CN114372291A - 隐私联合推理方法、装置、设备及存储介质 - Google Patents
隐私联合推理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114372291A CN114372291A CN202210038323.4A CN202210038323A CN114372291A CN 114372291 A CN114372291 A CN 114372291A CN 202210038323 A CN202210038323 A CN 202210038323A CN 114372291 A CN114372291 A CN 114372291A
- Authority
- CN
- China
- Prior art keywords
- data
- item
- target
- identifier
- intermediate result
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术领域,提供一种隐私联合推理方法、装置、设备及存储介质,用于高效地完成隐私联合推理任务,并实现推理意图的隐私保护。隐私联合推理方法包括:通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;通过预置的数据提供端的己方加密数据对已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;通过预置的不经意传输协议和目标条目位置信息,获取待预测数据的条目加密中间结果;根据条目加密中间结果和待预测数据的条目预测端中间结果进行联合预测推理,得到目标预测结果,目标预测结果用于指示推理的意图。此外,本发明还涉及区块链技术,待预测数据可存储于区块链中。
Description
技术领域
本发明涉及人工智能的智能决策领域,尤其涉及一种隐私联合推理方法、装置、设备及存储介质。
背景技术
当下,企业间的数据合作已经变得愈发紧密和频繁,用户数据通常分布在不同的公司中,不同的公司在拥有相同用户的同时,持有不同的用户特征以及数据,因此多家公司之间就希望通过数据联合的方式进行数据价值的挖掘,数据价值的利用、合作内容通常包括联合查询和联合建模,而当两家乃至多家企业联合建模后,对生成的模型进行应用需要通过联合推理(federated inference)来实现。目前的联合推理的方法主要是:将双方需要进行推理预测的数据ID进行对齐,得到对齐后的数据,各自本地计算需要进行推理预测的数据的必要参数,根据必要参数对对齐后的数据进行参数汇总、推理预测、输出结果。
但是,上述方法的联合推理流程导致意图暴露,从而惊动特定对象,且会导致数据的机密泄漏,数据的隐私无法得到保护,联合推理任务的处理效率低,从而导致了无法兼顾隐私联合推理任务完成的高效性和推理意图的隐私保护。
发明内容
本发明提供一种隐私联合推理方法、装置、设备及存储介质,用于高效地完成隐私联合推理任务,并实现推理意图的隐私保护。
本发明第一方面提供了一种隐私联合推理方法,包括:
通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;
获取预置的数据提供端的己方加密数据,通过所述己方加密数据对所述已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;
通过预置的不经意传输协议和所述目标条目位置信息,获取所述待预测数据的条目加密中间结果;
获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图。
可选的,在本发明第一方面的第一种实现方式中,所述通过所述己方加密数据对所述已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息,包括:
获取基于所述已盲化条目标识符的已去盲标识符加密数据,将所述已去盲标识符加密数据和所述己方加密数据进行比对,得到比对一致的目标标识符加密数据;
对所述目标标识符加密数据的索引值进行记录,得到目标条目位置信息。
可选的,在本发明第一方面的第二种实现方式中,所述获取基于所述已盲化条目标识符的已去盲标识符加密数据,将所述已去盲标识符加密数据和所述己方加密数据进行比对,得到比对一致的目标标识符加密数据,包括:
将所述已盲化条目标识符发送至预置的数据提供端,并接收所述数据提供端发送的对所述已盲化条目标识符进行加密后的标识符加密数据和对所有数据的条目标识符加密后的己方加密数据;
对所述标识符加密数据进行去盲处理,得到已去盲标识符加密数据;
将所述已去盲标识符加密数据和所述己方加密数据进行匹配和一致数据读取,得到目标标识符加密数据。
可选的,在本发明第一方面的第三种实现方式中,所述通过预置的不经意传输协议和所述目标条目位置信息,获取所述待预测数据的条目加密中间结果,包括:
执行预置的不经意传输协议,根据所述目标条目位置信息随机选择目标随机数,并基于所述目标随机数计算条目哈希求余值,所述目标随机数用于指示小于大素数的随机数;
将所述条目哈希求余值发送至预置的数据提供端,以使得所述数据提供端基于所述条目哈希求余值计算所述待预测数据的条目加密中间结果,并返回所述条目加密中间结果。
可选的,在本发明第一方面的第四种实现方式中,所述获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图,包括:
通过预置的模型权重计算所述待预测数据的条目预测端中间结果,并对所述条目加密中间结果进行解密,得到条目解密中间结果;
计算所述条目解密中间结果和所述条目预测端中间结果的和值,得到目标预测结果,所述目标预测结果用于指示推理的意图。
可选的,在本发明第一方面的第五种实现方式中,所述通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符,包括:
接收预置的数据提供端发送的公钥,并生成盲化因子;
