CN115470512A - 针对隐私计算进行多方算法协商的方法、装置及系统 - Google Patents
针对隐私计算进行多方算法协商的方法、装置及系统 Download PDFInfo
- Publication number
- CN115470512A CN115470512A CN202110657040.3A CN202110657040A CN115470512A CN 115470512 A CN115470512 A CN 115470512A CN 202110657040 A CN202110657040 A CN 202110657040A CN 115470512 A CN115470512 A CN 115470512A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- information
- target
- privacy
- participants
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本说明书实施例提供一种针对隐私计算进行多方算法协商的方法、装置和系统。其中方法包括:发起方向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;所述N个参与方中的各个参与方,分别确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;所述N个参与方将各自的算法信息发送给所述发起方;所述发起方至少根据所述N个参与方各自的算法信息,确定目标算法;所述发起方向N个参与方发送协商结果,其中包括所述目标算法的算法标识。
Description
技术领域
本说明书一个或多个实施例涉及计算机技术领域,尤其涉及针对隐私计算进行多方算法协商的方法、装置及系统。
背景技术
为了充分挖掘数据价值,多方联合进行数据计算已成为一大研究热点。例如,为了更好地对商户进行分类分析,电子支付平台基于其拥有的商户交易流水数据,电子商户平台基于其拥有的商户销售数据,银行机构基于其拥有的商户借贷数据,共同进行商户的分类分析。
在多方数据联合计算中,为了保护各方数据隐私,需要采用隐私保护计算(Privacy-PreservingComputation)技术。隐私保护计算有多种计算路线,如安全多方计算(Secure Multi-PartyComputation,MPC)、可信执行环境(Trusted executionenvironment,TEE)、联邦学习(Federated Learning,FL)等。对于一个特定的隐私计算任务,几乎每种技术路线都有多种算法。
发明内容
本说明书一个或多个实施例描述了针对隐私计算进行多方算法协商的方法、装置及系统,支持发起方和N个参与方之间进行协商,使得多方在性能、安全、隐私保护强度等方面的诉求和偏好被充分考虑,从而得到具有高可行性和高可用性的隐私计算算法。
根据第一方面,提供一种针对隐私计算进行多方算法协商的方法,包括:发起方向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;所述N个参与方中的各个参与方,分别确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;所述N个参与方将各自的算法信息发送给所述发起方;所述发起方至少根据所述N个参与方各自的算法信息,确定目标算法;所述发起方向N个参与方发送协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,所述目标计算任务的描述信息包括,目标计算任务的任务类型。
在一个具体的实施例中,所述任务类型包括以下中的至少一项:针对指定数据项的联合统计分析;指定模型的联合训练;指定模型的联合预测。
在一个实施例中,所述发起方向第i个参与方发送的协商请求中包括,针对第i个参与方所述目标计算任务所涉及的参与方数据信息。
在一个具体的实施例中,所述参与方数据信息包括参与方数据集标识。
在一个实施例中,所述发起方至少根据所述N个参与方各自的算法信息,确定目标算法,包括:所述发起方根据其自身的算法信息,以及所述N个参与方各自的算法信息,确定目标算法。
在一个实施例中,所述发起方至少根据所述N个参与方各自的算法信息,确定目标算法,包括:所述发起方根据所述N个参与方对应的N个隐私计算算法列表,确定隐私计算算法交集;根据所述隐私计算算法交集,确定所述目标算法。
在一个具体的实施例中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:根据所述隐私计算算法交集中各隐私计算算法对应的所述优先级信息,确定所述目标算法。
在一个实施例中,还包括:所述发起方和所述N个参与方,利用所述目标算法,执行所述目标计算任务。
根据第二方面,提供一种针对隐私计算进行多方算法协商的方法,通过发起方执行,包括:向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;从所述N个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;至少根据所述N个参与方各自的算法信息,确定目标算法;向所述N个参与方发送协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,至少根据所述N个参与方各自的算法信息,确定目标算法,包括:根据所述发起方的算法信息,以及所述N个参与方各自的算法信息,确定目标算法。
在一个具体的实施例中,根据所述发起方的所述算法信息,以及所述N个参与方各自的算法信息,确定目标算法,包括:根据所述发起方和N个参与方对应的N+1个隐私计算算法列表,确定隐私计算算法交集;根据所述隐私计算算法交集,确定所述目标算法。
在一个更具体的实施例中,所述发起方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第一优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息,确定所述目标算法。
在另一个更具体的实施例中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第二优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:根据所述隐私计算算法交集中各隐私计算算法对应的第二优先级信息,确定所述目标算法。
在又一个更具体的实施例中,所述发起方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第一优先级信息,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第二优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息和第二优先级信息,确定所述目标算法。
进一步,在一个例子中,所述第一优先级信息中包括第一排序,第二优先级信息中包括第二排序;其中,根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息和第二优先级信息,确定所述目标算法,包括:根据所述各隐私计算算法的第一排序和第二排序,确定出综合排序;将综合排序最高的隐私计算算法确定为所述目标算法。
根据第三方面,提供一种针对隐私计算进行多方算法协商的方法,通过N个参与方中的第一参与方执行,包括:接收发起方发送的协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;确定本方的算法信息,其中包括针对所述目标计算任务支持的隐私计算算法列表;将所述算法信息发送给所述发起方,以使所述发起方根据所述N个参与方各自的算法信息,确定目标算法;从所述发起方接收协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,确定本方的算法信息,包括:获取用于执行所述目标计算任务的第一算法列表;在所述第一算法列表中确定本方支持的隐私计算算法,形成所述隐私计算算法列表。
