针对多方的隐私数据进行聚类的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111523143A(43)申请公布日2020.08.11(21)申请号202010631310.9(22)申请日2020.07.03(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人陈超超周俊王力郑龙飞(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309代理人孙欣欣周良玉(51)Int.Cl.G06F21/62(2013.01)G06K9/62(2006.01)权利要求书3页说明书10页附图3页(54)发明名称针对多方的隐私数据进行聚类的方法和装置(57)摘要本说明书实施例提供一种针对多方的隐私数据进行聚类的方法和装置，方法包括：第一方确定K个类簇当前分别对应的各中心数据的第一数据部分，第一数据部分对应于第一维度集合；第二方具有各中心数据的对应于第二维度集合的第二数据部分；分别将各中心数据作为目标中心数据，基于N个样本中任一样本的第一特征部分和目标中心数据的第一数据部分，通过本地计算得到任一样本和目标中心数据的目标距离的第一分片；基于各目标距离的第一分片，利用秘密共享的方式，与第二方中的各目标距离的第二分片进行联合比较，确定各目标距离中的最近的目标距离；将最近的目标距离对应的类簇，确定为任一样本当前归属的类簇。能够防止泄露隐私数据。CN111523143ACN111523143A权利要求书1/3页1.一种针对多方的隐私数据进行聚类的方法，所述多方包括第一方和第二方，所述第一方的隐私数据包括N个样本的第一特征部分，所述第一特征部分对应于第一维度集合，所述第二方的隐私数据包括所述N个样本的第二特征部分，所述第二特征部分对应于第二维度集合，所述方法通过所述第一方执行，包括多轮迭代过程，其中任意一轮迭代包括：确定K个类簇当前分别对应的各中心数据的第一数据部分，所述第一数据部分对应于所述第一维度集合；所述第二方具有所述各中心数据的对应于所述第二维度集合的第二数据部分；任一中心数据的第一数据部分和该中心数据的第二数据部分共同构成该中心数据；分别将所述各中心数据作为目标中心数据，基于所述N个样本中任一样本的第一特征部分和目标中心数据的第一数据部分，通过本地计算得到所述任一样本和所述目标中心数据的目标距离的第一分片；所述第二方具有所述目标距离的第二分片；基于各目标距离的第一分片，利用秘密共享的方式，与第二方中的各目标距离的第二分片进行联合比较，确定各目标距离中的最近的目标距离；将所述最近的目标距离对应的类簇，确定为所述任一样本当前归属的类簇。2.如权利要求1所述的方法，其中，所述本地计算包括：将所述任一样本的第一特征部分作为第一子向量，将目标中心数据的第一数据部分作为第二子向量，计算所述第一子向量和所述第二子向量之间的向量距离，将所述向量距离确定为所述任一样本和所述目标中心数据的目标距离的第一分片。3.如权利要求1所述的方法，其中，所述任意一轮迭代为第一轮迭代，所述K个类簇当前分别对应的各中心数据的第一数据部分为随机初始化的数据。4.如权利要求1所述的方法，其中，所述联合比较包括：基于所述各目标距离中任意两个目标距离的第一分片，利用秘密共享的方式，与所述第二方中的该任意两个目标距离的第二分片进行联合比较，确定该任意两个目标距离之间的距离远近的比较结果；根据各比较结果，确定所述各目标距离中的最近的目标距离。5.如权利要求1所述的方法，其中，所述将所述最近的目标距离对应的类簇，确定为所述任一样本当前归属的类簇之后，所述方法还包括：根据同一类簇的各样本的第一特征数据中对应于任一维度的特征均值，更新该类簇的中心数据的第一数据部分中对应于该任一维度的数据值。6.如权利要求5所述的方法，其中，所述更新该类簇的中心数据的第一数据部分中对应于该任一维度的数据值之后，所述方法还包括：判断各类簇的中心数据的变化量是否满足预先设定的停止迭代条件；若判断结果为各类簇的中心数据的变化量不满足预先设定的停止迭代条件，则进行所述多轮迭代过程中的下一轮迭代。7.如权利要求6所述的方法，其中，所述方法还包括：若判断结果为各类簇的中心数据的变化量满足预先设定的停止迭代条件，则将所述任一样本当前归属的类簇确定为所述任一样本最终归属的类簇。8.如权利要求6所述的方法，其中，所述判断各类簇的中心数据的变化量是否满足预先设定的停止迭代条件，包括：2CN111523143A权利要求书2/3页将所述各类簇中的任一类簇作为目标类簇，将该目标类簇的更新前的中心数据的第一数据部分作为第三子向量、该目标类簇的更新后的中心数据的第一数据部分作为第四子向量，计算所述第三子向量和所述第四子向量之间的第一向量距离，确定所述第一向量距离和