对所述待预测数据的条目标识符进行所述盲化因子的添加和所述公钥的盲签名,得到已盲化条目标识符。
可选的,在本发明第一方面的第六种实现方式中,所述获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图之后,还包括:
对所述目标预测结果进行聚类分析得到聚类结果,并根据所述聚类结果匹配对应的目标推荐信息,所述目标推荐信息用于指示用户兴趣点对应的产品或者模型。
本发明第二方面提供了一种隐私联合推理装置,包括:
盲化模块,用于通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;
记录模块,用于获取预置的数据提供端的己方加密数据,通过所述己方加密数据对所述已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;
获取模块,用于通过预置的不经意传输协议和所述目标条目位置信息,获取所述待预测数据的条目加密中间结果;
推理模块,用于获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图。
可选的,在本发明第二方面的第一种实现方式中,所述记录模块包括:
比对单元,用于获取基于所述已盲化条目标识符的已去盲标识符加密数据,将所述已去盲标识符加密数据和所述己方加密数据进行比对,得到比对一致的目标标识符加密数据;
记录单元,用于对所述目标标识符加密数据的索引值进行记录,得到目标条目位置信息。
可选的,在本发明第二方面的第二种实现方式中,所述比对单元具体用于:
将所述已盲化条目标识符发送至预置的数据提供端,并接收所述数据提供端发送的对所述已盲化条目标识符进行加密后的标识符加密数据和对所有数据的条目标识符加密后的己方加密数据;
对所述标识符加密数据进行去盲处理,得到已去盲标识符加密数据;
将所述已去盲标识符加密数据和所述己方加密数据进行匹配和一致数据读取,得到目标标识符加密数据。
可选的,在本发明第二方面的第三种实现方式中,所述获取模块具体用于:
执行预置的不经意传输协议,根据所述目标条目位置信息随机选择目标随机数,并基于所述目标随机数计算条目哈希求余值,所述目标随机数用于指示小于大素数的随机数;
将所述条目哈希求余值发送至预置的数据提供端,以使得所述数据提供端基于所述条目哈希求余值计算所述待预测数据的条目加密中间结果,并返回所述条目加密中间结果。
可选的,在本发明第二方面的第四种实现方式中,所述推理模块具体用于:
通过预置的模型权重计算所述待预测数据的条目预测端中间结果,并对所述条目加密中间结果进行解密,得到条目解密中间结果;
计算所述条目解密中间结果和所述条目预测端中间结果的和值,得到目标预测结果,所述目标预测结果用于指示推理的意图。
可选的,在本发明第二方面的第五种实现方式中,所述盲化模块具体用于:
接收预置的数据提供端发送的公钥,并生成盲化因子;
对所述待预测数据的条目标识符进行所述盲化因子的添加和所述公钥的盲签名,得到已盲化条目标识符。
可选的,在本发明第二方面的第六种实现方式中,所述隐私联合推理装置,还包括:
聚类匹配模块,用于对所述目标预测结果进行聚类分析得到聚类结果,并根据所述聚类结果匹配对应的目标推荐信息,所述目标推荐信息用于指示用户兴趣点对应的产品或者模型。
本发明第三方面提供了一种隐私联合推理设备,包括:存储器和至少一个处理器,所述存储器中存储有计算机程序;所述至少一个处理器调用所述存储器中的所述计算机程序,以使得所述隐私联合推理设备执行上述的隐私联合推理方法。
本发明的第四方面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中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述的隐私联合推理方法。
本发明提供的技术方案中,通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;获取预置的数据提供端的己方加密数据,通过所述己方加密数据对所述已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;通过预置的不经意传输协议和所述目标条目位置信息,获取所述待预测数据的条目加密中间结果;获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图。本发明实施例中,能够在待预测数据条目传输的安全性的基础上,准确联合推理意图,能够对预测发起方的隐私保护,帮助推理预测发起方在与数据提供方联合推理的过程中保护其推理的意图,能够快速地、准确地进行数据传输和数据计算,提高了联合推理任务的处理效率,实现了高效地完成隐私联合推理任务,并实现推理意图的隐私保护的效果。
附图说明
图1为本发明实施例中隐私联合推理方法的一个实施例示意图;
图2为本发明实施例中隐私联合推理方法的另一个实施例示意图;
图3为本发明实施例中隐私联合推理装置的一个实施例示意图;
图4为本发明实施例中隐私联合推理装置的另一个实施例示意图;
图5为本发明实施例中隐私联合推理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种隐私联合推理方法、装置、设备及存储介质,能够高效地完成隐私联合推理任务,并实现推理意图的隐私保护。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中隐私联合推理方法的一个实施例包括:
101、通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
可以理解的是,本发明的执行主体可以为隐私联合推理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以预测发起方的服务器(以下简称预测服务器)为执行主体为例进行说明。
