多方联合对隐私数据进行聚类的方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115982607A(43)申请公布日2023.04.18(21)申请号202211737663.2(22)申请日2022.12.31(71)申请人蚂蚁区块链科技（上海）有限公司地址200010上海市黄浦区外马路618号8层803室(72)发明人郑宇张祺智李漓春殷山(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专利代理师陈霁周良玉(51)Int.Cl.G06F18/23213(2023.01)G06F18/2321(2023.01)G06F21/62(2013.01)权利要求书3页说明书14页附图3页(54)发明名称多方联合对隐私数据进行聚类的方法及装置(57)摘要本说明书实施例提供了一种多方联合对隐私数据进行聚类的方法及装置。隐私数据分布在多个持有方中，多个持有方分别存储的样本特征用于构成待聚类的多个样本的总特征矩阵。在任意一轮迭代中，在安全的计算方式下，多个持有方联合确定多个样本与多个聚类中心之间距离的距离分片，以及类簇索引的索引分片；接着，各持有方联合确定属于各类簇的样本特征的和值分片，以及联合确定属于各类簇的样本数量，并对样本数量进行修正。具体可以基于样本数量与第一数值的和值来修正样本数量，得到样本修正数量。多个持有方基于各方的和值分片和样本修正数量分别确定更新后的聚类中心特征分片。CN115982607ACN115982607A权利要求书1/3页1.一种多方联合对隐私数据进行聚类的方法，所述隐私数据分布在多个持有方中，多个持有方分别存储的样本特征用于构成待聚类的多个样本的总特征矩阵；所述方法通过多个持有方执行，包括多轮迭代，其中任意一轮迭代包括：基于各方的样本特征分片和各方的聚类中心特征分片，多个持有方之间执行第一多方安全计算，分别得到多个样本与多个聚类中心之间距离的距离分片；基于各方的距离分片，多个持有方之间执行安全比较计算，分别得到类簇索引的索引分片，所述类簇索引用于表征样本在多个聚类中心对应的类簇中的归属；基于各方的样本特征分片和各方的索引分片，多个持有方之间执行第二多方安全计算，分别确定属于各类簇的样本特征的和值分片；基于各方的索引分片，多个持有方之间执行安全统计计算，分别得到属于各类簇的样本数量，并基于多个样本数量分别与第一数值的和值，确定属于各类簇的样本修正数量；基于各方的和值分片和所述样本修正数量，多个持有方分别确定更新后的聚类中心特征分片。2.根据权利要求1所述的方法，所述第一数值为接近于0但不为0的数值。3.根据权利要求1所述的方法，所述确定属于各类簇的样本修正数量的步骤，包括：将多个样本数量分别与第一数值的和值，确定为属于各类簇的样本修正数量。4.根据权利要求1所述的方法，所述确定属于各类簇的样本修正数量的步骤，包括：针对任意一个第一样本数量，基于和值与差值的比值，确定与所述第一样本数量对应的类簇的样本修正数量；其中，所述和值为所述第一样本数量与所述第一数值的和值，所述差值为1与所述第一样本数量的差值。5.根据权利要求1所述的方法，所述基于各方的索引分片，多个持有方之间执行安全统计计算的步骤，包括：基于各方的索引分片，多个持有方之间执行安全统计计算，分别得到属于各类簇的样本数量分片；其中，针对任意一个类簇，该类簇的多个样本数量分片在假定重构时得到对应的样本数量；所述确定属于各类簇的样本修正数量的步骤，包括：基于各方的样本数量分片，多个持有方之间基于多个样本数量分别与第一数值的求和值操作执行第三多方安全计算，分别得到各类簇的样本修正数量分片；所述多个持有方分别确定更新后的聚类中心特征分片的步骤，包括：基于各方的和值分片和各方的样本修正数量分片，多个持有方之间执行安全矩阵乘法，分别得到更新后的聚类中心特征分片。6.根据权利要求1所述的方法，所述第一数值经过多个训练周期的调参后得到。7.根据权利要求1所述的方法，多个持有方的样本特征分片采用以下方式得到：多个持有方基于各自的样本特征，通过秘密分享算法，分别得到各自的样本特征分片；其中，任意一个持有方的样本特征分片的维数与所述总特征矩阵相同。8.根据权利要求7所述的方法，初始的多个聚类中心特征分片采用以下方式确定：每个持有方分别从各自的样本特征分片中取出约定的多个样本特征，作为该持有方的初始的多个聚类中心特征分片。9.根据权利要求7所述的方法，所述多个持有方之间执行第一多方安全计算的步骤，包2CN115982607A权利要求书2/3页括：多个持有方之间基于改进后的欧氏距离公式执行第一多方安全计算；其中，改进后的欧氏距离公式不包含开根号操作。10.一种多方联合对隐私数据进行聚类的方法，所述隐私数据分布在多个持有方中，多个持有方分别存储的样本特征用于构成待聚类的多个样本的总特