在一个具体的实施例中,确定本方的算法信息,包括:根据所述隐私计算算法列表中各隐私计算算法,确定优先级信息,并使得所述算法信息包括所述优先级信息。
在一个更具体的实施例中,确定优先级信息,包括:根据各隐私计算算法的运行指标,确定所述优先级信息,所述运行指标包括以下中的至少一项:占用的计算资源,计算速度,通信成本,隐私保护强度。
根据第四方面,提供一种针对隐私计算进行多方算法协商的方法,包括:第三方向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;所述M个参与方中的各个参与方,分别确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;所述M个参与方将各自的算法信息发送给所述第三方;所述第三方根据所述M个参与方各自的算法信息,确定目标算法;所述第三方向M个参与方发送协商结果,其中包括所述目标算法的算法标识。
根据第五方面,提供一种针对隐私计算进行多方算法协商的方法,通过第三方执行,包括:向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;从所述M个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;根据所述M个参与方各自的算法信息,确定目标算法;向所述M个参与方发送协商结果,其中包括所述目标算法的算法标识。
根据第六方面,提供一种针对隐私计算进行多方算法协商的系统,包括:发起方,用于向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;所述N个参与方,其中的各个参与方用于确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;所述各个参与方还用于将本方的算法信息发送给所述发起方;所述发起方,还用于至少根据所述N个参与方各自的算法信息,确定目标算法;所述发起方,还用于向N个参与方发送协商结果,其中包括所述目标算法的算法标识。
根据第七方面,提供一种针对隐私计算进行多方算法协商的装置,所述装置集成于发起方,包括:协商请求发送单元,配置为向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;算法信息接收单元,配置为从所述N个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;目标算法确定单元,配置为至少根据所述N个参与方各自的算法信息,确定目标算法;协商结果发送单元,配置为向所述N个参与方发送协商结果,其中包括所述目标算法的算法标识。
根据第八方面,提供一种针对隐私计算进行多方算法协商的装置,所述装置集成于N个参与方中的第一参与方,包括:协商请求接收单元,配置为接收发起方发送的协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;算法信息确定单元,配置为确定本方的算法信息,其中包括针对所述目标计算任务支持的隐私计算算法列表;算法信息发送单元,配置为将所述算法信息发送给所述发起方,以使所述发起方根据所述N个参与方各自的算法信息,确定目标算法;协商结果接收单元,配置为从所述发起方接收协商结果,其中包括所述目标算法的算法标识。
根据第九方面,提供一种针对隐私计算进行多方算法协商的系统,包括:第三方,用于向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;所述M个参与方,其中的各个参与方分别用于确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;所述M个参与方,还用于将各自的算法信息发送给所述第三方;所述第三方,还用于根据所述M个参与方各自的算法信息,确定目标算法;所述第三方,还用于向M个参与方发送协商结果,其中包括所述目标算法的算法标识。
根据第十方面,提供一种针对隐私计算进行多方算法协商的装置,该装置集成于第三方,包括:协商请求发送单元,配置为向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;算法信息接收单元,配置为从所述M个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;目标算法确定单元,配置为根据所述M个参与方各自的算法信息,确定目标算法;协商结果发送单元,配置为向所述M个参与方发送协商结果,其中包括所述目标算法的算法标识。
根据第十一方面,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,令计算机执行第一方面至第五方面中中任一方面提供的方法。
根据第十二方面,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,实现第一方面至第五方面中任一方面提供的方法。
根据本说明书实施例提供的方法和装置,隐私计算的发起方向参与方发送协商请求,该协商请求包括目标计算任务的描述信息,从而N个参与方中的各个参与方可以结合自身诉求确定针对该目标计算任务的隐私计算算法列表,反馈给发起方,进一步,发起方根据N个参与方各自的隐私计算算法列表,确定目标算法,并发送给各个参与方。由此,发起方和N个参与方可以基于多方协商得到的高可行性和高可用性的目标算法,共同完成目标计算任务。
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示出根据一个实施例的多方协商隐私计算算法的交互场景示意图;
图2示出根据一个实施例的针对隐私计算进行算法协商的多方交互示意图;
图3示出根据一个实施例的针对隐私计算进行多方算法协商的装置结构示意图;
图4示出根据另一个实施例的针对隐私计算进行多方算法协商的装置结构示意图;
图5示出根据一个实施例的针对隐私计算进行算法协商的多方交互示意图;
图6示出根据一个实施例的针对隐私计算进行多方算法协商的装置结构示意图。
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。
通常对于某个隐私计算任务,是由其发起方来指定隐私计算算法(或称隐私计算方案)。本说明书提供另一种方案来确定隐私计算算法。
发明人提出的这种方案,让发起方和其他参与方进行协商,通过协商得到充分考虑各方需求的隐私计算算法。在该方案中,发起方向N(N≥1)个参与方分别发送协商请求,该协商请求指示目标计算任务,接着,各个参与方分别结合自身诉求,确定其针对该目标计算任务所支持的隐私计算算法列表,并反馈给发起方,进而,发起方根据N个参与方各自反馈的隐私计算算法列表,确定目标算法,并返回给N个参与方。如此,可以完成隐私隐私计算算法的协商,使得发起方和N个参与方可以基于协商出的目标算法,共同执行目标计算任务。
为便于直观理解,图1示出根据一个实施例的多方协商隐私计算算法的交互场景示意图。如图1所示,支付平台为隐私计算任务的发起方,银行和电商平台为参与方。首先,支付平台分别向银行和电商平台发送协商请求,其中包括目标计算任务的任务信息,例如,用户分类模型的联合训练;然后,银行和电商平台各自基于协商请求中的任务信息,确定自身支持的隐私计算算法列表,图1中示意银行确定的隐私计算算法列表中包括隐私计算算法A、隐私计算算法B和隐私计算算法C,还示意电商平台确定的隐私计算算法列表中包括隐私计算算法B、隐私计算算法C和隐私计算算法D;之后,支付平台基于银行和电商平台各自的隐私计算算法列表,确定隐私计算算法交集,其中包括隐私计算算法B和隐私计算算法C,进而确定隐私计算算法B(或隐私计算算法C)为目标算法,并返回给银行和电商平台。由此,支付平台、银行和电商平台可以利用目标算法,共同执行目标计算任务。
下面,结合具体的实施例,描述上述发明构思的实施步骤。图2示出根据一个实施例的针对隐私计算进行算法协商的多方交互示意图,该多方包括隐私计算的发起方,以及与之共同参与隐私计算的N个参与方,其中N为不小于1的整数。需理解,发起方和参与方均为数据方,均可以实现为具有计算、处理能力的设备、平台、服务器或设备集群,从而各自对自身持有的数据进行独立存储和处理。示例性地,发起方和N个参与方可以是不同的企业、机构、平台,又或者,可以是同一企业中的不同部门。
