数据加密方法和数据加密装置制造方法及图纸

本申请公开了一种数据加密方法和数据加密装置，属于纵向联邦学习领域。所述数据加密方法，包括：对目标工业特征数据进行加密处理获取初始中间结果；将所述初始中间结果输入至基础算子层，获取所述基础算子层输出的目标加密数据；其中，所述基础算子层包括线性计算层、数据类型转换层和非线性逐元素计算层。本申请的数据加密方法，通过设置线性计算层来进行加减法以及乘法的计算并设置非线性逐元素计算层进行非线性逐元素函数的运算以对初始中间结果进行加密，无需进行多次加解密即能够从多个维度对初始中间结果进行加密，加密效果好且操作简单便捷，易实现，能够显著提高纵向联邦学习过程中特征提供方的数据安全性和隐私性。学习过程中特征提供方的数据安全性和隐私性。学习过程中特征提供方的数据安全性和隐私性。

【技术实现步骤摘要】
数据加密方法和数据加密装置


[0001]本申请属于纵向联邦学习领域，尤其涉及一种数据加密方法和数据加密装置。

技术介绍

[0002]随着大数据时代的来临，工业互联网中涉及越来越多的数据，如何对数据进行有效的隐私保护成为亟待解决的问题。相关技术中，主要采用拆分学习的方法来进行联邦学习，以基于工业特征数据获取与该工业特征数据对应的标签，从而达到保护本地端的工业特征数据的隐私的目的。然而，该拆分学习的方法依然存在数据隐私泄露的问题，从而影响数据的安全性。

