保护隐私的联合数据处理方法及装置制造方法及图纸

本说明书实施例提供一种保护隐私的联合数据处理方法及装置，在联合数据处理方法中，确定第一节点的第一组邻居节点。基于第一组邻居节点的k‑1阶向量的第一分片，和其它n‑1个平台确定的其它n‑1组邻居节点的k‑1阶向量的对应分片，采用第一多方安全计算MPC方法进行聚合运算，得到第一节点的n组邻居节点的k‑1阶向量的聚合结果的第一结果分片。将第一节点的k‑1阶向量的第一分片与第一结果分片进行整合，得到对应于第一平台的第一整合结果。基于第一整合结果以及第一平台拥有的第k阶权重矩阵，以及其它n‑1个平台获取的其它整合结果和拥有的第k阶权重矩阵，采用第二MPC方法进行乘法运算，得到第一节点的k阶向量的第一分片。

【技术实现步骤摘要】
保护隐私的联合数据处理方法及装置
本说明书一个或多个实施例涉及计算机
，尤其涉及一种保护隐私的联合数据处理方法及装置。
技术介绍
关系网络图是对现实世界中实体之间的关系的描述，目前广泛地应用于各种计算机信息处理中。一般地，关系网络图包含一个节点集合和一个边集合，节点表示现实世界中的实体，边表示现实世界中实体之间的联系。例如，在社交网络中，人就是实体，人和人之间的关系或联系就是边。在许多情况下，希望将关系网络图中的每个节点(实体)用多维空间中的向量来表示，也就是将各个节点映射到一个多维空间中，用多维空间中的点代表图中的节点。多维空间可以是2维、3维空间，也可以是更高维空间。用多维空间的坐标来表达图中的节点，可以应用于计算节点和节点之间的相似度，发现图中的社团结构，预测未来可能形成的边联系，以及对图进行可视化等。将图中的节点映射到多维空间的过程称为图嵌入。传统技术中，图嵌入是由单独的机构或平台来执行。然而，在实际应用中，为进行某种预测（比如，风险识别）或者进行安全计算等，通常需要结合多平台或者多机构的关系网络图的信息。因此，就需要提供一种能够在保护各平台数据安全的情况下，多平台联合进行图嵌入处理的方案。
技术实现思路
本说明书一个或多个实施例描述了一种保护隐私的联合数据处理方法及装置，可以在保证各平台的数据安全的情况下，联合进行数据处理。第一方面，提供了一种保护隐私的联合数据处理方法，包括：确定所述第一节点在所述第一关系网络图中的第一组邻居节点；基于所述第一组邻居节点的k-1阶向量的第一分片，和其它n-1个平台针对所述第一节点确定的其它n-1组邻居节点的k-1阶向量的对应分片，采用第一多方安全计算MPC方法进行聚合运算，得到所述第一节点的n组邻居节点的k-1阶向量的聚合结果的第一结果分片；将所述第一节点的k-1阶向量的第一分片与所述第一结果分片进行整合，得到对应于所述第一平台的第一整合结果；基于所述第一整合结果以及所述第一平台拥有的第k阶权重矩阵，以及其它n-1个平台获取的其它整合结果和拥有的第k阶权重矩阵，采用第二MPC方法进行乘法运算，得到所述第一节点的k阶向量的第一分片。第二方面，提供了一种保护隐私的联合数据处理装置，包括：确定单元，用于确定所述第一节点在所述第一关系网络图中的第一组邻居节点；聚合运算单元，用于基于所述第一组邻居节点的k-1阶向量的第一分片，和其它n-1个平台针对所述第一节点确定的其它n-1组邻居节点的k-1阶向量的对应分片，采用第一多方安全计算MPC方法进行聚合运算，得到所述第一节点的n组邻居节点的k-1阶向量的聚合结果的第一结果分片；整合单元，用于将所述第一节点的k-1阶向量的第一分片与所述第一结果分片进行整合，得到对应于所述第一平台的第一整合结果；乘法运算单元，用于基于所述第一整合结果以及所述第一平台拥有的第k阶权重矩阵，以及其它n-1个平台获取的其它整合结果和拥有的第k阶权重矩阵，采用第二MPC方法进行乘法运算，得到所述第一节点的k阶向量的第一分片。