如图2所示,所述交互过程包括以下步骤:
步骤S210,发起方向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息。
在一个实施例中,上述描述信息包括目标计算任务的任务类型。在一个具体的实施例中,该任务类型可以包括针对指定数据项的联合统计分析。在一个更具体的实施例中,其中指定数据项可以是用户年龄、用户性别、商户平均营业额、商户类别、企业规模等。在一个更具体的实施例中,其中联合统计分析可以是分析指定数据项在其定义域内的数值分布,或者,多方之间对指定数据项所对应数值的大小比较,又或者,多方之间对指定数据项的求和、求交或求平均等分析计算操作。在一个示例中,上述针对指定数据项的联合统计分析可以是:统计多方中女性用户的总数量。在另一个示例中,也可以是:统计多方中相同用户的数量。在还一个示例中,还可以是:统计多方中所有用户的年龄分布。在又一个示例中,可以是:比较多方的商户平均营业额。
在另一个具体的实施例中,目标计算任务的任务类型可以包括指定模型的联合训练。在一个更具体的实施例中,指定模型可以是逻辑回归模型、决策树模型、神经网络模型等机器学习模型。在一个更具体的实施例中,指定模型可以是分类模型或回归模型。在一个更具体的实施例中,指定模型针对的样本对象可以是:用户、商户、商品、事件(如登录事件或访问事件)、设备(如用户终端或物联网设备)等。在一个示例中,指定模型可以是用户分类模型或用户打分模型,具体如消费人群划分模型、用户风险评估模型、用户异常识别模型等。在另一个示例中,指定模型可以是商品分类模型或商品评分模型,具体如商品热度评分模型等。
在又一个具体的实施例中,目标计算任务的任务类型可以包括指定模型的联合预测。在一个更具体的实施例中,指定模型可以是分类模型或回归模型,相应,联合预测可以是基于分类模型预测分类类别,或者,基于回归模型预测回归值。在一个例子中,上述指定模型的联合预测可以是:基于用户风险评估模型预测用户风险评分,或者,基于用户异常识别模型识别异常用户。
以上介绍描述信息中包括的目标计算任务类型,需理解,任务类型除了可以包括上述针对指定数据项的联合统计分析、指定模型的联合训练和联合预测以外,还可以包括其他类型,不作穷举。
在一个实施例中,对于N个数据方中的任意的第i个参与方,发起方向其发送的协商请求中还可以包括:针对第i个参与方上述目标计算任务所涉及的参与方数据信息。在一个具体的实施例中,该参与方数据信息可以包括参与方数据集标识,其指示:发起方希望第i个参与方能够利用此参与方数据集标识所标识的数据集,参与上述目标计算任务的共同执行。基于此,在一个更具体的实施例中,在本步骤之前,所述交互过程还可以包括:发起方预先从第i个参与方中获取多个参与方数据集标识,以及对应的多个参与方数据集的简要介绍信息,例如,获取的内容可参见表1;然后,发起方根据目标计算任务,从该多个参与方数据集标识中选取出某个或某几个数据集标识,并包含在用于发送给第i个参与方的协商请求中,例如,发起方根据针对商户信用评估模型的联合训练任务,从表1选取数据集标识1004,并将之包含在针对第i个参与方的协商请求中。
表1
参与方数据集标识 | 简要介绍信息 |
1001 | 全量用户数据集 |
1002 | 优质用户数据集 |
1003 | 商户数据集 |
1004 | 商户借贷数据集 |
在另一个具体的实施例中,上述参与方数据信息中还包括参与方数据字段,其指示:发起方希望第i个参与方能够利用此字段对应的字段值,参与上述目标计算任务的共同执行。在一个例子中,该数据字段可以是商户类别或事件发生时刻等。
需理解,发起方向N个参与方发送的协商请求中均包括上述目标计算任务的描述信息,而对于其他信息,例如,与目标计算任务相关的参与方数据信息,可以针对不同参与方,选择性地确定及包含在对应发送的协商请求中。
以上对发起方发送的协商请求的请求内容进行介绍。相应,N个参与方中任意的第i个参与方在接收到发起方发送的协商请求后,可以在步骤S220,确定本方的算法信息,其中包括针对上述目标计算任务本方支持的隐私计算算法列表。
在一个实施例中,第i个参与方可以获取用于执行上述目标计算任务的第一算法列表;再在该第一算法列表中确定本方支持的隐私计算算法,形成上述隐私计算算法列表。需说明,对于任意的一项隐私计算任务,一般地,在每种隐私保护计算路线(如MPC、TEE、FL等)下,都可以确定出执行该任务的一种或多种隐私计算算法,但是,不同隐私计算算法对执行环境的要求多少存在一些差异,例如,对内存空间、是否安装某个安全协议、是否安装某个计算软件等,通常具有不同的要求,而任务执行方的实际环境是一段时间内是相对固定的、有限制的。由此,在一个具体的实施例中,第i个参与方可以确定,已公开的能够用于执行上述目标计算任务的多种隐私计算算法,形成第一算法列表;然后,第i个参与方根据第一算法列表中各算法对执行环境(如网络环境、硬件环境、软件或协议等的安装情况)的要求,以及本方的真实环境,在该第一算法列表中确定本方支持的隐私计算算法,形成上所述隐私计算算法列表。
进一步的,根据一种实施方式,参与方i进一步从本方支持的隐私计算算法中,选择若干种算法,形成上述隐私计算算法列表。选择的基准可以基于多种原因,例如,目标计算任务的数据太大,有的算法消耗资源太多;目标计算任务数据太敏感,需要采用高安全级别的算法,等等。由于以上或其他原因,在本方支持的隐私计算算法中,针对目标计算任务只允许使用其中的k种,因此只选择这k种算法形成上述隐私计算算法列表。
根据一种实施方式,第i个参与方预先根据其持有数据和业务范围,确定多个备选计算任务,并根据本方的真实执行环境,确定各个备选计算任务对应的隐私计算算法列表。相应地,在收到隐私计算的协商请求时,第i个参与方可以根据其预先建立的备选计算任务与隐私计算算法列表之间的映射关系,确定上述目标计算任务对应的隐私计算算法列表。
需说明,隐私计算算法包括执行该目标计算任务的算法步骤,该算法步骤被细化到在双方均支持该隐私计算算法的情况下,可以直接根据本地数据和本地执行环境,共同完成目标计算任务。在一个示例中,假定上述目标计算任务的任务类型是统计多方中相同用户的数量,此时,隐私计算算法列表中可以包括算法A:多方利用各自存储的用户手机号,共同执行某种具体算法下的隐私安全求交(Private Set Intersection,PSI)协议,并且,多方中的各方分别作为PSI客户端,与PSI服务器进行通讯;列表中还可以包括算法B:多方利用各自存储的用户证件号,共同执行某篇论文中示出的伪代码所对应的方案。
进一步的,在一些实施方式中,隐私计算算法被细化为,对应至实现隐私协议的计算模块的版本、提供商等信息。对于一些已有的隐私协议,已有技术中已经可以将其模块化,提供给有安全隐私计算需求的数据方。即使是同样的隐私计算协议或同样的计算算法,来自于不同提供商,或者不同版本的计算模块,在消息格式、数据格式、算法细节上仍有可能存在不同,导致双方无法直接互通。在这样的情况下,每种隐私计算算法的算法信息中,除了包含所使用的算法说明,还可以包括计算模块的提供商和/或版本信息。例如,算法C指示,多方利用各自存储的用户手机号,使用提供商ProA提供的版本v1.0的PSI计算模块1进行隐私安全求交,算法D指示,多方利用各自存储的用户手机号,使用提供商ProB提供的版本v2.0的PSI计算模块2进行隐私安全求交。即使PSI计算模块1和2采用相同的隐私求交协议,算法C和算法D仍被视为不同的隐私计算算法,被分别列出。
由上,可以确定出第i个参与方针对上述目标计算任务所支持的隐私计算算法列表,并将之包含在本方的算法信息中。进一步,在一个实施例中,该算法信息中还可以包括隐私计算算法列表中各隐私计算算法的优先级信息。在一个具体的实施例中,优先级信息可以包括优先等级,不同隐私计算算法具有的优先等级可能相同也可能不同。在另一个具体的实施例中,优先级信息可以包括算法评分,分数越高表示优先级越高。在还一个具体的实施例中,优先级信息可以包括排序信息,排序越高优先级越高。根据一个示例,隐私计算算法列表中的隐私计算算法按照优先级从高到低的顺序而逐个排列。
