多方数据联合处理方法、装置及系统制造方法及图纸

本说明书的实施例提供基于隐私保护的多方数据联合处理方法、装置及系统。每个成员设备具有本地隐私数据。在各个成员设备处，响应于用于对多个成员设备的本地隐私数据执行多方数据联合处理的数据处理请求，生成本地随机数，并且使用本地隐私数据在本地执行第一函数计算得到本地处理结果。多方数据联合处理是针对各个成员设备的本地隐私数据执行第二函数计算，并且第二函数计算可被表征为各个成员设备的第一函数计算的组合运算。多个成员设备使用各自的本地随机数和本地处理结果来执行多方安全计算得到多方数据联合处理结果，每个成员设备具有多方数据联合处理结果的多方数据联合处理结果分片。

【技术实现步骤摘要】
多方数据联合处理方法、装置及系统
本说明书实施例通常涉及数据处理领域，尤其涉及基于隐私保护的多方数据联合处理方法、多方数据联合处理装置以及多方数据联合处理系统。
技术介绍
随着技术的发展，越来越多的业务应用场景需要使用多个数据拥有方的本地数据来进行多方数据联合处理，例如，使用机器学习模型的业务应用场景，比如，使用机器学习模型进行风险评估、人群识别、业务分类等。在机器学习模型的应用中，在比如模型预测或模型训练的应用场景下，需要使用多个数据拥有方的本地数据来联合进行模型预测处理得到模型预测结果。由于各个数据拥有方的本地数据是隐私数据，需要进行数据隐私保护，从而使得如何在对各个数据拥有方的本地数据进行数据隐私保护的情况下实现多方数据联合处理，成为亟待解决的问题。
技术实现思路
鉴于上述，本说明书实施例提供一种基于隐私保护的多方数据联合处理方法、多方数据联合处理装置以及多方数据联合处理系统。利用该多方数据联合处理方法、多方数据联合处理装置及多方数据联合处理系统，可以在确保各个数据拥有方的本地数据的数据隐私安全的情况下实现多方本文档来自技高网...

【技术保护点】
1.一种用于基于隐私保护的多方数据联合处理的方法，所述多方包括多个成员设备，每个成员设备具有本地隐私数据，所述方法包括：/n在各个成员设备处，响应于用于对所述多个成员设备的本地隐私数据执行多方数据联合处理的数据处理请求，生成本地随机数，并且使用本地隐私数据在本地执行第一函数计算得到本地处理结果，所述多方数据联合处理是针对各个成员设备的本地隐私数据执行第二函数计算，以及所述第二函数计算可被表征为各个成员设备的第一函数计算的组合运算；以及/n经由所述多个成员设备，使用各自的本地随机数和本地处理结果来执行多方安全计算得到多方数据联合处理结果，每个成员设备具有所述多方数据联合处理结果的多方数据联合处理...

【技术特征摘要】
1.一种用于基于隐私保护的多方数据联合处理的方法，所述多方包括多个成员设备，每个成员设备具有本地隐私数据，所述方法包括：
在各个成员设备处，响应于用于对所述多个成员设备的本地隐私数据执行多方数据联合处理的数据处理请求，生成本地随机数，并且使用本地隐私数据在本地执行第一函数计算得到本地处理结果，所述多方数据联合处理是针对各个成员设备的本地隐私数据执行第二函数计算，以及所述第二函数计算可被表征为各个成员设备的第一函数计算的组合运算；以及
经由所述多个成员设备，使用各自的本地随机数和本地处理结果来执行多方安全计算得到多方数据联合处理结果，每个成员设备具有所述多方数据联合处理结果的多方数据联合处理结果分片。


2.如权利要求1所述的方法，其中，所述本地隐私数据包括本地模型和业务对象的本地特征数据，所述多个成员设备的本地模型共同组成机器学习模型，所述多个成员设备的本地特征数据共同组成所述机器学习模型的模型特征数据，以及所述多方数据联合处理是所述机器学习模型的模型预测处理。


3.如权利要求2所述的方法，其中，所述本地隐私数据是基于垂直切分的本地隐私数据或者基于水平切分的本地隐私数据。


4.如权利要求2所述的方法，其中，所述机器学习模型包括逻辑回归模型或神经网络模型；以及所述业务对象包括以下之一：用户，商品，事件和关系。


5.如权利要求2所述的方法，其中，第i个成员设备的第一函数计算为，其中，为第i个成员设备的本地模型，为第i个成员设备的本地特征数据，以及所述第二函数计算为激活函数，其中，N为成员设备总数。


6.如权利要求5所述的方法，其中，经由所述多个成员设备，使用各自的本地随机数和本地处理结果来执行多方安全计算得到多方数据联合处理结果包括：
经由所述多个成员设备，使用各自的本地随机数和本地处理结果来执行多方安全计算得到中间处理结果，每个成员设备具有所述中间处理结果的中间处理结果分片，所述中间处理结果基于得到，m为所述多个成员设备的本地随机数之和；以及
经由所述多个成员设备，使用各自的本地随机数以及各自的中间处理结果分片来执行多方计算得到所述多方数据联合处理结果，每个成员设备具有所述多方数据联合处理结果的多方数据联合处理结果分片。


7.如权利要求6所述的方法，其中，经由所述多个成员设备，使用各自的本地随机数以及各自的中间处理结果分片来执行多方计算得到所述多方数据联合处理结果包括：
在各个成员设备处，分别计算各自的中间处理结果分片与各自的本地随机数之间的求和结果以及求差结果；
经由所述多个成员设备使用各自的求和结果来进行多方求和得到多方求和结果；以及
在各个成员设备处，分别将各自的求差结果除以所述多方求和结果得到各自的多方数据联合处理结果分片。


8.如权利要求7所述的方法，其中，经由所述多个成员设备使用各自的求和结果来进行多方求和得到多方求和结果包括：
经由所述多个成员设备使用各自的求和结果来进行多方安全求和得到多方求和结果。


9.如权利要求1到6中任一所述的方法，其中，所述多方安全计算包括下述多方安全计算中的一种：
基于秘密共享的多方安全计算；
基于同态加密的多方安全计算；
基于不经意传输的多方安全计算；
基于混淆电路的多方安全计算；和
基于可信执行环境的多方安全计算。


10.一种用于基于隐私保护的多方数据联合处理的方法，所述多方包括多个成员设备，每个成员设备具有本地隐私数据，所述方法由一个成员设备执行，所述方法包括：
响应于用于对所述多个成员设备的本地隐私数据执行多方数据联合处理的数据处理请求，生成本地随机数，并且使用本地隐私数据在本地执行第一函数计算得到本地处理结果，所述多方数据联合处理是针...

【专利技术属性】
技术研发人员：陈超超，王力，周俊，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33