第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述第一方面的方法。第四方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现上述第一方面的方法。本说明书一个或多个实施例提供的保护隐私的联合数据处理方法及装置，每个平台通过采用多方安全计算方法，联合其它平台对其维护的关联网络图中的各节点进行多级向量嵌入，其中在任意的第一节点的k级向量嵌入中，每个平台仅获取到第一节点k阶向量的一个分片。由此，可以避免在多平台联合进行图嵌入处理的过程中，各平台的隐私数据泄露的问题。也就是说，本说明书提供的方案，可以实现在保证各平台的数据安全的情况下，联合进行图嵌入处理。附图说明为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本说明书提供的关系网络图示意图；图2为本说明书提供的一个实施例的实施场景示意图；图3为本说明书一个实施例提供的保护隐私的联合数据处理方法流程图；图4为本说明书一个实施例提供的保护隐私的联合数据处理装置示意图。具体实施方式下面结合附图，对本说明书提供的方案进行描述。图1为本说明书提供的关系网络图示意图。如图1所示，该关系网络图可以包括多个节点，在这些节点中，具有关联关系的节点之间用边进行连接。通过边进行连接的节点，称为邻居节点。在一个例子中，图1中的节点表示社交网络中的人或用户，两个节点之间通过边连接起来，即标识对应的两个用户存在社交上的关联，例如转账、留言、通讯等等。需要理解，在图1中的关系网络图中，为了示出各节点以及节点间的连接关系，而示意性示出各个节点，此时节点位置仅是出于示意，而不具有实际的意义和信息量。而通过图嵌入的算法，可以为各个节点赋予有意义的嵌入向量。已经存在一些图嵌入的算法，在已知关系网络图的拓扑结构的情况下，将其中节点映射为多维空间的向量（即嵌入向量）。在多数图嵌入算法中，为了能得到每个节点的嵌入向量，都会在计算时考虑其关联关系，就是考虑其邻居节点。需要说明，这里的邻居节点不仅包括与当前节点直接相连的邻居节点，也就是一阶邻居节点，还会考虑邻居节点的邻居节点，也就是当前节点的二阶邻居节点，甚至更高阶邻居节点。以图1为例来说，在获取节点7的嵌入向量时，可以同时考虑节点1、节点2、节点3、节点8和节点9。其中，节点3、节点8和节点9为节点7的一阶邻居节点，节点1和节点2为节点7的二阶邻居节点。具体地，在进行图嵌入时，主要执行如下两个步骤：第一，生成初阶向量。比如，可以是基于节点所代表的对象的属性特征，确定节点的初阶向量。再比如，也可以是随机生成初阶向量。第二，针对各节点进行多级向量嵌入。以节点v为例来说，在进行第k级向量嵌入之后，其对应的k阶向量的计算公式可以表示为：（公式1）其中，N(v)为节点v的邻居节点集合，为节点v的邻居节点u的k-1阶向量，AGGk为第k级向量嵌入使用的聚合函数，用于对各邻居节点的k-1阶向量进行聚合，这里的聚合例如可以为加和、求平均以及池化（pooling）等。为各邻居节点的k-1阶向量的聚合结果，为节点v的k-1阶向量，CONCAT()为整合函数，Wk为第k级向量嵌入使用的权重矩阵，为节点v的k阶向量。应理解，上述是某一平台或机构的图嵌入的处理步骤。在许多情况下，为进行某种预测（比如，风险识别）或者进行安全计算，可能需要多平台联合进行图嵌入处理。图2为本说明书提供的一个实施例的实施场景示意图。图2中，平台1-平台n分别维护n个关系网络图，并分别拥本文档来自技高网...