对于上述优先级信息的确定,在一个具体的实施例中,可以根据隐私计算算法列表中各隐私计算算法的运行指标,确定对应的优先级信息。在一个更具体的实施例中,其中运行指标可以包括:占用的计算资源,计算速度(或称运算速度),通信成本,隐私保护强度。在一个例子中,其中计算资源可以包括CPU资源、内存资源、硬盘资源和网络资源。在一个例子中,其中通信成本是通信所占用资源的货币表现。在一个例子中,其中隐私保护强度可以采用已有的度量算法(例如,信息熵模型等)进行度量。
在一个例子中,可以确定某个隐私计算算法对应各项运行指标的指标评分,再对多项运行指标对应的多个指标评分进行相加、求和,或基于人工预设的权重进行加权求和,得到该某个隐私计算算法的算法评分。进一步,在一个具体的例子中,可以将该算法评分作为优先级信息。在另一个具体的实施例中,可以根据人工预先建立的评分区间与优先等级之间的映射关系,确定该某个隐私计算算法的算法评分对应的优先等级,作为优先级信息。在还一个具体的实施例中,可以将各隐私计算算法对应各项运行指标的指标值,输入预先训练的评分模型或优先级预测模型中,对应得到算法评分或优先等级,作为优先级信息。
在另一个具体的实施例中,优先级信息可以由工作人员根据经验进行设定。
需说明,参与方在确定优先级信息时,可以根据自身偏好选取的运行指标、设定允许指标的权重,因此,不同参与方所选取的运行指标和设定的指标权重存在或多或少的差异,相应确定出的优先级信息,可以体现不同参与方对各种隐私计算算法的偏好和倾向。
由上,第i个参与方可以确定本方的算法信息,从而在步骤S230,第i个参与方将该算法信息发送给发起方。相应,发起方可以从N个参与方对应接收N个算法信息,并在步骤S240,根据N个参与方各自的算法信息,确定目标算法。
在一个实施例中,发起方可以根据其自身的算法信息,以及N个参与方各自的算法信息,确定目标算法。需说明,发起方确定自身算法信息的方式,与前述实施例中描述的第i个参与方确定本方算法信息的方式相同或类似,故而在此不作赘述。
在一个具体的实施例中,发起方根据其自身和N个参与方的算法信息所涉及的N+1个隐私计算算法列表,确定隐私计算算法交集,再根据该隐私计算算法交集,确定上述目标算法。
在一个更具体的实施例中,发起方的算法信息中还包括针对隐私计算算法列表中隐私计算算法的优先级信息,为便于区分描述,下文将发起方确定的优先级信息称为第一优先级信息。相应,发起方可以根据隐私计算算法交集中各隐私计算算法对应的第一优先级信息,确定上述目标算法。例如,可以确定出隐私计算算法交集中优先等级最高的隐私计算算法。又例如,可以选出算法评分最高的隐私计算算法。再例如,第一优先级信息包括第一排序,该第一排序指示对应排名,此时,可以将若干隐私计算算法中排名最靠前的隐私计算算法,作为上述目标算法。进一步,若优先级最高的隐私计算算法有并列的多种,则可以从中任选一种,或交由人工决策。
在另一个更具体的实施例中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法优先级信息,为便于区分描述,下文将参与方确定的优先级信息称为第二优先级信息。基于此,发起方可以根据隐私计算算法交集中各隐私计算算法对应的第二优先级信息,确定上述目标算法。在一个例子中,假定上述至少一部分参与方为某个参与方,相应地,可以直接根据该某个参与方的算法信息中包括的第二优先级信息,从隐私计算算法交集中确定出优先等级最高或算法评分最高的隐私计算算法,作为目标算法。在另一个例子中,假定上述至少一部分参与方为多个参与方,则可以根据该多个参与方的算法信息中涉及的多个第二优先级信息,确定目标算法。在一个更具体的例子中,第二优先级信息中包括排序信息,此时,可以确定隐私计算算法交集中各隐私计算算法的综合排序(名次最靠前),进而将综合排序最高的隐私计算算法,确定为目标算法。示例性地,其中综合排序的确定可以包括:将各隐私计算算法在不同优先级信息中的排序名次相加以后进行重新排序,从而得到综合排序。在另一个更具体的例子中,第二优先级信息中包括算法评分,此时,可以确定隐私计算算法交集中各隐私计算算法的综合评分,进而将综合评分最高的隐私计算算法,确定为目标算法。
在又一个具体的实施例中,发起方的算法信息中包括上述第一优先级信息,N个参与方中各个参与方的算法信息中包括上述第二优先级信息。由此,发起方可以根据隐私计算算法交集中各隐私计算算法的第一优先级信息和第二优先级信息,确定目标算法。在一个例子中,第一优先级信息包括第一排序,第二优先级信息包括第二排序,基于此,可以确定隐私计算算法交集中各隐私计算算法的综合排序,并将综合排序最高的隐私计算算法确定为目标算法。在另一个例子中,第一优先级信息包括第一算法评分,第二优先级信息包括第二算法评分,基于此,可以确定隐私计算算法交集中各隐私计算算法的综合评分,并将综合评分最高的隐私计算算法确定为目标算法。在一个更具体的例子中,可以对各隐私计算算法对应的第一算法评分和N个第二算法评分进行直接加和,得到对应的综合评分。在另一个具体的例子中,发起方根据其设定的权重,对各隐私计算算法对应的第一算法评分和N个第二算法评分进行加权求和,得到对应的综合评分。
在还一个具体的实施例中,发起方可以从隐私计算算法交集中随机选取一种隐私计算算法,作为上述目标算法。在再一个具体的实施例中,隐私计算算法交集中只有一种隐私计算算法,此时,可以直接将此种隐私计算算法确定为上述目标算法。
在另一个实施例中,发起方支持针对目标安全任务的所有隐私计算算法,此时,发起方可以仅根据N个参与方各自的算法信息,确定目标算法。在一个具体的实施例中,发起方可以根据N个参与方各自的算法信息,确定隐私计算算法交集,再从该隐私计算算法交集中随机选取一个隐私计算算法作为目标算法,或者,结合算法信息中包括的优先级信息,从隐私计算算法交集中选取优先级最高的隐私计算算法作为目标算法。此外,对目标算法的确定还可以参见前述相关实施例的描述,不作赘述。
需要说明的是,在一个实施例中,发起方向第i个参与方发送的协商请求中包括参与方数据集标识,相应,第i个参与方除了将算法信息发送给发起方以外,还可以将其他反馈信息发送给发起方,该其他反馈信息指示第i个参与方在共同执行目标计算任务的过程中,是否会采用该参与方数据集标识所标识的数据集。
由上,发起方可以根据N个参与方各自的算法信息,确定出目标算法。进而在步骤S250,发起方向N个参与方发送协商结果,其中包括该目标算法的算法标识。
在一个实施例中,某个参与方的隐私计算算法列表中包括各隐私计算算法的算法标识,相应,发起方可以从中获取目标算法的算法标识,将之包含在发送给该某个参与方的协商结果中。在另一个实施例中,发起方可以将目标算法在某个参与方的隐私计算算法列表中的排列位置(如第几行),作为算法标识,并将之包含发送给该某个参与方的协商结果中。
由上,N个参与方可以从发起方接收协商结果,从而获知协商得到的目标算法。如此,实现了多方算法协商,进而得到同时满足多方需求的、可行性高、安全性强的目标算法。
根据另一方面的实施例,在步骤S250之后,上述交互过程还可以包括步骤S260:发起方和N个参与方利用上述目标算法,共同执行上述目标计算任务。如此,可以实现根据多方协商的目标算法,完成对目标计算任务的共同执行。
综上,在本说明书实施例披露的针对隐私计算进行多方算法协商的方法中,隐私计算的发起方向参与方发送协商请求,该协商请求包括目标计算任务的描述信息,从而N个参与方中的各个参与方可以结合自身诉求确定针对该目标计算任务的隐私计算算法列表,反馈给发起方,进一步,发起方根据N个参与方各自的隐私计算算法列表,确定目标算法,并发送给各个参与方。由此,发起方和N个参与方可以基于多方协商得到的高可行性和高可用性的目标算法,共同完成目标计算任务。
与上述多方算法协商方法相对应的,本说明书实施例还披露算法协商装置和系统。
图3示出根据一个实施例的针对隐私计算进行多方算法协商的装置结构示意图,所述装置集成于发起方。如图3所示,所述装置300包括:
