安全datasharing的安全多方计算系统和方法技术方案

本发明专利技术公开了一种基于NODE ID的安全data sharing的安全多方计算系统和方法，数据节点、计算节点和结果节点分别设置有NODE ID，计算节点设置有PARTY ID；每一数据节点与所有的计算节点建立网络连接，形成数据输入网络；每一计算节点与其它的计算节点建立网络连接，形成预测/训练网络；每一计算节点还与所有结果节点建立网络连接，形成结果重构网络。本发明专利技术实现安全多方计算协议支持任意数量的数据提供方和结果接收方；实现节点数据输入、训练/预测、结果重构权限的控制；以及实现MPC中节点网络拓扑结构的创建；实现MPC中所有节点执行相同的脚本完成数据输入、训练/预测及结果重构整个流程。整个流程。整个流程。

【技术实现步骤摘要】
安全data sharing的安全多方计算系统和方法


[0001]本专利技术涉及计算机软件领域，尤其涉及的是一种基于NODE ID的安全data sharing的安全多方计算系统和方法。

技术介绍

[0002]安全多方计算(Multi
‑
Party Computation,简称MPC)主要解决多个参与方在不互相透露各自输入的前提下，如何成功完成计算的问题。
[0003]MPC目前的应用前景越来越广泛，企业、政府、学术机构和个人间的协同业务需求日趋强烈。一个典型的场景是，人工智能迅猛发展的历程中，数据隐私的需求愈加强烈。AI训练所需的数据，在很多商业场景里由于隐私合规性的原因无法获得，导致无法完成训练或者训练效果很差。隐私AI(Privacy AI)正试图利用MPC来解决AI计算中的隐私保护问题，即如何在AI训练涉及的数据方不直接暴露明文数据的前提下，完成协同训练和协同预测。
[0004]所谓多数据方就是多个数据提供方；在这种场景中，需要将多方数据放在一起后，形成新的数组。如P0拥有数据W,P1拥有数组X，P2拥本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NODE ID的安全data sharing的安全多方计算系统，包括数据节点、计算节点和结果节点，其特征在于，数据节点、计算节点和结果节点分别设置有NODEID，并且，计算节点设置有PARTY ID；每一数据节点与所有的计算节点建立网络连接，形成数据输入网络；每一计算节点与其它的计算节点建立网络连接，形成预测/训练网络；每一计算节点还与所有结果节点建立网络连接，形成结果重构网络。2.根据权利要求1所述的安全data sharing的安全多方计算系统，其特征在于：所述计算节点的MAP中，键为NODE ID，值为PARTY ID。3.一种基于NODE ID的安全data sharing的安全多方计算方法，其特征在于：步骤S1：节点信息输入，其中节点信息包括NODE ID、节点IP、节点端口及节点名称；步骤S2：根据输入的节点信息，对NODE ID为数据节点的节点赋予数据输入权限，并赋予数据角色；对NODE ID为计算节点的节点赋予训练/预测权限，并赋予计算角色；对NODE ID为结果节点的节点赋予结果重构权限，并赋予结果角色；步骤S3：根据赋予的权限和角色创建网络连接。4.根据权利要求3所述的安全data sharing的安全多方计算方法，其特征在于：步骤S2中，在对NODEID为计算节点的节点赋予训练/预测权限，并赋予计算角色前，还设置计算...

【专利技术属性】
技术研发人员：肖继清，谢翔，李升林，孙立林，
申请(专利权)人：上海阵方科技有限公司，
类型：发明
国别省市：