【技术保护点】
1.一种保护隐私的联合数据处理方法，涉及n个平台，所述n个平台分别维护n个关系网络图，并分别拥有用于对所维护的关系网络图进行嵌入处理的各阶权重矩阵；所述方法通过所述n个平台中任意的第一平台执行，包括针对所述第一平台所维护的第一关系网络图中任意的第一节点执行多级向量嵌入，其中任意的第k级向量嵌入包括：/n确定所述第一节点在所述第一关系网络图中的第一组邻居节点；/n基于所述第一组邻居节点的k-1阶向量的第一分片，和其它n-1个平台针对所述第一节点确定的其它n-1组邻居节点的k-1阶向量的对应分片，采用第一多方安全计算MPC方法进行聚合运算，得到所述第一节点的n组邻居节点的k-1阶向量的聚合结果的第一结果分片；/n将所述第一节点的k-1阶向量的第一分片与所述第一结果分片进行整合，得到对应于所述第一平台的第一整合结果；/n基于所述第一整合结果以及所述第一平台拥有的第k阶权重矩阵，以及其它n-1个平台获取的其它整合结果和拥有的第k阶权重矩阵，采用第二MPC方法进行乘法运算，得到所述第一节点的k阶向量的第一分片。/n

【技术特征摘要】
1.一种保护隐私的联合数据处理方法，涉及n个平台，所述n个平台分别维护n个关系网络图，并分别拥有用于对所维护的关系网络图进行嵌入处理的各阶权重矩阵；所述方法通过所述n个平台中任意的第一平台执行，包括针对所述第一平台所维护的第一关系网络图中任意的第一节点执行多级向量嵌入，其中任意的第k级向量嵌入包括：
确定所述第一节点在所述第一关系网络图中的第一组邻居节点；
基于所述第一组邻居节点的k-1阶向量的第一分片，和其它n-1个平台针对所述第一节点确定的其它n-1组邻居节点的k-1阶向量的对应分片，采用第一多方安全计算MPC方法进行聚合运算，得到所述第一节点的n组邻居节点的k-1阶向量的聚合结果的第一结果分片；
将所述第一节点的k-1阶向量的第一分片与所述第一结果分片进行整合，得到对应于所述第一平台的第一整合结果；
基于所述第一整合结果以及所述第一平台拥有的第k阶权重矩阵，以及其它n-1个平台获取的其它整合结果和拥有的第k阶权重矩阵，采用第二MPC方法进行乘法运算，得到所述第一节点的k阶向量的第一分片。


2.根据权利要求1所述的方法，所述执行多级向量嵌入还包括，执行初级向量嵌入，具体包括：
获取所述第一节点所代表的对象的属性特征，根据该属性特征确定所述第一节点的初阶向量的第一分片。


3.根据权利要求1所述的方法，所述采用第一多方安全计算MPC方法进行聚合运算，包括：
对所述第一组邻居节点的k-1阶向量的第一分片进行聚合运算，得到第一中间结果；
采用秘密分享除法协议，对所述第一中间结果与其它n-1个平台获取的其它中间结果之和，与所述n组邻居节点中各邻居节点的总数目进行求商；将所述求商结果作为所述聚合结果；
获取在所述求商的过程中，所述第一平台拥有的数据分片，并将所述数据分片作为所述第一结果分片。


4.根据权利要求3所述的方法，所述对所述第一组邻居节点的k-1阶向量的第一分片进行聚合运算，包括：
对所述第一组邻居节点的k-1阶向量的第一分片进行求平均、求加权平均或者求和。


5.根据权利要求1所述的方法，所述采用第一多方安全计算MPC方法进行聚合运算，包括：
采用秘密分享求最大协议，对所述n组邻居节点中各邻居节点的k-1阶向量的对应分片的求和结果进行比较，以选取出对应于最大求和结果的目标邻居节点；
将所述目标邻居节点的k-1阶向量作为所述聚合结果；
将所述第一平台拥有的、所述目标邻居节点的k-1阶向量的第一分片作为所述第一结果分片。


6.根据权利要求1所述的方法，所述将所述第一节点的k-1阶向量的第一分片与所述第一结果分片进行整合，包括：
将所述第一节点的k-1阶向量的第一分片与所述第一结果分片进行拼接。


7.根据权利要求1所述的方法，所述采用第二MPC方法进行乘法运算，包括：
计算所述第一整合结果与所述第一平台拥有的第k阶权重矩阵的第一乘积；
采用秘密分享乘法协议，依次分别对所述第一整合结果与其它n-1个平台拥有的第k阶权重矩阵进行相乘，并分别对所述其它整合结果与所述第一平台拥有的第k阶权重矩阵进行相乘；
获取在所述相乘的过程中，所述第一平台拥有的各第一数据分片；
对所述第一乘积与所述各第一数据分片进行求和，得到第一求和结果；
基于所述第一求和结果，以及所述其它n-1个平台获取的其它求和结果，确定所述第一节点的k阶向量的第一分片。


8.根据权利要求7所述的方法，所述基于所述第一求和结果，以及所述其它n-1个平台获取的其它求和结果，确定所述第一节点的k阶向量的第一分片，包括：
对所述第一求和结果进行求平方，得到第一求平方结果；
采用秘密分享乘法协议，依次分别对所述第一求和结果与所述其它求和结果进行求内积，并分别对所述其它求和结果与所述第一求和结果进行求内积；
获取在所述求内积的过程中，所述第一平台拥有的各第二数据分片；
对所述第一求平方结果和所述各第二数据分片进行求和，得到总求平方结果；
基于所述第一求和结果以及所述总求平方结果，利用多项式函数，确定所述第一节点的k阶向量的第一分片。


9.一种保护隐私的联合数据处理装置，涉及n个平台，所述n个平台分...

【专利技术属性】
技术研发人员：陈超超，
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