协商请求发送单元310,配置为向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;算法信息接收单元320,配置为从所述N个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;目标算法确定单元330,配置为至少根据所述N个参与方各自的算法信息,确定目标算法;协商结果发送单元340,配置为向所述N个参与方发送协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,所述目标算法确定单元330具体配置为:根据所述发起方的算法信息,以及所述N个参与方各自的算法信息,确定目标算法。
在一个更具体的实施例中,所述目标算法确定单元330包括:交集确定子单元,配置为根据所述发起方和N个参与方对应的N+1个隐私计算算法列表,确定隐私计算算法交集;算法确定子单元,配置为根据所述隐私计算算法交集,确定所述目标算法。
在一个例子中,所述发起方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第一优先级信息;所述算法确定子单元具体配置为:根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息,确定所述目标算法。
在另一个例子中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第二优先级信息;所述算法确定子单元具体配置为:根据所述隐私计算算法交集中各隐私计算算法对应的第二优先级信息,确定所述目标算法。
在又一个例子中,所述发起方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第一优先级信息,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第二优先级信息;所述算法确定子单元具体配置为:根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息和第二优先级信息,确定所述目标算法。
在一个更具体的例子中,所述第一优先级信息中包括第一排序,第二优先级信息中包括第二排序;所述算法确定子单元进一步配置为:根据所述各隐私计算算法的第一排序和第二排序,确定出综合排序;将综合排序最高的隐私计算算法确定为所述目标算法。
图4示出根据另一个实施例的针对隐私计算进行多方算法协商的装置结构示意图,所述装置集成于N个参与方中任意的第一参与方。如图4所示,所述装置400包括:
协商请求接收单元410,配置为接收发起方发送的协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;算法信息确定单元420,配置为确定本方的算法信息,其中包括针对所述目标计算任务支持的隐私计算算法列表;算法信息发送单元430,配置为将所述算法信息发送给所述发起方,以使所述发起方根据所述N个参与方各自的算法信息,确定目标算法;协商结果接收单元440,配置为从所述发起方接收协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,算法信息确定单元420具体配置为:获取用于执行所述目标计算任务的第一算法列表;在所述第一算法列表中确定本方支持的隐私计算算法,形成所述隐私计算算法列表。
在一个实施例中,算法信息确定单元420具体配置为:根据所述隐私计算算法列表中各隐私计算算法,确定优先级信息,并使得所述算法信息包括所述优先级信息。
在一个具体的实施例中,算法信息确定单元420进一步配置为:根据各隐私计算算法的运行指标,确定所述优先级信息,所述运行指标包括以下中的至少一项:占用的计算资源,计算速度,通信成本,隐私保护强度。
根据另一方面的实施例,本说明书实施例还提供一种针对隐私计算进行多方算法协商的系统,包括:发起方,用于向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;所述N个参与方,其中的各个参与方用于确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;所述各个参与方,还用于将本方的算法信息发送给所述发起方;所述发起方,还用于至少根据所述N个参与方各自的算法信息,确定目标算法,以及向N个参与方发送协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,所述目标计算任务的描述信息包括,目标计算任务的任务类型。
在一个具体的实施例中,所述任务类型包括以下中的至少一项:针对指定数据项的联合统计分析;指定模型的联合训练;指定模型的联合预测。
在一个实施例中,所述发起方向第i个参与方发送的协商请求中包括,针对第i个参与方所述目标计算任务所涉及的参与方数据信息。
在一个更具体的实施例中,所述参与方数据信息包括参与方数据集标识。
在一个实施例中,所述发起方具体用于,所述发起方根据其自身的算法信息,以及所述N个参与方各自的算法信息,确定目标算法。
在一个实施例中,所述发起方具体用于,所述发起方根据所述N个参与方对应的N个隐私计算算法列表,确定隐私计算算法交集;根据所述隐私计算算法交集,确定所述目标算法。
在一个具体的实施例中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息;所述发起方进一步用于:根据所述隐私计算算法交集中各隐私计算算法对应的所述优先级信息,确定所述目标算法。
在一个实施例中,所述发起方和所述N个参与方还用于:利用所述目标算法,共同执行所述目标计算任务。
需说明,上述发起方可以与N个参与方共同参与隐私计算。根据又一方面的实施例,还可以引入不参与隐私计算的第三方,来发起针对上述目标计算任务的协商。图5示出根据一个实施例的针对隐私计算进行算法协商的多方交互示意图,该多方包括针对隐私计算发起协商但是不参与隐私计算的第三方,以及参与隐私计算的M个参与方,其中M是不小于2的整数。需理解,M个参与方均是数据方,并且,第三方和M个参与方均可以实现为具有计算、处理能力的设备、平台、服务器或设备集群,从而各自对自身持有或获取的数据进行独立存储和处理。示例性地,第三方可以是中立机构、中立服务平台或权威机构等,N个参与方可以是不同的企业、机构、平台,又或者,可以是同一企业中的不同部门。
如图5所示,所述交互过程包括以下步骤:
步骤S510,第三方向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息。
步骤S520,M个参与方中的各个参与方确定本方的算法信息,其中包括针对上述目标计算任务本方支持的隐私计算算法列表。在一个实施例中,M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息。
步骤S530,M个参与方中任意的第j个参与方将该算法信息发送给第三方。相应,第三方可以从M个参与方对应接收M个算法信息。
步骤S540,第三方根据M个参与方各自的算法信息,确定目标算法。在一个实施例中,第三方根据M个参与方对应的M个隐私计算算法列表,确定隐私计算算法交集。进一步,在一个具体的实施例中,M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息;相应,可以根据隐私计算算法交集中各隐私计算算法对应的优先级信息,确定目标算法。
步骤S550,第三方向M个参与方发送协商结果,其中包括该目标算法的算法标识。
在一个实施例中,在步骤S550之后,上述交互过程还可以包括步骤S560:M个参与方利用上述目标算法,共同执行上述目标计算任务。如此,可以实现根据多方协商的目标算法,完成对目标计算任务的共同执行。
需说明,对图5中示出的步骤的描述,可以参见前述对图2中示出的交互步骤的描述。区别主要在于,因图5中示出的第三方不参与隐私计算,因此,其无需针对目标计算任务进行自身算法信息的确定,而是仅根据M个参与方各自的算法信息去确定目标算法即可。
综上,在本说明书实施例披露的针对隐私计算进行多方算法协商的方法中,隐私计算的第三方向参与方发送协商请求,该协商请求包括目标计算任务的描述信息,从而M个参与方中的各个参与方可以结合自身诉求确定针对该目标计算任务的隐私计算算法列表,反馈给第三方,进一步,第三方根据M个参与方各自的隐私计算算法列表,确定目标算法,并发送给各个参与方。由此,M个参与方可以基于多方协商得到的高可行性和高可用性的目标算法,共同完成目标计算任务。