技术实现思路

[0003]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种数据加密方法和数据加密装置，能够显著提高纵向联邦学习过程中特征提供方的数据安全性和隐私性。
[0004]第一方面，本申请提供了一种数据加密方法，该方法包括：
[0005]对目标工业特征数据进行加密处理获取初始中间结果；
[0006]将所述初始中间结果输入至基础算子层，获取所述基础算子层输出的目标加密数据；
[0007]其中，所述基础算子层包括线性计算层、数据类型转换层和非线性逐元素计算层。
[0008]根据本申请的数据加密方法，通过设置线性计算层来进行加减法以及乘法的计算并设置非线性逐元素计算层进行非线性逐元素函数的运算以对初始中间结果进行加密，无需进行多次加解密即能够从多个维度对初始中间结果进行加密，加密效果好且操作简单便捷，易实现，能够显著提高纵向联邦学习过程中特征提供方的数据安全性和隐私性。
[0009]根据本申请的一个实施例，所述将所述初始中间结果输入至基础算子层，获取所述基础算子层输出的目标加密数据，包括：
[0010]在所述初始中间结果的数据类型与目标数据类型不一致的情况下，将所述初始中间结果输入至所述数据类型转换层，获取所述数据类型转换层输出的所述目标数据类型的第一数据；
[0011]将所述第一数据输入至所述线性计算层，获取所述线性计算层输出的第一加密数据；
[0012]将所述第一加密数据输入至所述非线性逐元素计算层，获取所述非线性逐元素计算层输出的所述目标加密数据。
[0013]根据本申请的一个实施例，所述将所述第一数据输入至所述线性计算层，获取所述线性计算层输出的第一加密数据，包括：
[0014]对所述第一数据进行拆分处理，获取至少两个子序列；
[0015]基于所述至少两个子序列，确定所述第一加密数据。
[0016]根据本申请的一个实施例，所述基于所述至少两个子序列，确定所述第一加密数据，包括：
[0017]获取目标乘法三元组；
[0018]基于所述目标乘法三元组和所述至少两个子序列，确定所述第一加密数据。
[0019]根据本申请的一个实施例，所述将所述第一加密数据输入至所述非线性逐元素计算层，获取所述非线性逐元素计算层输出的所述目标加密数据，包括：
[0020]获取所述第一加密数据对应的第一分享值和第二分享值；
[0021]采用目标随机排列分别处理所述第一分享值和所述第二分享值，获取第三分享值和第四分享值；
[0022]基于所述第三分享值和所述第四分享值，确定逐元素函数结果；
[0023]拆分所述逐元素函数结果，获取第五分享值和第六分享值；
[0024]分别对所述第五分享值和所述第六分享值进行逆排列，确定所述目标加密数据。
[0025]根据本申请的一个实施例，所述采用目标随机排列分别处理所述第一分享值和所述第二分享值，获取第三分享值和第四分享值，包括：
[0026]获取目标随机翻转向量；
[0027]基于所述目标随机排列和所述目标随机翻转向量，分别处理所述第一分享值和所述第二分享值，获取所述第三分享值和所述第四分享值。
[0028]根据本申请的一个实施例，所述基础算子层包括：加法、减法、乘法、变换形状以及广播形状中的至少一种基础算子。
[0029]第二方面，本申请提供了一种数据加密装置，该装置包括：
[0030]第一处理模块，用于对目标工业特征数据进行加密处理获取初始中间结果；
[0031]第二处理模块，用于将所述初始中间结果输入至基础算子层，获取所述基础算子层输出的目标加密数据；
[0032]其中，所述基础算子层包括线性计算层、数据类型转换层和非线性逐元素计算层。
[0033]根据本申请的数据加密装置，通过设置线性计算层来进行加减法以及乘法的计算并设置非线性逐元素计算层进行非线性逐元素函数的运算以对初始中间结果进行加密，无需进行多次加解密即能够从多个维度对初始中间结果进行加密，加密效果好且操作简单便捷，易实现，能够显著提高纵向联邦学习过程中特征提供方的数据安全性和隐私性。
[0034]第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的数据加密方法。
[0035]第四方面，本申请提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的数据加密方法。
[0036]第五方面，本申请提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的数据加密方法。
[0037]第六方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的数据加密方法。
[0038]本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
[0039]通过设置线性计算层来进行加减法以及乘法的计算并设置非线性逐元素计算层进行非线性逐元素函数的运算以对初始中间结果进行加密，无需进行多次加解密即能够从多个维度对初始中间结果进行加密，加密效果好且操作简单便捷，易实现，能够显著提高纵向联邦学习过程中特征提供方的数据安全性和隐私性。
[0040]进一步的，通过对第一数据进行基于加减法以及乘法的秘密分享生成第一加密数据，可以避免第一数据泄露，且显著降低基于第一加密数据反推得到第一数据的概率，从而提高了中间结果的安全性和隐私性。
[0041]更进一步的，通过随机排列的方式分别处理第一分享值和第二分享值，提供一种混合随机排列和秘密分享的高效隐私计算方法，能够提高所生成的分享值的随机性，从而进一步降低从生成的目标加密数据中反推得到原始有效信息的可能，显著提高中间结果的隐私性和安全性，从而提高拆分学习的数据隐私。
[0042]再进一步的，通过在随机排列的基础上采用随机翻转的方法对第一分享值和第二分享值进行处理，能够在提高随机性的同时，避免暴露随机排列中各元素的分布，从而进一步保护数据隐私，防止中间结果泄露，显著提高了纵向联邦学习过程中的特征提供方的数据安全性和隐私性。
[0043]本申请的附加方面和优点将在下面的描述中部分给出，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据加密方法，其特征在于，包括：对目标工业特征数据进行加密处理获取初始中间结果；将所述初始中间结果输入至基础算子层，获取所述基础算子层输出的目标加密数据；其中，所述基础算子层包括线性计算层、数据类型转换层和非线性逐元素计算层。2.根据权利要求1所述的数据加密方法，其特征在于，所述将所述初始中间结果输入至基础算子层，获取所述基础算子层输出的目标加密数据，包括：在所述初始中间结果的数据类型与目标数据类型不一致的情况下，将所述初始中间结果输入至所述数据类型转换层，获取所述数据类型转换层输出的所述目标数据类型的第一数据；将所述第一数据输入至所述线性计算层，获取所述线性计算层输出的第一加密数据；将所述第一加密数据输入至所述非线性逐元素计算层，获取所述非线性逐元素计算层输出的所述目标加密数据。3.根据权利要求2所述的数据加密方法，其特征在于，所述将所述第一数据输入至所述线性计算层，获取所述线性计算层输出的第一加密数据，包括：对所述第一数据进行拆分处理，获取至少两个子序列；基于所述至少两个子序列，确定所述第一加密数据。4.根据权利要求3所述的数据加密方法，其特征在于，所述基于所述至少两个子序列，确定所述第一加密数据，包括：获取目标乘法三元组；基于所述目标乘法三元组和所述至少两个子序列，确定所述第一加密数据。5.根据权利要求2项所述的数据加密方法，其特征在于，所述将所述第一加密数据输入至所述非线性逐元素计算层，获取所述非线性逐元素计算层输出的所述目标加密数据，包括：获取所述第一加密数据对应的第一分享值和第二分享值；采用目标随机排列分别处理...

【专利技术属性】
技术研发人员：王涛，刘春杰，王曾，戴威，周围，廖媛媛，蔡杨，廖奕超，叶俊彦，
申请(专利权)人：美的集团股份有限公司，
类型：发明
国别省市：