服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
预测服务器获取执行任务,该执行任务用于指示执行需求,执行任务包括待预测数据的数据需求(数据范围、数据提供方)和执行需求,根据执行任务生成执行事件,基于执行事件执行预置的盲签名协议,预置的盲签名协议为预先与数据提供端进行签订和连通的协议,预测服务器通过与数据提供方的终端或服务器(本实施例以数据提供方的终端为例,以下简称数据提供端)执行预置的盲签名协议对待预测数据条目的所在位置进行定位,其中,预测服务器执行预置的盲签名协议时,数据提供端也执行预置的盲签名协议,以响应预测服务器;对待预测数据的条目所在位置进行定位的执行过程包括:对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符,以及获取预置的数据提供端的己方加密数据,通过己方加密数据对已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息。
其中,待预测数据的条目标识符(identifier,ID)用于指示产品、用户或者模型的数据条目id,例如:待预测数据条目的标识符为某一商品(产品)的数据条目id,待预测数据条目的标识符为某一用户的数据条目id,待预测数据条目的标识符为某一模型的数据条目id。
进一步地,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符的执行过程可包括:数据提供端生成非对称加密公私钥对,非对称加密公私钥对包括公钥和私钥,将公钥发送给预测服务器,数据提供端通过私钥对本地所有数据(包括待预测数据条目)的条目id进行加密,得到己方加密数据,预测服务器通过执行预置的盲签名协议,获取数据提供端发送的待预测数据,预测服务器获取盲化因子,通过盲化因子和公钥对待预测数据的条目标识符进行盲化处理,从而得到已盲化条目标识符,预测服务器还可通过预置的盲签名的算法,和公钥对待预测数据的条目标识符进行盲化处理,从而得到已盲化条目标识符。
102、获取预置的数据提供端的己方加密数据,通过己方加密数据对已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息。
预测服务器得到已盲化条目标识符,发送请求给预置的数据提供端,数据提供端接收到该请求后,返回己方加密数据;预测服务器通过盲化处理过程生成的盲化因子,对已盲化条目标识符进行盲签名解盲,得到已去盲标识符加密数据;调用预置的匹配算法,该匹配算法可为有限自动机算法,将己方加密数据和已去盲标识符加密数据进行字符串匹配(或人工智能相似度匹配),得到目标标识符加密数据,目标标识符加密数据用于指示已去盲标识符加密数据和己方加密数据一致的数据。
预测服务器通过预置的表设计器或索引创建命令,对目标标识符加密数据进行索引创建,得到索引,索引可为结构索引或非结构索引,并建立创建索引后的数据表之间的关联关系,得到数据表文件;根据关键字值得大小对数据表文件进行重排记录,或者,按照索引字段对数据表文件进行排序,或者按照索引表达式对数据表文件进行排序,得到排序后的数据表文件;对排序后的数据表文件的排序进行记录,得到排序记录信息;调用预置命令,该预置命令可为展示display命令或记录指针skip命令,对排序后的数据表文件进行索引值的定位和记录,得到索引值记录信息;将排序记录信息和索引值记录信息确定为目标条目位置信息。其中,目标条目位置信息为一个列表,目标条目位置信息包含多个待预测的id序号值。
103、通过预置的不经意传输协议和目标条目位置信息,获取待预测数据的条目加密中间结果。
预测服务器执行预置的不经意传输协议,根据目标条目位置信息随机选择目标随机数,并基于目标随机数计算待预测数据的条目哈希求余值,目标随机数用于指示小于大素数的随机数;将条目哈希求余值发送至预置的数据提供端,以使得数据提供端基于条目哈希求余值计算待预测数据的条目加密中间结果,并返回条目加密中间结果,条目加密中间结果包括协议中间结果和数据提供端中间结果,协议中间结果用于指示执行预置的不经意传输协议的中间计算结果,数据提供端中间结果用于指示数据提供端在本地计算所有数据条目的中间参数(即数据提供方本地中间参数)。
104、获取待预测数据的条目预测端中间结果,根据条目加密中间结果和条目预测端中间结果进行联合预测推理,得到目标预测结果,目标预测结果用于指示推理的意图。
预测服务器获取待预测数据的数据特征,调用预置的预测端中间结果计算公式,基于待预测数据的数据特征和预置的模型权重计算待预测数据的条目预测端中间结果;预测服务器获得条目加密中间结果后,获取目标随机数、大素数和条目加密中间结果中的协议中间结果,调用预置的解密密钥计算公式,基于协议中间结果、目标随机数和大素数,计算不经意传输中预测服务器用来解密的密钥;通过预置的解密公式和不经意传输中预测服务器用来解密的密钥,对条目加密中间结果中数据提供端中间结果的每条数据的条目加密中间结果进行解密,得到条目解密中间结果。其中,条目加密中间结果包括协议中间结果和数据提供端中间结果,协议中间结果为不经意传输协议的中间计算结果,数据提供端中间结果包括每条数据的条目加密中间结果。
预测服务器得到条目解密中间结果和条目预测端中间结果后,将条目解密中间结果和条目预测端中间结果相加,得到目标预测结果,目标预测结果用于指示推理的意图,目标预测结果可为对联合建模生成的模型进行应用后的联合推理的意图,该意图可为用户意图,可包括但不限于购买意图、咨询意图和模型调用意图,在此不做限定,能够识别、推理的意图都应用于本方案。实现了联合查询或人工智能机器学习的联合建模的联邦数据联合推理的人工智能隐私保护。
本发明实施例中,能够在待预测数据条目传输的安全性的基础上,准确联合推理意图,能够对预测发起方的隐私保护,帮助推理预测发起方在与数据提供方联合推理的过程中保护其推理的意图,能够快速地、准确地进行数据传输和数据计算,提高了联合推理任务的处理效率,实现了高效地完成隐私联合推理任务,并实现推理意图的隐私保护的效果。