与图5示出的协商方法相对应的,本说明书实施例还披露一种协商装置。具体,图6示出根据一个实施例的针对隐私计算进行多方算法协商的装置结构示意图,所述装置集成于第三方。如图6所示,所述装置600包括:
协商请求发送单元610,配置为向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;算法信息接收单元620,配置为从所述M个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;目标算法确定单元630,配置为根据所述M个参与方各自的算法信息,确定目标算法;协商结果发送单元640,配置为向所述M个参与方发送协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,所述M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息。
在一个实施例中,所述目标算法确定单元630包括:交集确定子单元,配置为根据所述M个参与方对应的M个隐私计算算法列表,确定隐私计算算法交集;算法确定子单元,配置为根据所述隐私计算算法交集,确定所述目标算法。
在一个具体的实施例中,所述M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息;所述算法确定子单元具体配置为:根据所述隐私计算算法交集中各隐私计算算法对应的优先级信息,确定所述目标算法。
在一个例子中,所述优先级信息中包括算法排序;所述算法确定子单元进一步配置为:将所述各隐私计算算法中排序最高的隐私计算算法确定为所述目标算法。
根据再一方面的实施例,本说明书实施例还提供一种针对隐私计算进行多方算法协商的系统,包括:第三方,用于向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;所述M个参与方,其中的各个参与方用于确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;所述各个参与方,还用于将本方的算法信息发送给所述第三方;所述第三方,还用于根据所述M个参与方各自的算法信息,确定目标算法,以及向M个参与方发送协商结果,其中包括所述目标算法的算法标识。
在一个实施例中,所述目标计算任务的描述信息包括,目标计算任务的任务类型。
在一个具体的实施例中,所述任务类型包括以下中的至少一项:针对指定数据项的联合统计分析;指定模型的联合训练;指定模型的联合预测。
在一个实施例中,所述第三方向第j个参与方发送的协商请求中包括,针对第j个参与方所述目标计算任务所涉及的参与方数据信息。
在一个更具体的实施例中,所述参与方数据信息包括参与方数据集标识。
在一个实施例中,所述M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息。
在一个实施例中,所述第三方具体用于,所述第三方根据所述M个参与方对应的M个隐私计算算法列表,确定隐私计算算法交集;根据所述隐私计算算法交集,确定所述目标算法。
在一个具体的实施例中,所述M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息;所述第三方进一步用于:根据所述隐私计算算法交集中各隐私计算算法对应的所述优先级信息,确定所述目标算法。
在一个实施例中,所述M个参与方还用于:利用所述目标算法,共同执行所述目标计算任务。
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或图5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或图5所述的方法。
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 (33)
1.一种针对隐私计算进行多方算法协商的方法,包括:
发起方向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
所述N个参与方中的各个参与方,分别确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;
所述N个参与方将各自的算法信息发送给所述发起方;
所述发起方至少根据所述N个参与方各自的算法信息,确定目标算法;
所述发起方向N个参与方发送协商结果,其中包括所述目标算法的算法标识。
2.根据权利要求1所述的方法,其中,所述目标计算任务的描述信息包括,目标计算任务的任务类型。
3.根据权利要求2所述的方法,其中,所述任务类型包括以下中的至少一项:针对指定数据项的联合统计分析;指定模型的联合训练;指定模型的联合预测。
4.根据权利要求1所述的方法,其中,所述发起方向第i个参与方发送的协商请求中包括,针对第i个参与方所述目标计算任务所涉及的参与方数据信息。
5.根据权利要求4所述的方法,其中,所述参与方数据信息包括参与方数据集标识。
6.根据权利要求1所述的方法,其中,所述发起方至少根据所述N个参与方各自的算法信息,确定目标算法,包括:
所述发起方根据其自身的算法信息,以及所述N个参与方各自的算法信息,确定目标算法。
7.根据权利要求1所述的方法,其中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息。
8.根据权利要求1所述的方法,其中,所述发起方至少根据所述N个参与方各自的算法信息,确定目标算法,包括:
所述发起方根据所述N个参与方对应的N个隐私计算算法列表,确定隐私计算算法交集;
根据所述隐私计算算法交集,确定所述目标算法。
9.根据权利要求8所述的方法,其中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:
根据所述隐私计算算法交集中各隐私计算算法对应的所述优先级信息,确定所述目标算法。
10.根据权利要求1所述的方法,还包括:
所述发起方和所述N个参与方,利用所述目标算法,执行所述目标计算任务。
11.一种针对隐私计算进行多方算法协商的方法,通过发起方执行,包括:
向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
从所述N个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;
至少根据所述N个参与方各自的算法信息,确定目标算法;
向所述N个参与方发送协商结果,其中包括所述目标算法的算法标识。
12.根据权利要求11所述的方法,其中,至少根据所述N个参与方各自的算法信息,确定目标算法,包括:
根据所述发起方的算法信息,以及所述N个参与方各自的算法信息,确定目标算法。
13.根据权利要求12所述的方法,其中,根据所述发起方的算法信息,以及所述N个参与方各自的算法信息,确定目标算法,包括:
根据所述发起方和N个参与方对应的N+1个隐私计算算法列表,确定隐私计算算法交集;
根据所述隐私计算算法交集,确定所述目标算法。
14.根据权利要求13所述的方法,其中,所述发起方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第一优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:
根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息,确定所述目标算法。
15.根据权利要求13所述的方法,其中,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第二优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:
根据所述隐私计算算法交集中各隐私计算算法对应的第二优先级信息,确定所述目标算法。
16.根据权利要求13所述的方法,其中,所述发起方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第一优先级信息,所述N个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的第二优先级信息;其中,根据所述隐私计算算法交集,确定所述目标算法,包括:
根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息和第二优先级信息,确定所述目标算法。
17.根据权利要求16所述的方法,其中,所述第一优先级信息中包括第一排序,第二优先级信息中包括第二排序;其中,根据所述隐私计算算法交集中各隐私计算算法对应的第一优先级信息和第二优先级信息,确定所述目标算法,包括:
根据所述各隐私计算算法的第一排序和第二排序,确定出综合排序;
将综合排序最高的隐私计算算法确定为所述目标算法。
18.一种针对隐私计算进行多方算法协商的方法,通过N个参与方中的第一参与方执行,包括:
接收发起方发送的协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
确定本方的算法信息,其中包括针对所述目标计算任务支持的隐私计算算法列表;
将所述算法信息发送给所述发起方,以使所述发起方根据所述N个参与方各自的算法信息,确定目标算法;
从所述发起方接收协商结果,其中包括所述目标算法的算法标识。
19.根据权利要求18所述的方法,其中,确定本方的算法信息,包括:
获取用于执行所述目标计算任务的第一算法列表;
在所述第一算法列表中确定本方支持的隐私计算算法,形成所述隐私计算算法列表。
20.根据权利要求18所述的方法,其中,确定本方的算法信息,包括:
根据所述隐私计算算法列表中各隐私计算算法,确定优先级信息,并使得所述算法信息包括所述优先级信息。
21.根据权利要求20所述的方法,其中,确定优先级信息,包括:
根据各隐私计算算法的运行指标,确定所述优先级信息,所述运行指标包括以下中的至少一项:占用的计算资源,计算速度,通信成本,隐私保护强度。
22.一种针对隐私计算进行多方算法协商的系统,包括:
发起方,用于向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
所述N个参与方,其中的各个参与方用于确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;
所述各个参与方,还用于将本方的算法信息发送给所述发起方;
所述发起方,还用于至少根据所述N个参与方各自的算法信息,确定目标算法;
所述发起方,还用于向N个参与方发送协商结果,其中包括所述目标算法的算法标识。
23.一种针对隐私计算进行多方算法协商的装置,所述装置集成于发起方,包括:
协商请求发送单元,配置为向N个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
算法信息接收单元,配置为从所述N个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;
目标算法确定单元,配置为至少根据所述N个参与方各自的算法信息,确定目标算法;
协商结果发送单元,配置为向所述N个参与方发送协商结果,其中包括所述目标算法的算法标识。
24.一种针对隐私计算进行多方算法协商的装置,所述装置集成于N个参与方中的第一参与方,包括:
协商请求接收单元,配置为接收发起方发送的协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
算法信息确定单元,配置为确定本方的算法信息,其中包括针对所述目标计算任务支持的隐私计算算法列表;
算法信息发送单元,配置为将所述算法信息发送给所述发起方,以使所述发起方根据所述N个参与方各自的算法信息,确定目标算法;
协商结果接收单元,配置为从所述发起方接收协商结果,其中包括所述目标算法的算法标识。
25.一种针对隐私计算进行多方算法协商的方法,包括:
第三方向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
所述M个参与方中的各个参与方,分别确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;
所述M个参与方将各自的算法信息发送给所述第三方;
所述第三方根据所述M个参与方各自的算法信息,确定目标算法;
所述第三方向M个参与方发送协商结果,其中包括所述目标算法的算法标识。
26.根据权利要求25所述的方法,其中,所述M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息。
27.一种针对隐私计算进行多方算法协商的方法,通过第三方执行,包括:
向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
从所述M个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;
根据所述M个参与方各自的算法信息,确定目标算法;
向所述M个参与方发送协商结果,其中包括所述目标算法的算法标识。
28.根据权利要求27所述的方法,其中,所述M个参与方中至少一部分参与方的算法信息中还包括,针对隐私计算算法列表中隐私计算算法的优先级信息。
29.一种针对隐私计算进行多方算法协商的系统,包括:
第三方,用于向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
所述M个参与方,其中的各个参与方分别用于确定本方的算法信息,其中包括针对所述目标计算任务本方支持的隐私计算算法列表;
所述M个参与方,还用于将各自的算法信息发送给所述第三方;
所述第三方,还用于根据所述M个参与方各自的算法信息,确定目标算法;
所述第三方,还用于向M个参与方发送协商结果,其中包括所述目标算法的算法标识。
30.根据权利要求29所述的系统,其中,所述M个参与方还用于,利用所述目标算法,执行所述目标计算任务。
31.一种针对隐私计算进行多方算法协商的装置,该装置集成于第三方,包括:
协商请求发送单元,配置为向M个参与方分别发送协商请求,所述协商请求包括,有待进行隐私计算的目标计算任务的描述信息;
算法信息接收单元,配置为从所述M个参与方中的各个参与方接收算法信息,该算法信息中包括对应参与方针对所述目标计算任务支持的隐私计算算法列表;
目标算法确定单元,配置为根据所述M个参与方各自的算法信息,确定目标算法;
协商结果发送单元,配置为向所述M个参与方发送协商结果,其中包括所述目标算法的算法标识。
32.一种计算机可读存储介质,其上存储有计算机程序,其中,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1-21、25-28中任一项的所述的方法。
33.一种计算设备,包括存储器和处理器,其中,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1-21、25-28中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657040.3A CN115470512A (zh) | 2021-06-11 | 2021-06-11 | 针对隐私计算进行多方算法协商的方法、装置及系统 |
PCT/CN2022/093826 WO2022257720A1 (zh) | 2021-06-11 | 2022-05-19 | 针对隐私计算进行多方算法协商的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657040.3A CN115470512A (zh) | 2021-06-11 | 2021-06-11 | 针对隐私计算进行多方算法协商的方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115470512A true CN115470512A (zh) | 2022-12-13 |
Family
