于根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
本说明书实施例提供的系统,不是直接利用映射函数对相应特征的特征表示进行映射处理,而是先由第二方42根据第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数,再将第一中间函数发送给第一方41,由于第一中间函数中包含了随机量,因此不会将映射函数泄露给第一方41,第一方41根据第一中间函数本地计算,得到第一分片,第二方42得到第二分片,具有较低的通信量。
根据另一方面的实施例,还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行结合图2所描述的方法。
根据再一方面的实施例,还提供一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现结合图2所描述的方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (23)
1.一种基于隐私保护的两方联合特征处理方法,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,所述方法由第一方执行,包括:
获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;所述g个第一随机表示、所述第二随机表示与第二方持有的g个第三随机函数和所述目标空间中的第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;
将所述第一差值发送给所述第二方,以使所述第二方根据所述第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数;
从所述第二方接收所述第一中间函数;
根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;所述第一分片与第二方得到的第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
2.如权利要求1所述的方法,其中,所述特征表示为独热编码向量。
3.如权利要求2所述的方法,其中,所述目标空间为m维空间,所述g项特征包括第一特征,所述第一特征对应的特征空间为n维空间,所述第一特征对应的映射函数用于将n维的独热编码向量与n*m维映射矩阵相乘。
4.如权利要求2所述的方法,其中,所述基于该特征的特征表示与对应的第一随机表示计算第一差值,包括:
确定该特征的特征表示中取值为1的第一位数;
确定该特征的第一随机表示中取值为1的第二位数;
计算第一位数与第二位数之差,得到所述第一差值。
5.如权利要求1所述的方法,其中,所述获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示,包括:
从第三方获取所述第三方生成的g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示。
6.如权利要求1所述的方法,其中,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。
7.如权利要求6所述的方法,其中,所述本地计算包括:
针对所述g项特征中的每项特征,利用所述第一中间函数对所述第一随机表示进行处理,得到单项处理结果;
对各单项处理结果进行求和计算,得到总处理结果;
对所述总处理结果和所述第二随机表示进行求和计算,得到所述第一分片。
8.一种基于隐私保护的两方联合特征处理方法,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,所述方法包括:
所述第一方获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;
所述第二方获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
所述第一方针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;
所述第一方将所述第一差值发送给所述第二方;
所述第二方根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;
所述第二方向所述第一方发送所述第一中间函数;
所述第一方根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;
所述第二方根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
9.如权利要求8所述的方法,其中,所述第一方获取g项特征各自的特征空间中的g个第一随机表示,包括:
所述第一方从第三方获取所述第三方生成的g项特征各自的特征空间中的g个第一随机表示;
所述第二方获取g个第三随机函数和所述目标空间中的第四随机表示,包括:
所述第二方从所述第三方获取所述第三方生成的g个第三随机函数和所述目标空间中的第四随机表示。
10.如权利要求8所述的方法,其中,所述预设变换满足:
所述变换函数针对第一随机表示的处理结果,与所述映射函数针对相应特征的特征表示的处理结果,二者相同。
11.如权利要求10所述的方法,其中,所述映射函数对应于映射向量,所述预设变换对应于将所述映射向量循环左移第一差值位。
12.如权利要求8所述的方法,其中,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。
13.如权利要求12所述的方法,其中,所述本地计算包括:
所述第一方针对所述g项特征中的每项特征,利用所述第一中间函数对所述第一随机表示进行处理,得到单项处理结果;
对各单项处理结果进行求和计算,得到总处理结果;
对所述总处理结果和所述第二随机表示进行求和计算,得到所述第一分片;
所述确定第二分片包括:
所述第二方将所述第四随机表示确定为所述第二分片。
14.一种基于隐私保护的两方联合特征处理装置,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,所述装置设置于第一方,包括:
获取单元,用于获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;所述g个第一随机表示、所述第二随机表示与第二方持有的g个第三随机函数和所述目标空间中的第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
差值计算单元,用于针对任一项特征,基于该特征的特征表示与对应的所述获取单元获取的第一随机表示计算第一差值;
发送单元,用于将所述差值计算单元得到的第一差值发送给所述第二方,以使所述第二方根据所述第一差值对该特征对应的映射函数和第三随机函数进行本地处理,得到第一中间函数;
接收单元,用于从所述第二方接收所述第一中间函数;
分片计算单元,用于根据所述第一中间函数、所述获取单元获取的所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;所述第一分片与第二方得到的第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
15.如权利要求14所述的装置,其中,所述特征表示为独热编码向量。
16.如权利要求15所述的装置,其中,所述目标空间为m维空间,所述g项特征包括第一特征,所述第一特征对应的特征空间为n维空间,所述第一特征对应的映射函数用于将n维的独热编码向量与n*m维映射矩阵相乘。
17.如权利要求15所述的装置,其中,所述差值计算单元包括:
第一确定子单元,用于确定该特征的特征表示中取值为1的第一位数;
第二确定子单元,用于确定该特征的第一随机表示中取值为1的第二位数;
差值计算子单元,用于计算所述第一确定子单元得到的第一位数与所述第二确定子单元得到的第二位数之差,得到所述第一差值。