请参阅图2,本发明实施例中隐私联合推理方法的另一个实施例包括:
201、通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符。
具体地,预测服务器接收预置的数据提供端发送的公钥,并生成盲化因子;对待预测数据的条目标识符进行盲化因子的添加和公钥的盲签名,得到已盲化条目标识符。
预测服务器接收到预置的数据提供端发送的公钥之后,生成用于盲化的随机数据,即盲化因子,通过盲化因子对待预测数据的条目标识符进行随机性数据添加,以对待预测数据的条目标识符进行明文隐匿,得到初步处理的条目标识符;通过公钥对初步处理的条目标识符进行签名认证,从而得到已盲化条目标识符。满足了保护待预测数据的意向隐私性和验证待预测数据的意向明文有效性的需求。
202、获取基于已盲化条目标识符的已去盲标识符加密数据,将已去盲标识符加密数据和己方加密数据进行比对,得到比对一致的目标标识符加密数据。
具体地,预测服务器将已盲化条目标识符发送至预置的数据提供端,并接收数据提供端发送的对已盲化条目标识符进行加密后的标识符加密数据和对所有数据的条目标识符加密后的己方加密数据;对标识符加密数据进行去盲处理,得到已去盲标识符加密数据;将已去盲标识符加密数据和己方加密数据进行匹配和一致数据读取,得到目标标识符加密数据。
预测服务器将已盲化条目标识符发送至预置的数据提供端,数据提供端接收到已盲化条目标识符之后,无法解密,无法知晓条目内容,数据提供端通过私钥对已盲化条目标识符进行加密,得到标识符加密数据,数据提供端通过私钥对本地所有数据(包括待预测数据条目)的条目id进行加密,得到己方加密数据,将标识符加密数据和己方加密数据一起返回给预测服务器。
预测服务器获得标识符加密数据和己方加密数据后,通过盲化因子对标识符加密数据进行盲签名解盲,得到已去盲标识符加密数据;通过预置的匹配算法,预置的匹配算法可为快速模式匹配算法,将已去盲标识符加密数据和己方加密数据进行字符匹配,得到相同部分的数据,根据相同部分的数据对已去盲标识符加密数据进行读取,得到目标标识符加密数据。
203、对目标标识符加密数据的索引值进行记录,得到目标条目位置信息。
预测服务器通过预置的表设计器或索引创建命令,对目标标识符加密数据进行索引创建,得到索引,索引可为结构索引或非结构索引,并建立创建索引后的数据表之间的关联关系,得到数据表文件;根据关键字值得大小对数据表文件进行重排记录,或者,按照索引字段对数据表文件进行排序,或者按照索引表达式对数据表文件进行排序,得到排序后的数据表文件;调用预置命令,该预置命令可为展示display命令或记录指针skip命令,对排序后的数据表文件进行索引值的定位和记录,得到目标条目位置信息。其中,目标条目位置信息为一个列表,目标条目位置信息包含多个待预测的id序号值。
204、通过预置的不经意传输协议和目标条目位置信息,获取待预测数据的条目加密中间结果。
具体地,预测服务器执行预置的不经意传输协议,根据目标条目位置信息随机选择目标随机数,并基于目标随机数计算条目哈希求余值,目标随机数用于指示小于大素数的随机数;将条目哈希求余值发送至预置的数据提供端,以使得数据提供端基于条目哈希求余值计算待预测数据的条目加密中间结果,并返回条目加密中间结果。
预测服务器执行预置的不经意传输协议,随机选择并公开目标条目位置信息中的大素数,并随机选择目标条目位置信息中的小于大素数的随机数,得到目标随机数,通过预置的哈希值求余值计算公式,基于目标随机数和大素数计算待预测数据的条目哈希求余值,其中,预置的哈希值求余值计算公式如下:A=hash(i)amod p,A表示条目哈希求余值,i表示哈希值的取值范围,a表示目标随机数,p表示大素数。
预测服务器将条目哈希求余值发送至预置的数据提供端,以使得数据提供端根据目标条目位置信息随机选择小于大素数的随机数,得到提供端随机数,并获取持有的数据量,通过预置的密钥计算公式,基于持有的数据量,计算不经意传输协议传输中用来加密的密钥,其中,密钥计算公式如下:bk=hash(k)lmod p,bk表示不经意传输协议传输中用来加密的数据提供端的密钥,k表示哈希值取值范围,k∈1,2,3......,n,l表示提供端随机数,p表示大素数,数据提供端和预测服务器通过不经意传输协议传输中用来加密的密钥,对执行不经意传输协议的传输过程中的数据进行加密,保护数据的隐私和安全性;通过预置协议中间结果计算公式,根据条目哈希求余值计算协议中间结果,其中,协议中间结果计算公式如下:D=Al mod p,D表示协议中间结果,A表示条目哈希求余值,l表示提供端随机数,p表示大素数。
数据提供端获取本地数据特征(即待预测数据特征),调用预置的中间结果计算公式,根据预置的模型权重和本地数据特征,计算待预测数据的数据提供方本地中间参数,其中,中间结果计算公式如下:WB表示数据提供方本地中间参数,B表示数据提供方,wi表示模型权重,n表示本地数据特征,xi表示第i个本地数据特征;数据提供端通过预置的加密计算公式,基于数据提供方本地中间参数计算每条数据的条目加密中间结果,其中,加密计算公式如下:i表示取值范围,ci表示每条数据的条目加密中间结果,mi表示要参与不经意传输协议的第i个信息明文,bi表示不经意传输协议传输中用来加密的数据提供端的第i个密钥,WB表示数据提供方本地中间参数;将每条数据的条目加密中间结果进行组合,得到数据提供端中间结果;将协议中间结果和数据提供端中间结果确定为待预测数据的条目加密中间结果,并将条目加密中间结果发送至预测服务器。
205、获取待预测数据的条目预测端中间结果,根据条目加密中间结果和条目预测端中间结果进行联合预测推理,得到目标预测结果,目标预测结果用于指示推理的意图。
具体地,预测服务器通过预置的模型权重计算待预测数据的条目预测端中间结果,并对条目加密中间结果进行解密,得到条目解密中间结果;计算条目解密中间结果和条目预测端中间结果的和值,得到目标预测结果,目标预测结果用于指示推理的意图。其中,条目加密中间结果包括协议中间结果和数据提供端中间结果,协议中间结果为不经意传输协议的中间计算结果,数据提供端中间结果包括每条数据的条目加密中间结果。
