密文预测方法、相关装置及存储介质制造方法及图纸

本申请实施例涉及数据处理领域，提供一种密文预测方法、相关装置及存储介质，该方法包括：接收模型预测指令，其中，模型预测指令基于由请求方设备生成的模型预测请求得到，包括由请求方设备生成的公钥；采用公钥对特征值预测结果进行同态加密，得到加密密文，其中，特征值预测结果由特征方设备存储的特征值以及机器学习模型的模型分量计算得到；发送加密密文，使得请求方设备基于与公钥同时生成的私钥处理加密密文，得到机器学习模型的模型预测结果。本申请实施例提供了一种隐私保护机器学习场景下实现密文预测的新方式，通过同态加密的手段有效提高数据的安全性和隐私性，充分保护请求方设备和特征方设备交互过程中的数据安全。全。全。

【技术实现步骤摘要】
密文预测方法、相关装置及存储介质


[0001]本申请实施例涉及数据处理领域，更具体地涉及一种密文预测方法、相关装置及存储介质。

技术介绍

[0002]目前，为保护数据信息的隐私安全，各个数据属主通常会对数据进行独立存储，独立维护，导致数据间缺乏关联性，形成数据孤岛。为解决数据孤岛问题，挖掘数据的潜在价值，隐私保护机器学习技术应运而生。
[0003]在隐私保护机器学习中，各个数据属主作为参与方均拥有对应的特征值。在机器学习模型的训练阶段，基于逻辑回归原理，各个参与方加入模型训练，以便获得对应的模型分量，使机器学习模型分布至各个参与方中。
[0004]在机器学习模型的预测阶段，按照逻辑回归原理，响应于请求方的预测请求，各个参与方将计算得到的预测值分量反馈给请求方，联合计算出机器学习模型最终的预测值。预测值分量反馈给请求方的过程中，虽然没有暴露参与方各自持有的特征值和机器学习模型的模型分量，但仍会向请求方暴露参与方的计算结果，导致部分数据信息的泄露，不利于隐私的保护。
[0005]例如，应用纵向联邦学习模型的场景中，机器学习模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种密文预测方法，应用于特征方设备，所述方法包括：接收模型预测指令，其中，所述模型预测指令基于由请求方设备生成的模型预测请求得到，包括由所述请求方设备生成的公钥；采用所述公钥对特征值预测结果进行同态加密，得到加密密文，其中，所述特征值预测结果由所述特征方设备存储的特征值以及机器学习模型的模型分量计算得到；发送所述加密密文，使得所述请求方设备基于与所述公钥同时生成的私钥处理所述加密密文，得到所述机器学习模型的模型预测结果。2.如权利要求1所述的方法，其中，所述特征方设备有多个；所述采用所述公钥对特征值预测结果进行同态加密，得到加密密文，包括：各个所述特征方设备采用所述公钥对各自计算的特征值预测结果进行同态加密，得到分量密文；将所述分量密文进行同态运算，得到所述加密密文；其中，所述同态运算包括同态加法和/或同态乘法。3.如权利要求2所述的方法，其中，各个所述特征方设备包括第一特征方设备和第二特征方设备，各个所述特征方设备各自存储有对应的特征值以及模型分量；所述各个所述特征方设备采用所述公钥对各自计算的特征值预测结果进行同态加密，得到分量密文，包括：所述第一特征方设备将第一特征值预测结果采用所述公钥进行同态加密，得到第一分量密文，所述第一特征值预测结果由所述第一特征方设备存储的第一特征值和第一模型分量计算得到；将所述第一分量密文和所述公钥发送至所述第二特征方设备；所述第二特征方设备将第二特征值预测结果采用所述公钥进行同态加密，得到第二分量密文，所述第二特征值预测结果由所述第二特征方设备存储的第二特征值和第二模型分量计算得到；所述将所述分量密文进行同态运算，得到所述加密密文，包括：所述第二特征方设备将所述第一分量密文与所述第二分量密文进行同态加法，得到所述加密密文。4.如权利要求3所述的方法，其中，各个所述特征方设备还包括第三特征方设备；所述各个所述特征方设备采用所述公钥对各自计算的特征值预测结果进行同态加密，得到分量密文，包括：所述第二特征方设备将所述第一分量密文与所述第二分量密文进行同态加法，得到中间分量密文；将所述中间分量密文和所述公钥发送至所述第三特征方设备；所述第三特征方设备将第三特征值预测结果采用所述公钥进行同态加密，得到第三分量密文，所述第三特征值预测结果由所述第三特征方设备存储的第三特征值和第三模型分量计算得到；所述将所述分量密文进行同态运算，得到所述加密密文，包括：所述第三特征方设备将所述...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：北京瑞莱智慧科技有限公司，
类型：发明
国别省市：