18.如权利要求14所述的装置,其中,所述获取单元,具体用于从第三方获取所述第三方生成的g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示。
19.如权利要求14所述的装置,其中,所述预设关系包括:利用所述g个第三随机函数对应处理所述g个第一随机表示的结果之和,等于所述第二随机表示和所述第四随机表示之和。
20.如权利要求19所述的装置,其中,所述分片计算单元包括:
单项处理子单元,用于针对所述g项特征中的每项特征,利用所述第一中间函数对所述第一随机表示进行处理,得到单项处理结果;
第一求和子单元,用于对所述单项处理子单元得到的各单项处理结果进行求和计算,得到总处理结果;
第二求和子单元,用于对所述第一求和子单元得到的总处理结果和所述第二随机表示进行求和计算,得到所述第一分片。
21.一种基于隐私保护的两方联合特征处理系统,第一方具有g项特征中每项特征在其对应的特征空间中的特征表示,第二方具有g项特征分别对应的g个映射函数,各映射函数用于将对应特征的特征表示映射到共享的目标空间,所述系统包括:
所述第一方,用于获取g项特征各自的特征空间中的g个第一随机表示,以及目标空间中的第二随机表示;
所述第二方,用于获取g个第三随机函数和所述目标空间中的第四随机表示;所述g个第一随机表示、所述第二随机表示与所述g个第三随机函数和所述第四随机表示之间满足预设关系,其中,g个第三随机函数与所述g个映射函数对应于相同的映射空间;
所述第一方,还用于针对任一项特征,基于该特征的特征表示与对应的第一随机表示计算第一差值;将所述第一差值发送给所述第二方;
所述第二方,还用于根据所述第一差值对该特征对应的映射函数进行预设变换,得到变换函数,并根据变换函数和第三随机函数进行本地处理,得到第一中间函数;向所述第一方发送所述第一中间函数;
所述第一方,还用于根据所述第一中间函数、所述g个第一随机表示和所述第二随机表示,进行与所述预设关系对应的本地计算,得到第一分片;
所述第二方,还用于根据所述第四随机表示,确定第二分片;所述第一分片与所述第二分片之和,等于所述g项特征分别映射在所述目标空间中的嵌入表示之和。
22.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-13中任一项的所述的方法。
23.一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-13中任一项的所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111074303.4A CN113688425A (zh) | 2021-09-14 | 2021-09-14 | 基于隐私保护的两方联合特征处理方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111074303.4A CN113688425A (zh) | 2021-09-14 | 2021-09-14 | 基于隐私保护的两方联合特征处理方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113688425A true CN113688425A (zh) | 2021-11-23 |
Family
ID=78586237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111074303.4A Pending CN113688425A (zh) | 2021-09-14 | 2021-09-14 | 基于隐私保护的两方联合特征处理方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113688425A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114726580A (zh) * | 2022-03-08 | 2022-07-08 | 支付宝(杭州)信息技术有限公司 | 数据处理方法和装置 |
-
2021
- 2021-09-14 CN CN202111074303.4A patent/CN113688425A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114726580A (zh) * | 2022-03-08 | 2022-07-08 | 支付宝(杭州)信息技术有限公司 | 数据处理方法和装置 |
CN114726580B (zh) * | 2022-03-08 | 2024-01-30 | 支付宝(杭州)信息技术有限公司 | 数据处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Privacy-preserving object detection for medical images with faster R-CNN | |
Gao et al. | Privacy-preserving Naive Bayes classifiers secure against the substitution-then-comparison attack | |
Ball et al. | Garbled neural networks are practical | |
CN113312641B (zh) | 多点多方的数据交互方法、系统、电子装置和存储介质 | |
CN110166446B (zh) | 一种基于安全多方计算的地理加权平均中心的实现方法 | |
CN111523144B (zh) | 针对多方的隐私数据进行安全运算的方法和装置 | |
CN111125736A (zh) | 基于隐私保护交集计算协议的致病基因检测方法 | |
CN111857649B (zh) | 一种用于隐私保护机器学习的定点数编码及运算系统 | |
JP2011164607A (ja) | シンボルシーケンスの編集距離のプライバシーを保護した計算の方法およびシステム | |
CN111008406B (zh) | 基于隐私数据的一致性检测进行业务处理的方法及装置 | |
CN113468556B (zh) | 完全策略隐藏的数据访问控制方法及其相关设备 | |
CN113688425A (zh) | 基于隐私保护的两方联合特征处理方法、装置和系统 | |
CN111523556A (zh) | 模型训练方法、装置及系统 | |
CN112560107B (zh) | 针对隐私数据进行处理的方法和装置 | |
US11038683B1 (en) | Secure data processing | |
CN115605895A (zh) | 使用安全多方计算和概率数据结构来保护对信息的访问 | |
CN111523674A (zh) | 模型训练方法、装置及系统 | |
JP6253803B2 (ja) | ペアワイズ距離計算のためのシステム及び方法 | |
CN112183759B (zh) | 模型训练方法、装置及系统 | |
CN116915383A (zh) | 不经意键值存储编解码方法、系统、装置和介质 | |
CN112398488B (zh) | 向量压缩的方法和装置 | |
Tullio et al. | A post-quantum key exchange protocol from the intersection of quadric surfaces | |
Jahan et al. | Design of a secure sum protocol using trusted third party system for secure multi-party computations | |
JP2018538620A (ja) | 計算デバイス及び方法 | |
CN112256839B (zh) | 一种密文搜索方法、装置、系统及计算机可读存储介质 |
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 |