预测服务器获取待预测数据的数据特征,调用预置的预测端中间结果计算公式,基于待预测数据的数据特征和预置的模型权重计算待预测数据的条目预测端中间结果,其中,条目预测端中间结果计算公式如下:WA表示条目预测端中间结果,A表示预测发起方,ri表示模型权重,P表示数据特征,yi表示第i个数据特征。其中,模型权重用于指示预设模型的参数,该预设模型可为逻辑回归模型或者其他根据联合数据特征进行标签分类的模型,逻辑回归模型用于根据联合数据特征进行标签分类,以逻辑回归模型为例说明,模型权重为逻辑回归模型的逻辑回归的参数。具体的,通过将待预测数据的数据特征输入到预设模型中,预设模型结合待预测数据的数据特征和预置的模型权重(预设模型的参数)进行计算,得到条目预测端中间结果,其中,条目预测端中间结果用于指示联合场景下根据联合数据特征进行计算后的单方结果,如:联合场景下有两家公司,分别为公司1和公司2,公司1持有的待预测数据的数据特征为C(C5、C6、C7、C8),公司1持有的待预测数据的数据特征为M(M1、M2、M3),C5、C6、C7、C8、M1、M2和M3对应的模型权重(预设模型的参数)分别为r5、r6、r7、r8、r1、r2和r3,则公司1对应的条目预测端中间结果为r5*C5+r6*C6+r7*C7+r8*C8,公司2对应的条目预测端中间结果为r1*M1+r2*M2+r3*M3,总的结果为sigmoid(r5*C5+r6*C6+r7*C7+r8*C8+r1*M1+r2*M2+r3*M3)。
预测服务器获得条目加密中间结果后,获取条目加密中间结果中的协议中间结果,调用预置的解密密钥计算公式,基于协议中间结果、目标随机数和大素数,计算不经意传输中预测服务器用来解密的密钥,其中,解密密钥计算公式如下:S表示不经意传输中预测服务器用来解密的密钥,D表示协议中间结果,a表示目标随机数,p表示大素数;通过预置的解密公式和不经意传输中预测服务器用来解密的密钥,对条目加密中间结果中数据提供端中间结果的每条数据的条目加密中间结果进行解密,得到条目解密中间结果(即解密后的数据提供方本地中间参数),其中,解密公式如下:mi表示要参与不经意传输协议的第i个信息明文,即条目解密中间结果中的每个中间结果的信息明文,mi∈WB,ci表示每条数据的条目加密中间结果,Si表示不经意传输中预测服务器用来解密的密钥。
预测服务器得到条目解密中间结果和条目预测端中间结果后,计算条目解密中间结果和条目预测端中间结果的和值,得到目标预测结果,目标预测结果用于指示对联合建模生成的模型进行应用后的联合推理的意图,该意图可为用户意图,可包括但不限于购买意图、咨询意图和模型意图,在此不做限定,能够识别、推理的意图都应用于本方案。
具体地,预测服务器获取待预测数据的条目预测端中间结果,根据条目加密中间结果和条目预测端中间结果进行联合预测推理,得到目标预测结果,目标预测结果用于指示推理的意图之后,对目标预测结果进行聚类分析得到聚类结果,并根据聚类结果匹配对应的目标推荐信息,目标推荐信息用于指示用户兴趣点对应的产品或者模型。
预测服务器获得目标预测结果后,调用预置的聚类算法,对目标预测结果进行聚类分析,得到聚类结果(包括意图类型和意图信息);获取用户对应的用户画像,对用户画像进行兴趣点分析,得到用户兴趣点;生成聚类结果和用户兴趣点的拼接结构化查询语句,拼接结构化查询语句为将聚类结果的结构化查询语句和用户兴趣点的结构化查询语句进行拼接后的结构化查询语句,根据拼接结构化查询语句,对预置数据库中的推荐信息进行查询,得到对应的多个推荐信息,每个推荐信息包括推荐信息和推荐信息对应的匹配度,或者,预测服务器调用预置的实体识别模型,对聚类结果和用户兴趣点分别进行实体识别,得到聚类实体和用户兴趣实体,将聚类实体和用户兴趣实体进行合并,得到目标实体,通过目标实体对预置数据库中的推荐信息知识图谱进行匹配,得到对应的多个推荐信息,每个推荐信息包括推荐信息和推荐信息对应的匹配度;根据多个推荐信息的匹配度从大到小的顺序,对多个推荐信息进行排序,将排序第一或者排序预设范围的推荐信息确定为目标推荐信息。其中,目标推荐信息可为购买意图和用户兴趣点对应的购买平台信息和购买产品信息,目标推荐信息可为咨询意图和用户兴趣点对应的咨询信息和产品信息,目标推荐信息可为模型意图和用户兴趣点对应的建模信息和模型运用信息。
通过对目标预测结果进行聚类分析得到聚类结果,并根据聚类结果匹配对应的目标推荐信息,基于目标预测结果对应的隐私联合推理任务完成的高效性和推理意图的隐私保护的基础上,对目标预测结果进行元素最大价值的释放,提高了联合推理的安全性和准确性。
本发明实施例中,能够在待预测数据条目传输的安全性的基础上,准确联合推理意图,能够对预测发起方的隐私保护,帮助推理预测发起方在与数据提供方联合推理的过程中保护其推理的意图,能够快速地、准确地进行数据传输和数据计算,提高了联合推理任务的处理效率,实现了高效地完成隐私联合推理任务,并实现推理意图的隐私保护的效果。
上面对本发明实施例中隐私联合推理方法进行了描述,下面对本发明实施例中隐私联合推理装置进行描述,请参阅图3,本发明实施例中隐私联合推理装置一个实施例包括:
盲化模块301,用于通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;
记录模块302,用于获取预置的数据提供端的己方加密数据,通过己方加密数据对已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;
获取模块303,用于通过预置的不经意传输协议和目标条目位置信息,获取待预测数据的条目加密中间结果;
推理模块304,用于获取待预测数据的条目预测端中间结果,根据条目加密中间结果和条目预测端中间结果进行联合预测推理,得到目标预测结果,目标预测结果用于指示推理的意图。
上述隐私联合推理装置中各个模块的功能实现与上述隐私联合推理方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
