预测模型分布方法以及预测模型分布系统技术方案

本公开提供一种取得分布化预测模型的方法。该方法包括：取得预测模型，所述预测模型是神经网络；通过将所述预测模型所包含的多个参数中的负的数值变换成正的数值，取得变换预测模型；以及通过保密分布法将所述变换预测模型进行分布，由此取得分布化预测模型。

Prediction Model Distribution Method and Prediction Model Distribution System

The present disclosure provides a method for obtaining a distributed prediction model. The method includes: obtaining the prediction model, which is a neural network; transforming the negative values of the multiple parameters contained in the prediction model into positive values to obtain the transformation prediction model; and distributing the transformation prediction model through the secret distribution method to obtain the distributed prediction model.

【技术实现步骤摘要】
预测模型分布方法以及预测模型分布系统
本公开涉及用于在通过保密分布法隐匿内容的同时进行神经网络的预测处理的预测模型分布方法以及预测模型分布系统。
技术介绍
近年来，各种企业正在提供利用了神经网络的服务。作为使用了神经网络的服务的例子，可以举出从被上载的图像识别被拍摄对象的种类的服务、基于用户的购买历史记录来推荐被认为是该用户所喜好的商品的服务等。在这样的服务中，来自用户的输入信息、例如用户上载的图像或者用户的购买历史记录等输入信息中也大多包含微妙的信息，所以需要保护用户的隐私信息。为此，正在寻求一种用户不对服务提供者公开隐私信息地进行神经网络的学习处理以及预测处理的技术。另外，从服务提供者的立场来看，也谋求一种能够尽可能不让用户知道与服务的技术秘密相关的信息地对用户提供服务的技术。作为满足上述两个条件的技术，考虑一种使用能够在使数据维持隐匿的状态下进行计算的保密计算法这一手法来进行神经网络的预测处理的方法。保密计算法是一种能够对保管数据的主体隐匿计算过程和结果的技术。例如，在云(cloud)那样的第三方所管理的服务器中保管数据，能够对该所保管的数据执行所有的运算。由于不让第三方知道输本文档来自技高网...

【技术保护点】
1.一种方法，包括：取得预测模型，所述预测模型是神经网络；通过将所述预测模型所包含的多个参数中的负的数值变换成正的数值，取得变换预测模型；以及通过保密分布法将所述变换预测模型进行分布，由此取得分布化预测模型，所述分布化预测模型用于使输入维持隐匿的状态下的预测处理。

【技术特征摘要】
2017.10.13 JP 2017-199582;2018.06.07 JP 2018-109611.一种方法，包括：取得预测模型，所述预测模型是神经网络；通过将所述预测模型所包含的多个参数中的负的数值变换成正的数值，取得变换预测模型；以及通过保密分布法将所述变换预测模型进行分布，由此取得分布化预测模型，所述分布化预测模型用于使输入维持隐匿的状态下的预测处理。2.根据权利要求1所述的方法，所述预测模型是所述多个参数包含以1或者-1这二值构成的参数的二值化神经网络。3.根据权利要求1或2所述的方法，所述预测模型的取得包括：使用事先收集到的学习用数据进行所述预测模型的学习处理。4.根据权利要求1～3中任一项所述的方法，所述变换包括：将所述预测模型所包含的所述多个参数中的小数的值变换成整数的值。5.根据权利要求1～4中任一项所述的方法，所述变换包括：对所述预测模型所包含的所述多个参数中的负的数值加上在所述保密分布法中使用的除数。6.根据权利要求1～4中任一项所述的方法，所述变换包括：将所述预测模型所包含...

【专利技术属性】
技术研发人员：西田直央，海上勇二，大庭达海，加藤辽，山田翔太，N·阿塔拉帕东，照屋唯纪，松田隆宏，花冈悟一郎，
申请(专利权)人：松下电器美国知识产权公司，
类型：发明
国别省市：美国,US