保护两方数据隐私的协同计算方法及系统.pdf
森林****来了
亲,该文档总共26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
保护两方数据隐私的协同计算方法及系统.pdf
本说明书实施例公开了保护两方数据隐私的协同计算方法及系统,可应用于多方模型训练。第一方持有第一私密矩阵和私钥,第二方持有第二私密矩阵。两方分别对第一私密矩阵和第二私密矩阵进行放大处理,得到第一输入映射矩阵和第二输入映射矩阵。第一方处理第一输入映射矩阵得到第一密文矩阵并将其发送给第二方。第二方处理第一密文矩阵得到第二密文矩阵并将其发送给第一方。第一方基于第二密文矩阵和私钥计算待近似矩阵,对待近似矩阵进行近似得到第一输出映射矩阵。第一方对第一输出映射矩阵进行缩小处理得到第一输出矩阵并将其作为第一私密矩阵和第二
保护两方数据隐私的协同计算方法、系统及装置.pdf
本说明书中的实施例提供了保护两方数据隐私的协同计算方法、系统及装置,可应用于模型训练。两方协同计算的指数函数值的指数与隐私数据负相关,隐私数据包括输入商群中的第一分片和第二分片,其中,第一分片存储于第一方的计算设备,第二分片存储于第二方的计算设备。两方通过安全比较各自获得隐私数据相对目标阈值的第一比较结果的分片,并各自将隐私数据的分片相对目标阈值取模,得到取模结果。通过安全计算,两方基于两方的取模结果获得两方的输出分片,并基于两方的第一比较结果的分片和两方的输出分片各自获得所述指数函数值在输出商群中的等效
基于数据隐私保护的两方数据聚类方法、装置及系统.pdf
本说明书实施例提供基于数据隐私保护的两方数据聚类方法、装置及系统。在各个数据拥有方处,分别将各自具有的数据集中的各个数据样本切分为两个数据份额。各个数据拥有方将所切分出的各个数据样本的两个数据份额中的一个数据份额共享给另一数据拥有方。在各个数据拥有方处,分别基于该数据拥有方保留的各个数据样本的数据份额以及从另一数据拥有方获取的各个数据样本的数据份额得到该数据拥有方的重组数据集。在各个数据拥有方之间,使用各个数据拥有方的重组数据集来进行数据聚类。
两方参与的隐私保护协同过滤推荐研究.docx
两方参与的隐私保护协同过滤推荐研究随着互联网和大数据技术的发展,个性化推荐已经成为了电子商务和社交网络等领域中的重要应用。协同过滤算法是目前最为流行的推荐算法之一,它能够根据用户之间的相似度,将一个用户对某个商品的评价值推荐给和他相似的其他用户。然而,在实际应用中,由于用户的信息往往包含大量的隐私信息,为了保护用户的隐私,研究如何进行隐私保护的协同过滤推荐算法已经成为了一个热点问题。针对这个问题,本文将介绍两方参与的隐私保护协同过滤推荐算法的相关研究进展。该算法主要分为加密算法和差分隐私算法两种,分别介绍
保护隐私数据的两方多分支条件实现方法和系统.pdf
本说明书实施例提供一种保护隐私数据的两方多分支条件实现方法和系统,采用多方安全计算实现,如混淆电路。方法包括:第一方和第二方分别获得N个分支条件各自对应的比较结果的分片;以第N+1个数值为中间结果的初始值,对于其余N个数值按照从后到前的顺序分别执行N轮选择处理,每轮选择处理包括:第一方和第二方分别将当前数值和上一轮的中间结果的本方分片作为待选对象分片,将当前数值对应的比较结果的分片作为选择比特分片,输入两方选择算子,根据该比较结果从当前数值和上一轮的中间结果中选择出本轮的中间结果;将N轮选择处理之后的中间