本发明实施例中,能够在待预测数据条目传输的安全性的基础上,准确联合推理意图,能够对预测发起方的隐私保护,帮助推理预测发起方在与数据提供方联合推理的过程中保护其推理的意图,能够快速地、准确地进行数据传输和数据计算,提高了联合推理任务的处理效率,实现了高效地完成隐私联合推理任务,并实现推理意图的隐私保护的效果。
请参阅图4,本发明实施例中隐私联合推理装置的另一个实施例包括:
盲化模块301,用于通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;
记录模块302,用于获取预置的数据提供端的己方加密数据,通过己方加密数据对已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;
其中,记录模块302具体包括:
比对单元3021,用于获取基于已盲化条目标识符的已去盲标识符加密数据,将已去盲标识符加密数据和己方加密数据进行比对,得到比对一致的目标标识符加密数据;
记录单元3022,用于对目标标识符加密数据的索引值进行记录,得到目标条目位置信息;
获取模块303,用于通过预置的不经意传输协议和目标条目位置信息,获取待预测数据的条目加密中间结果;
推理模块304,用于获取待预测数据的条目预测端中间结果,根据条目加密中间结果和条目预测端中间结果进行联合预测推理,得到目标预测结果,目标预测结果用于指示推理的意图。
可选的,比对单元3021还可以具体用于:
将已盲化条目标识符发送至预置的数据提供端,并接收数据提供端发送的对已盲化条目标识符进行加密后的标识符加密数据和对所有数据的条目标识符加密后的己方加密数据;
对标识符加密数据进行去盲处理,得到已去盲标识符加密数据;
将已去盲标识符加密数据和己方加密数据进行匹配和一致数据读取,得到目标标识符加密数据。
可选的,获取模块303还可以具体用于:
执行预置的不经意传输协议,根据目标条目位置信息随机选择目标随机数,并基于目标随机数计算条目哈希求余值,目标随机数用于指示小于大素数的随机数;
将条目哈希求余值发送至预置的数据提供端,以使得数据提供端基于条目哈希求余值计算待预测数据的条目加密中间结果,并返回条目加密中间结果。
可选的,推理模块304还可以具体用于:
通过预置的模型权重计算待预测数据的条目预测端中间结果,并对条目加密中间结果进行解密,得到条目解密中间结果;
计算条目解密中间结果和条目预测端中间结果的和值,得到目标预测结果,目标预测结果用于指示推理的意图。
可选的,盲化模块301还可以具体用于:
接收预置的数据提供端发送的公钥,并生成盲化因子;
对待预测数据的条目标识符进行盲化因子的添加和公钥的盲签名,得到已盲化条目标识符。
可选的,隐私联合推理装置,还包括:
聚类匹配模块305,用于对目标预测结果进行聚类分析得到聚类结果,并根据聚类结果匹配对应的目标推荐信息,目标推荐信息用于指示用户兴趣点对应的产品或者模型。
上述隐私联合推理装置中各模块和各单元的功能实现与上述隐私联合推理方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
本发明实施例中,能够在待预测数据条目传输的安全性的基础上,准确联合推理意图,能够对预测发起方的隐私保护,帮助推理预测发起方在与数据提供方联合推理的过程中保护其推理的意图,能够快速地、准确地进行数据传输和数据计算,提高了联合推理任务的处理效率,实现了高效地完成隐私联合推理任务,并实现推理意图的隐私保护的效果。
上面图3和图4从模块化功能实体的角度对本发明实施例中的隐私联合推理装置进行详细描述,下面从硬件处理的角度对本发明实施例中隐私联合推理设备进行详细描述。
图5是本发明实施例提供的一种隐私联合推理设备的结构示意图,该隐私联合推理设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对隐私联合推理设备500中的一系列计算机程序操作。更进一步地,处理器510可以设置为与存储介质530通信,在隐私联合推理设备500上执行存储介质530中的一系列计算机程序操作。
隐私联合推理设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的隐私联合推理设备结构并不构成对隐私联合推理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本申请还提供一种隐私联合推理设备,包括:存储器和至少一个处理器,所述存储器中存储有计算机程序,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述计算机程序,以使得所述隐私联合推理设备执行上述隐私联合推理方法中的步骤。本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,计算机可读存储介质中存储有计算机程序,当计算机程序在计算机上运行时,使得计算机执行隐私联合推理方法的步骤。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干计算机程序用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,以上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精神和范围。
Claims (10)
1.一种隐私联合推理方法,其特征在于,所述隐私联合推理方法包括:
通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;
获取预置的数据提供端的己方加密数据,通过所述己方加密数据对所述已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;
通过预置的不经意传输协议和所述目标条目位置信息,获取所述待预测数据的条目加密中间结果;
