内容提供者
隐私数据多方联合降维方法.pdf
2023-05-26
10金币
610KB
16页
雨巷****碧易
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16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
隐私数据多方联合降维方法.pdf
本发明公开了一种数据多方联合降维方法,包括:与M个数据拥有方中的数据拥有方配合获取第i数据拥有方的随机向量和第i数据拥有方的随机矩阵;根据第i原始矩阵和第i数据拥有方的随机向量获得第i数据拥有方的随机扰动向量;将第i数据拥有方的随机扰动向量发送给服务器,接收服务器发送的原始数据的均值向量;根据原始数据的均值向量、第i原始矩阵和第i数据拥有方的随机矩阵计算第i数据拥有方的扰动矩阵;将第i数据拥有方的扰动矩阵发送给服务器,接收服务器发送的转换矩阵;根据转换矩阵对第i原始矩阵进行降维处理,在保证隐私前提下提高多
2023-05-26
10
610KB
针对隐私数据进行多方联合降维处理的方法及装置.pdf
本说明书实施例提供一种针对隐私数据进行多方联合降维的方法和装置。其中多方中的各个数据持有方，对其本地拥有的隐私数据矩阵进行转置相乘运算，得到乘积矩阵后，使用第三方的公钥对乘积矩阵进行同态加密，然后，汇总到某个运算平台中进行同态加和操作，将同态加和结果发至第三方。第三方对同态加和结果解密，可得到主成分分析所需的协方差矩阵，进而确定出降维变换矩阵，广播给各个持有方。于是，各个持有方可以利用该降维变换矩阵进行降维处理。通过这样的方式，确保了各个持有方中隐私数据的安全。
2023-05-25
10
721KB
多方联合对隐私数据进行降维处理的方法和装置.pdf
本说明书实施例提供一种多方联合对隐私数据进行降维处理的方法和装置，在隐私数据纵向分布的情况下，第一持有方针对第一原始矩阵进行零均值化得到第一中心矩阵，获取N*N维的非对称正交矩阵，将非对称正交矩阵与第一中心矩阵相乘得到第一隐秘矩阵，将第一隐秘矩阵发送至可信第三方。可信第三方对各个隐秘矩阵进行拼接得到全局隐秘矩阵，全局隐秘矩阵与其转置矩阵相乘得到协方差矩阵，对协方差矩阵进行本征值求解得到降维变换矩阵，对降维变换矩阵进行拆分后得到各个拆分矩阵，并发送至持有方。第一持有方用第一拆分矩阵处理第一原始矩阵得到第一降
2023-05-25
10
866KB
针对用户隐私数据进行多方联合降维处理的方法及装置.pdf
本说明书实施例提供一种针对用户隐私数据进行多方联合降维的方法和装置。其中多方中的各个数据持有方本地拥有部分用户数据作为隐私数据。为了保证各个持有方隐私数据安全，将有待基于各方隐私数据形成的协方差矩阵拆解为各个持有方可以本地计算或者可以通过秘密分享的矩阵乘法SMM进行安全计算的矩阵；并且，通过安全多方计算MPC的方式，共同确定出协方差矩阵的本征矩阵。如此，各个持有方可以基于本征矩阵对本地数据进行降维，并最终形成降维的用户特征数据。通过这样的方式，确保了用户隐私数据的安全。
2023-05-25
10
1.1MB
多方隐私数据及金融隐私数据的安全联合分析方法.pdf
本发明提供一种多方隐私数据及金融隐私数据的安全联合分析方法,该方法包括接收各参与方客户端发送的远程认证请求,根据远程认证请求为各参与方分配一个CPU可信执行环境和至少一个GPU可信执行环境,接收任一参与方客户端发送的隐私数据,在参与方分配的CPU可信执行环境中,参与方虚拟机CPU将隐私数据传输至GPU中,在参与方GPU可信执行环境中,参与方虚拟机GPU对隐私数据进行处理。本发明通过设置参与方本地的隐私数据迁移至可信执行环境的虚拟机中实现了隐私数据的处理过程,无需为每个参与方配置专用于数据处理的服务器,降低
2023-05-25
10
868KB