ID=84363366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110657040.3A Pending CN115470512A (zh) | 2021-06-11 | 2021-06-11 | 针对隐私计算进行多方算法协商的方法、装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115470512A (zh) |
WO (1) | WO2022257720A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226928A (zh) * | 2023-05-09 | 2023-06-06 | 京东科技控股股份有限公司 | 多方业务隐私数据的联合计算方法、装置、设备和介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116842561B (zh) * | 2023-06-29 | 2024-05-24 | 上海零数众合信息科技有限公司 | 一种数据集可动态增删的隐私求交系统和方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6834272B1 (en) * | 1999-08-10 | 2004-12-21 | Yeda Research And Development Company Ltd. | Privacy preserving negotiation and computation |
US9813234B2 (en) * | 2015-05-11 | 2017-11-07 | The United States of America, as represented by the Secretery of the Air Force | Transferable multiparty computation |
CN110266721B (zh) * | 2019-07-05 | 2020-04-28 | 西南交通大学 | 一种基于同态的云辅助动态通用安全多方计算方法 |
CN111222165B (zh) * | 2020-01-10 | 2022-09-23 | 北京百度网讯科技有限公司 | 基于区块链的多方计算方法、装置、设备和介质 |
CN112788111B (zh) * | 2020-12-29 | 2023-03-24 | 杭州趣链科技有限公司 | 多节点设备的算法协同处理方法、节点设备及联盟网络 |
CN112380572B (zh) * | 2021-01-14 | 2021-10-29 | 之江实验室 | 一种多方数据协同场景下的隐私保护量化评估方法和系统 |
-
2021
- 2021-06-11 CN CN202110657040.3A patent/CN115470512A/zh active Pending
-
2022
- 2022-05-19 WO PCT/CN2022/093826 patent/WO2022257720A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226928A (zh) * | 2023-05-09 | 2023-06-06 | 京东科技控股股份有限公司 | 多方业务隐私数据的联合计算方法、装置、设备和介质 |
CN116226928B (zh) * | 2023-05-09 | 2024-04-16 | 京东科技控股股份有限公司 | 多方业务隐私数据的联合计算方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022257720A1 (zh) | 2022-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11968105B2 (en) | Systems and methods for social graph data analytics to determine connectivity within a community | |
US11676087B2 (en) | Systems and methods for vulnerability assessment and remedy identification | |
US10079732B2 (en) | Calculating trust scores based on social graph statistics | |
US9251327B2 (en) | Method and system for providing behavioral bi-directional authentication | |
US10977617B2 (en) | System and method for generating an interaction request | |
US11106767B2 (en) | Decentralized name verification using recursive attestation | |
US11941690B2 (en) | Reducing account churn rate through intelligent collaborative filtering | |
CN108492188B (zh) | 客户推荐方法、装置、设备及存储介质 | |
WO2022257731A1 (zh) | 针对隐私计算进行算法协商的方法、装置及系统 | |
WO2022257720A1 (zh) | 针对隐私计算进行多方算法协商的方法、装置及系统 | |
US20220138753A1 (en) | Interactive swarming | |
US9246923B1 (en) | Developer risk classifier | |
JP6060298B1 (ja) | 情報配信装置、情報配信方法および情報配信プログラム | |
CN112200382A (zh) | 一种风险预测模型的训练方法和装置 | |
US11430077B2 (en) | System and method for searching and monitoring assets available for acquisition | |
US20170213283A1 (en) | Device and a computer software for provisioning a user with requested services | |
US11556836B1 (en) | System and method for matching specialists and potential clients | |
WO2022267787A1 (zh) | 隐私计算中计算资源确定的方法、装置及系统 | |
WO2021216820A1 (en) | Methods and systems for privacy protection verification | |
CN109493188A (zh) | 基于身份验证的交易方法、装置、存储介质及电子设备 | |
US11792125B1 (en) | Reducing network traffic by filtering network requests based on network request-related information systems and methods | |
CN113763140B (zh) | 一种招投标方法及相关装置 | |
AU2021107380A4 (en) | System, Program, and Method for Trading Financial Products | |
US20230342844A1 (en) | Method, system, and apparatus for multiple loan retrieval and simultaneos presentation | |
CN105956862A (zh) | 购买请求处理方法及装置 |
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 |