获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图。
2.根据权利要求1所述的隐私联合推理方法,其特征在于,所述通过所述己方加密数据对所述已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息,包括:
获取基于所述已盲化条目标识符的已去盲标识符加密数据,将所述已去盲标识符加密数据和所述己方加密数据进行比对,得到比对一致的目标标识符加密数据;
对所述目标标识符加密数据的索引值进行记录,得到目标条目位置信息。
3.根据权利要求2所述的隐私联合推理方法,其特征在于,所述获取基于所述已盲化条目标识符的已去盲标识符加密数据,将所述已去盲标识符加密数据和所述己方加密数据进行比对,得到比对一致的目标标识符加密数据,包括:
将所述已盲化条目标识符发送至预置的数据提供端,并接收所述数据提供端发送的对所述已盲化条目标识符进行加密后的标识符加密数据和对所有数据的条目标识符加密后的己方加密数据;
对所述标识符加密数据进行去盲处理,得到已去盲标识符加密数据;
将所述已去盲标识符加密数据和所述己方加密数据进行匹配和一致数据读取,得到目标标识符加密数据。
4.根据权利要求1所述的隐私联合推理方法,其特征在于,所述通过预置的不经意传输协议和所述目标条目位置信息,获取所述待预测数据的条目加密中间结果,包括:
执行预置的不经意传输协议,根据所述目标条目位置信息随机选择目标随机数,并基于所述目标随机数计算条目哈希求余值,所述目标随机数用于指示小于大素数的随机数;
将所述条目哈希求余值发送至预置的数据提供端,以使得所述数据提供端基于所述条目哈希求余值计算所述待预测数据的条目加密中间结果,并返回所述条目加密中间结果。
5.根据权利要求1所述的隐私联合推理方法,其特征在于,所述获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图,包括:
通过预置的模型权重计算所述待预测数据的条目预测端中间结果,并对所述条目加密中间结果进行解密,得到条目解密中间结果;
计算所述条目解密中间结果和所述条目预测端中间结果的和值,得到目标预测结果,所述目标预测结果用于指示推理的意图。
6.根据权利要求1所述的隐私联合推理方法,其特征在于,所述通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符,包括:
接收预置的数据提供端发送的公钥,并生成盲化因子;
对所述待预测数据的条目标识符进行所述盲化因子的添加和所述公钥的盲签名,得到已盲化条目标识符。
7.根据权利要求1-6中任一项所述的隐私联合推理方法,其特征在于,所述获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图之后,还包括:
对所述目标预测结果进行聚类分析得到聚类结果,并根据所述聚类结果匹配对应的目标推荐信息,所述目标推荐信息用于指示用户兴趣点对应的产品或者模型。
8.一种隐私联合推理装置,其特征在于,所述隐私联合推理装置包括:
盲化模块,用于通过执行预置的盲签名协议,对待预测数据的条目标识符进行盲化处理,得到已盲化条目标识符;
记录模块,用于获取预置的数据提供端的己方加密数据,通过所述己方加密数据对所述已盲化条目标识符进行对比和索引值记录,得到目标条目位置信息;
获取模块,用于通过预置的不经意传输协议和所述目标条目位置信息,获取所述待预测数据的条目加密中间结果;
推理模块,用于获取所述待预测数据的条目预测端中间结果,根据所述条目加密中间结果和所述条目预测端中间结果进行联合预测推理,得到目标预测结果,所述目标预测结果用于指示推理的意图。
9.一种隐私联合推理设备,其特征在于,所述隐私联合推理设备包括:存储器和至少一个处理器,所述存储器中存储有计算机程序;
所述至少一个处理器调用所述存储器中的所述计算机程序,以使得所述隐私联合推理设备执行如权利要求1-7中任意一项所述的隐私联合推理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述隐私联合推理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038323.4A CN114372291A (zh) | 2022-01-13 | 2022-01-13 | 隐私联合推理方法、装置、设备及存储介质 |
PCT/CN2022/089173 WO2023134055A1 (zh) | 2022-01-13 | 2022-04-26 | 隐私联合推理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038323.4A CN114372291A (zh) | 2022-01-13 | 2022-01-13 | 隐私联合推理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114372291A true CN114372291A (zh) | 2022-04-19 |
Family
ID=81144735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210038323.4A Pending CN114372291A (zh) | 2022-01-13 | 2022-01-13 | 隐私联合推理方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114372291A (zh) |
WO (1) | WO2023134055A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114676169A (zh) * | 2022-05-27 | 2022-06-28 | 富算科技(上海)有限公司 | 一种数据查询方法及装置 |
