内容提供者
基于隐私保护的两方模型预测方法、装置及系统.pdf
2023-05-25
10金币
918KB
20页
念珊****写意
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共20页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于隐私保护的两方模型预测方法、装置及系统.pdf
本说明书的实施例提供基于隐私保护的两方数据联合处理方法、装置及系统。两个成员设备分别具有本地隐私数据，两个成员设备的本地隐私数据组成两方联合处理数据。响应于用于确定两方联合处理数据的函数sigmoid计算结果的联合处理请求，各个成员设备使用本地隐私数据在本地执行第一函数计算得到本地处理结果，第一函数包括对函数sigmoid执行三角函数拟合时的各个拟合项进行分解得到的、在各个成员设备处执行的三角函数。各个成员设备使用各自的本地处理结果执行和共享形式下的安全计算得到两方数据联合处理结果，每个成员设备具有所述两
2023-05-25
10
918KB
保护数据隐私的两方联合训练预测模型的方法及装置.pdf
本说明书实施例提供一种保护数据隐私的两方联合训练预测模型的方法及装置，其中第一方和第二方对应部署预测模型中的序列表征层和预测层。所述方法应用于第一方，包括：利用序列表征层处理其持有的用户行为序列，其中包括样本用户在T个时刻做出的T个行为，具体地，利用行为表征子层确定T个行为对应的T个行为表征；利用注意力子层确定该T个行为表征对应的T个注意力权重，并用其对T个行为表征进行加权求和，得到原始序列表征；利用加噪子层对该原始序列表征添加基于行为个数T而确定的差分隐私噪声，得到加噪序列表征；从第二方接收其基于该加噪
2023-05-25
10
559KB
保护数据隐私的两方联合训练预测模型的方法及装置.pdf
本说明书实施例提供一种保护数据隐私的两方联合训练预测模型的方法及装置，两方各自持有多个用户的不同特征部分，部署针对不同特征部分的表征层，其中标签方还部署预测层。该方法包括：两方各自在本地处理同一批用户样本的特征部分，得到对应的正序表征，且无标签方还生成乱序方阵；然后，标签方基于其正序表征与无标签方中的正序表征和变换方阵进行安全多方计算，得到乱序融合表征，从而基于利用预测层处理乱序融合表征而得到的乱序预测结果，和基于正序用户标签与无标签方中的乱序方阵进行安全矩阵乘法而得到的乱序预测标签，确定传播至两个表征层
2023-05-25
10
555KB
保护数据隐私的两方联合训练业务预测模型的方法及装置.pdf
本说明书实施例提供一种保护数据隐私的两方联合训练业务预测模型的方法及装置。该方法包括：两方各自利用本地部署的表征层处理本方的训练样本的特征部分，得到对应的表征；第二方对两方表征进行融合处理，并利用随机生成的可逆函数处理融合表征，得到混淆表征，以使第一方利用预测层处理此混淆表征，得到混淆预测结果；第二方利用可逆函数的反函数处理混淆预测结果，得到真实预测结果，以使第一方利用此真实预测结果和样本标签计算预测层的梯度和传播至表征层的目标梯度；第二方根据上述反函数以及上述融合处理的对应方式，处理目标梯度，从而确定传
2023-05-25
10
727KB
基于隐私保护的两方联合特征处理方法、装置和系统.pdf
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
2023-05-25
10
631KB