一种基于辅助节点的分布式隐私计算系统技术方案

技术编号:32269546 阅读:92 留言:0更新日期:2022-02-12 19:33
本发明专利技术涉及信息技术领域,具体涉及一种基于辅助节点的分布式隐私计算系统,包括汇总节点、若干个参与节点和辅助节点,汇总节点建立目标函数,汇总节点建立目标神经网络模型拟合目标函数,将目标神经网络模型拆分为若干个子模型和主模型,若干个子模型发送给参与节点和辅助节点,辅助节点生成每个业务数据的猜测值,计算若干个子模型的输出结果,作为子模型的猜测结果,参与节点生成匹配值并拆分为若干个加数分配给若干个参与节点,参与节点分别计算每个子模型的输出结果作为匹配结果,汇总节点将子模式对应的猜测结果和匹配结果求和,即获得子模型的输出,代入主模型,即获得汇总处理结果。本发明专利技术的实质性效果是:显著提高隐私计算的效率。计算的效率。计算的效率。

【技术实现步骤摘要】
一种基于辅助节点的分布式隐私计算系统


[0001]本专利技术涉及信息
,具体涉及一种基于辅助节点的分布式隐私计算系统。

技术介绍

[0002]随着信息技术和机器学习技术的发展,目前数据已经被当做一种新型生产要素,与土地、劳动力、资本、技术等传统要素并列。对于推动生产力发展和技术进步,有着重要的作用。然而由于隐私保护、竞争关系需要等原因,企业之间的数据并不能简单直接的进行共享和应用。采用安全多方计算或者同态加密技术,虽然能够实现在保持数据隐私的前提下,实现对数据的使用,挖掘出数据蕴含的价值。但无论是基于OT传输和混淆电路的安全多方计算还是同态加密技术,都存在效率低下的问题。由于缺乏高效率的隐私计算技术,目前的数据仍然主要以孤岛的形式存在,难以形成有效的流动。导致部分技术因缺乏相应的数据而无法落地,技术的进一步发展也受到了缺乏数据的严重制约。因而有必要研究新的高效率的隐私计算技术。
[0003]如中国专利CN111324870A,公开日2020年6月23日,一种基于安全双方计算的外包卷积神经网络隐私保护系统,其将神经网络和查询数据随机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于辅助节点的分布式隐私计算系统,包括汇总节点、若干个参与节点,若干个参与节点拥有各自的业务数据,所述汇总节点将参与节点的业务数据进行汇总处理,其特征在于,还包括辅助节点,所述汇总节点建立目标函数,所述目标函数的输入为若干个参与节点的业务数据,目标函数的输出作为汇总处理结果,所述汇总节点建立目标神经网络模型拟合所述目标函数,所述目标神经网络模型的输入为若干个参与节点的业务数据,所述目标神经网络模型的输出为目标函数的值,所述汇总节点将目标神经网络模型拆分为若干个子模型和主模型,所述子模型计算第1层神经元,所述主模型计算目标神经网络模型其余部分,所述汇总节点将若干个子模型发送给参与节点和辅助节点,所述辅助节点生成每个业务数据的猜测值,将猜测值使用对应参与节点的公钥加密后发送给对应的参与节点,所述辅助节点使用猜测值分别计算若干个子模型的输出结果,作为子模型的猜测结果,将猜测结果加密并关联子模型标识发送给汇总节点,所述参与节点收到猜测值后,生成匹配值,所述匹配值与猜测值的和等于业务数据的真实值,参与节点将匹配值拆分为若干个加数,加数的数量与参与节点的数量相同,将加数分配给若干个参与节点,每个参与节点使用分配到的加数分别计算每个子模型的输出结果,作为子模型的匹配结果,将匹配结果加密并关联子模型标识发送给汇总节点,汇总节点将子模式对应的猜测结果和匹配结果求和,即获得子模型的输出,代入主模型,主模型的输出即为目标神经网络模型的输出,即获得汇总处理结果。2.根据权利要求1所述的一种基于辅助节点的分布式隐私计算系统,其特征在于,所述子模型与目标神经网络模型的第1层神经元一一对应,所述子模型的输入为对应的第1层神经元连接的输入神经元,所述子模型的输出为对应的第1层神经元连接的全部输入神经元按连接权系数的加权和,将目标神经网络模型的输入层删除,并将第1层神经元的输入数变更为对应子模型的输出与偏移值的和,作为主模型。3.根据权利要求1或2所述的一种基于辅助节点的分布式隐私计算系统,其特征在于,参与节点将匹配值拆分的若干个加数的和等于业务数据真实值的k倍,业务数据对应的参与节点分配到的加数记为保留数,保留数所在的参与节点计算除保留数外的加数的和,记为分配和,计算保留数与分配和的比例,计算修正权系数,修正权系数满足:匹配值*权系数=分配和*权系数+保留数*修正权系数,保留数所在...

【专利技术属性】
技术研发人员:张金琳俞学劢高航
申请(专利权)人:浙江数秦科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1