WO2023134055A1 (zh) * | 2022-01-13 | 2023-07-20 | 平安科技(深圳)有限公司 | 隐私联合推理方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11494506B2 (en) * | 2018-04-19 | 2022-11-08 | Google Llc | Security measures for determination of private set intersections |
CN109818730B (zh) * | 2019-03-06 | 2022-09-30 | 矩阵元技术(深圳)有限公司 | 盲签名的获取方法、装置和服务器 |
WO2020209793A1 (en) * | 2019-04-11 | 2020-10-15 | Singapore Telecommunications Limited | Privacy preserving system for mapping common identities |
CN113014373B (zh) * | 2021-02-20 | 2022-06-10 | 广东浪潮智慧计算技术有限公司 | 一种同态计算中的数据加密方法、装置、设备及介质 |
CN114372291A (zh) * | 2022-01-13 | 2022-04-19 | 平安科技(深圳)有限公司 | 隐私联合推理方法、装置、设备及存储介质 |
-
2022
- 2022-01-13 CN CN202210038323.4A patent/CN114372291A/zh active Pending
- 2022-04-26 WO PCT/CN2022/089173 patent/WO2023134055A1/zh unknown
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023134055A1 (zh) * | 2022-01-13 | 2023-07-20 | 平安科技(深圳)有限公司 | 隐私联合推理方法、装置、设备及存储介质 |
CN114676169A (zh) * | 2022-05-27 | 2022-06-28 | 富算科技(上海)有限公司 | 一种数据查询方法及装置 |
CN114676169B (zh) * | 2022-05-27 | 2022-08-26 | 富算科技(上海)有限公司 | 一种数据查询方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023134055A1 (zh) | 2023-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182644B (zh) | 一种数据处理方法、装置和电子设备 | |
JP6180177B2 (ja) | プライバシーを保護することができる暗号化データの問い合わせ方法及びシステム | |
CN107948152B (zh) | 信息存储方法、获取方法、装置及设备 | |
CN112800088A (zh) | 基于双向安全索引的数据库密文检索系统及方法 | |
JP2020092414A (ja) | ブロックチェーンのための暗号化データ共有管理 | |
CN114372291A (zh) | 隐私联合推理方法、装置、设备及存储介质 | |
CN113537633B (zh) | 基于纵向联邦学习的预测方法、装置、设备、介质和系统 | |
JP5348337B2 (ja) | 暗号化データベース管理システム、クライアントおよびサーバ、自然結合方法およびプログラム | |
CN113742764B (zh) | 基于区块链的可信数据安全存储方法、检索方法及设备 | |
EP2105859A1 (en) | Distance-preserving anonymization of data | |
CN113420049B (zh) | 数据流通方法、装置、电子设备及存储介质 | |
CN114981793A (zh) | 模式的安全匹配和识别 | |
CN113821810B (zh) | 数据处理方法及系统、存储介质及电子设备 | |
CN112380575A (zh) | 多方电子签名合成方法、装置、设备及存储介质 | |
EP4020265A1 (en) | Method and device for storing encrypted data | |
CN114528331A (zh) | 基于区块链的数据查询方法及装置、介质、设备 | |
CN115694949A (zh) | 一种基于区块链的隐私数据共享方法及系统 | |
CN114386058A (zh) | 一种模型文件加密与解密方法及装置 | |
CN107005576A (zh) | 从服务器日志生成用于链接标识符的桥接匹配标识符 | |
CN111475690B (zh) | 字符串的匹配方法和装置、数据检测方法、服务器 | |
CN112632498A (zh) | 基于多平台的身份识别方法、装置、设备及可读存储介质 | |
EP3461055B1 (en) | System and method for secure outsourced annotation of datasets | |
CN115643090A (zh) | 基于隐私检索的纵向联邦分析方法、装置、设备及介质 | |
CN113051587B (zh) | 一种隐私保护智能交易推荐方法、系统和可读介质 | |
Dave et al. | Hybrid encryption algorithm for storing unimodal biometric templates in cloud |
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 |